Spring Data 魔法实现的原理(以Spring Data JPA为例)

本文深入探讨Spring Data JPA的两大特性:通过Repository接口获取数据库操作方法及根据方法名推导查询的实现原理。从Repository接口的继承到PartTree解析方法名构造JPA查询,揭示Spring Data JPA的内部工作机制。

在Spring Data中,Spring Data提供了两大魔法:

  • 通过继承Repository接口获得数据库操作的常用方法
  • 通过方法名即可进行推导查询

我们下面将以Spring Data JPA为例深入理解这两大魔法的实现(下面的类都没有写包名,在Intellij IDEA下双击SHIFT,将类名复制进去可便捷查找):

1、Repository接口如何获得常用的数据库操作方法

在Spring Data JPA中我们将我们的实体Repository继承了JpaRepository接口便能获得大量的数据库操作方法,如:

public interface PersonRepository extends JpaRepository<Person, Long> {
   
    }

JpaRepository只是一个接口:

@NoRepositoryBean
public interface JpaRepository<T, ID> extends PagingAndSortingRepository<T, ID>, QueryByExampleExecutor<T> {
   
   
	@Override
	List<T> findAll();
  
	@Override
	List<T> findAll(Sort sort);
  
	@Override
	List<T> findAllById(Iterable<ID> ids);
  
	@Override
	<S extends T> List<S> saveAll(Iterable<S> entities);
  
	void flush();
  
	<S extends T> S saveAndFlush(S entity);

	void deleteInBatch(Iterable<T> entities);

	void deleteAllInBatch();

	T getOne(ID id);

	@Override
	<S extends T> List<S> findAll(Example<S> example);

	@Override
	<S extends T> List<S> findAll(Example<S> example, Sort sort);
}

它不具备任何实际的可执行代码,它的功能实现都是由SimpleJpaRepository类来提供的,那我们自定义的RepositoryPersonRepository)是如何获得SimpleJpaRepository中提供的实现的呢,

请看下面调用过程的分析:

1.1 @EnableJpaRepositories

@EnableJpaRepositories中:指定默认的JpaRepositoryFactoryBean

@Target(ElementType.TYPE)
@Retention(RetentionPolicy.RUNTIME)
@Documented
@Inherited
@Import(JpaRepositoriesRegistrar.class)
public @interface EnableJpaRepositories {
   
   
	/**
	 * Returns the {@link FactoryBean} class to be used for each repository instance. Defaults to
	 * {@link JpaRepositoryFactoryBean}.
	 *
	 * @return
	 */
	Class<?> repositoryFactoryBeanClass() default JpaRepositoryFactoryBean.class;

}

1.2 JpaRepositoryFactoryBean

JpaRepositoryFactoryBean中创建JpaRepositoryFactoryRepositoryFactorySupport的子类)

protected RepositoryFactorySupport createRepositoryFactory(EntityManager entityManager) {
   
   
	
		JpaRepositoryFactory jpaRepositoryFactory = new JpaRepositoryFactory(entityManager);
		jpaRepositoryFactory.setEntityPathResolver(entityPathResolver);
		jpaRepositoryFactory.setEscapeCharacter(escapeCharacter);

		if (queryMethodFactory != null) {
   
   
			jpaRepositoryFactory.setQueryMethodFactory(queryMethodFactory);
		}

		return jpaRepositoryFactory;
	}

1.3 JpaRepositoryFactory

JpaRepositoryFactory中:指定默认的repositoryBaseClass,为SimpleJpaRepository

public class JpaRepositoryFactory extends RepositoryFactorySupport {
   
   
  //...
  @Override
    protected Class<?> getRepositoryBaseClass(RepositoryMetadata metadata) {
   
   
      return SimpleJpaRepository.class;
    }
  //..
}  

1.4 RepositoryFactorySupport

RepositoryFactorySupport:它是JpaRepositoryFactory的父类,它通过JpaRepositoryFactory中指定的SimpleJpaRepository,将SimpleJpaRepository代理给我们自定义的Repository接口

public <T> T getRepository(Class<T> repositoryInterface, RepositoryFragments fragments) {
   
   
	//...
		Object target = getTargetRepository(information); //1	target为SimpleJpaRepository
  
		// Create proxy
		ProxyFactory result = new ProxyFactory();
		result.setTarget(target);
		result.setInterfaces(repositoryInterface, Repository.class, TransactionalProxy.class); //2 repositoryInterface为我们自定义的Repository(PersonRepository)接口

		//..
		return repository;
	}

2、如何实现根据方法名推导查询(Derived Query)

Spring Data JPA的另外一个神奇之处是可以根据实体接口中定义的方法名而自动进行查询。这个又是如何实现的呢,我们继续分析:

2.1 @EnableJpaRepositories

@EnableJpaRepositories中:指定默认的JpaRepositoryFactoryBean和查询策略

@Target(ElementType.TYPE)
@Retention(RetentionPolicy.RUNTIME)
@Documented
@Inherited
@Import(JpaRepositoriesRegistrar.class)
public @interface EnableJpaRepositories {
   
   

	/**
	 * Returns the key of the {@link QueryLookupStrategy} to be used for lookup queries for query methods. Defaults to
	 * {@link Key#CREATE_IF_NOT_FOUND}.
	 *
	 * @return
	 */
	Key queryLookupStrategy() default Key.CREATE_IF_NOT_FOUND;

	/**
	 * Returns the {@link FactoryBean} class to be used for each repository instance. Defaults to
	 * {@link JpaRepositoryFactoryBean}.
	 *
	 * @return
	 */
	Class<?> repositoryFactoryBeanClass() default JpaRepositoryFactoryBean.class;

}

2.2 JpaRepositoryFactory

JpaRepositoryFactory中:通

内容概要:本文详细介绍了一种融合灰狼优化算法(GWO)、BP神经网络与AdaBoost集成学习的复合预测模型,旨在通过Matlab代码实现高效、高精度的非线性系统预测。该模型首先利用GWO算法优化BP神经网络的初始权重与阈值,有效缓解传统BP网络易陷入局部最优、收敛速度慢的问题;随后引入AdaBoost集成策略,通过对弱学习器的迭代加权训练,进一步提升模型的泛化能力、鲁棒性与预测稳定性。该方法适用于能源、环境、金融等领域的时间序列预测任务,文中提供了完整的算法实现流程与案分析,便于科研人员复现、验证并拓展至其他应用场景。; 适合人群:具备一定机器学习理论基础与Matlab编程能力,从事科研工作的研究生、高校教师及工程技术人员,尤其适合工作1-5年、致力于发表高水平学术论文的研发人员。; 使用场景及目标:①解决传统BP神经网络在复杂数据下收敛缓慢、精度不足的问题;②构建高精度、强鲁棒性的预测模型,服务于科研项目申报、高水平论文撰写或工程实际预测需求;③深入理解GWO优化机制、AdaBoost集成思想及其在神经网络中的融合应用,掌握智能优化与集成学习的协同建模范式。; 阅读建议:建议读者结合提供的Matlab代码逐模块实践,重点剖析GWO的种群更新机制、BP网络的结构设计与训练过程、AdaBoost的误差反馈与权重调整逻辑,同时尝试将模型迁移至风电预测、负荷预测等具体场景,以深化理解并激发创新研究思路。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值