为什么推荐使用 mybatis-mp 框架?
官方文档:http://mybatis-mp.cn
1 单表:
//单条
SysUser sysUser=QueryChain.of(sysUserMapper)
.like(SysUser::getName,"xx")
.limit(1)
.get()
//list
List<SysUser> list=QueryChain.of(sysUserMapper)
.like(SysUser::getName,"xx")
.list()
//分页
Pager<SysUser> page=QueryChain.of(sysUserMapper)
.like(SysUser::getName,"xx")
.paging(Pager.of(1,20))
2 连表:
//VO
@Data
@ResultEntity(SysUser.class)
public class SysUserRoleVo {
private Integer id;
private String userName;
@ResultEntityField(target = SysUser.class, property = "password")
private String pwd;
@NestedResultEntity(target = SysRole.class)
private SysRole role;
}
//单条
SysUserVO sysUserVO=QueryChain.of(sysUserMapper)
.select(SysUserVO.class)
.from(SysUser.class)
.join(SysUser.class, SysRole.class, on -> on.eq(SysUser::getRoleId, SysRole::getId)
.like(SysUser::getName,"xx")
.limit(1)
.returnType(SysUserVO.class)
.get()
//list
List<SysUserVO> list=QueryChain.of(sysUserMapper)
.select(SysUserVO.class)
.from(SysUser.class)
.join(SysUser.class, SysRole.class, on -> on.eq(SysUser::getRoleId, SysRole::getId)
.like(SysUser::getName,"xx")
.returnType(SysUserVO.class)
.list()
//分页
Pager<SysUserVO> page=QueryChain.of(sysUserMapper)
.select(SysUserVO.class)
.from(SysUser.class)
.join(SysUser.class, SysRole.class, on -> on.eq(SysUser::getRoleId, SysRole::getId)
.like(SysUser::getName,"xx")
.returnType(SysUserVO.class)
.paging(Pager.of(1,20))
轻轻松松 简简单单 帮你迅速开发;还有很多很好的功能和特性,请前往官网查看 :http://mybatis-mp.c
mybatis-mp 可以说 没有构建不出来的sql 欢迎体验:http://mybatis-mp.cn

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
阿里通义千问 Qwen2 大模型开源发布
阿里通义千问Qwen2 大模型现已发布,并在 Hugging Face和 ModelScope上同步开源。 https://github.com/QwenLM/Qwen https://huggingface.co/Qwen https://modelscope.cn/organization/qwen Qwen2系列模型是Qwen1.5系列模型的重大升级。包括了5个尺⼨的预训练和指令微调模型,:Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B、Qwen2-57B-A14B以及Qwen2-72B。 在中⽂英语的基础上,训练数据中增加了27种语⾔相关的⾼质量数据;上下文长度支持进一步扩展,最⾼达到128K tokens(Qwen2-72B-Instruct) 。 公告称,Qwen2 相⽐Qwen1.5 在⼤规模模型实现了⾮常⼤幅度的效果提升。在针对预训练语⾔模型的评估中,对⽐当前最优的开源模型,Qwen2-72B在包括⾃然语⾔理解、知识、代码、数学及多语⾔等多项能⼒上均显著超越当前领先的模型,如Llama-3-70B以及Qwen1.5最⼤的模型Qwen1.5-110B。这得益...
-
下一篇
使用 Hugging Face 推理终端搭建强大的“语音识别 + 说话人分割 + 投机解码”工作流
Whisper 是当前最先进的开源语音识别模型之一,毫无疑问,也是应用最广泛的模型。如果你想部署 Whisper 模型,Hugging Face 推理终端 能够让你开箱即用地轻松部署任何 Whisper 模型。但是,如果你还想叠加其它功能,如用于分辨不同说话人的说话人分割,或用于投机解码的辅助生成,事情就有点麻烦了。因为此时你需要将 Whisper 和其他模型结合起来,但对外仍只发布一个 API。 推理终端 https://hf.co/inference-endpoints/dedicated 本文,我们将使用推理终端的 自定义回调函数 来解决这一挑战,将其它把自动语音识别 (ASR) 、说话人分割流水线以及投机解码串联起来并嵌入推理端点。这一设计主要受 Insanely Fast Whisper 的启发,其使用了 Pyannote 说话人分割模型。 自定义回调函数 https://hf.co/docs/inference-endpoints/guides/customhandler Insanely Fast Whisper https://github.com/Vaibhavs10...
相关文章
文章评论
共有0条评论来说两句吧...