基于annotation的hibernate主键生成策略(转)

自定义主键生成策略,由@GenericGenerator实现。
hibernate在JPA的基础上进行了扩展,可以用一下方式引入hibernate独有的主键生成策略,就是通过@GenericGenerator加入的。

比如说,JPA标准用法
Java代码
@Id?
@GeneratedValue(GenerationType.AUTO)?

就可以用hibernate特有以下用法来实现
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "assigned")?


@GenericGenerator的定义:
Java代码
@Target({PACKAGE, TYPE, METHOD, FIELD}) 
@Retention(RUNTIME) 
public @interface GenericGenerator { 

String name(); 

String strategy(); 

Parameter[] parameters() default {}; 
}?


name属性指定生成器名称。
strategy属性指定具体生成器的类名。
parameters得到strategy指定的具体生成器所用到的参数。

对于这些hibernate主键生成策略和各自的具体生成器之间的关系,在org.hibernate.id.IdentifierGeneratorFactory中指定了,
Java代码
static { 
GENERATORS.put("uuid", UUIDHexGenerator.class); 
GENERATORS.put("hilo", TableHiLoGenerator.class); 
GENERATORS.put("assigned", Assigned.class); 
GENERATORS.put("identity", IdentityGenerator.class); 
GENERATORS.put("select", SelectGenerator.class); 
GENERATORS.put("sequence", SequenceGenerator.class); 
GENERATORS.put("seqhilo", SequenceHiLoGenerator.class); 
GENERATORS.put("increment", IncrementGenerator.class); 
GENERATORS.put("foreign", ForeignGenerator.class); 
GENERATORS.put("guid", GUIDGenerator.class); 
GENERATORS.put("uuid.hex", UUIDHexGenerator.class); //uuid.hex is deprecated 
GENERATORS.put("sequence-identity", SequenceIdentityGenerator.class); 
}?

上面十二种策略,加上native,hibernate一共默认支持十三种生成策略。

1、native 对于orcale采用Sequence方式,对于MySQL和SQL Server采用identity(处境主键生成机制),native就是将主键的生成工作交给数据库本身,hibernate不管。(很常用)
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "native")

2、uuid 采用128位的uuid算法生成主键,uuid被编码为一个32位16进制数字的字符串。占用空间大(字符串类型)。
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "uuid")

3、hilo 要在数据库中建立一张额外的表,默认表名为hibernate_unque_key,默认字段为integer类型,名称是next_hi(比较少用)
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "hilo")

4、assigned 在插入数据的时候主键由程序处理(很常用),这是<generator>元素没有指定时的默认生成策略。等同于JPA中的AUTO。
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "assigned")

5、identity 使用SQL Server和MySQL的自增字段,这个方法不能放到Oracle中,Oracle不支持自增字段,要设定sequence(MySQL和SQL Server中很常用)。等同于JPA中的IDENTITY
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "identity")

6、select 使用触发器生成主键(主要用于早期的数据库主键生成机制,少用)
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name="select", strategy="select", 
parameters = { @Parameter(name = "key", value = "idstoerung") })?

7、sequence 调用谨慎数据库的序列来生成主键,要设定序列名,不然hibernate无法找到。
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "sequence", 
parameters = { @Parameter(name = "sequence", value = "seq_payablemoney") })?

8、seqhilo 通过hilo算法实现,但是主键历史保存在Sequence中,适用于支持Sequence的数据库,如Orcale(比较少用)
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "seqhilo", 
parameters = { @Parameter(name = "max_lo", value = "5") })?

9、increment 插入数据的时候hibernate会给主键添加一个自增的主键,但是一个hibernate实例就维护一个计数器,所以在多个实例运行的时候不能使用这个方法。
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "increment")

10、foreign
Java代码
@GeneratedValue(generator = "idGenerator") 
@GenericGenerator(name = "idGenerator", strategy = "foreign", 
parameters = { @Parameter(name = "property", value = "employee") })?


注意:直接使用@PrimaryKeyJoinColumn 报错(?)
Java代码
@OneToOne(cascade = CascadeType.ALL) 
@PrimaryKeyJoinColumn 
例如
Java代码
@Entity?
public class Employee { 
@Id Integer id; 

@OneToOne @PrimaryKeyJoinColumn?
EmployeeInfo info; 

}?
应该为
Java代码
@Entity?
public class Employee { 
@Id 
@GeneratedValue(generator = "idGenerator") 
@GenericGenerator(name = "idGenerator", strategy = "foreign", 
parameters = { @Parameter(name = "property", value = "info") }) 
Integer id; 

@OneToOne?
EmployeeInfo info; 

}?
11、guid 采用数据库底层的guid算法机制,对应MySQL的uuid()函数,SQL Server的newid()函数,ORCALE的rawtohex(sys_guid())函数等
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "guid")

12、uuid.hex 看uudi,建议用uuid替换
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "uuid.hex")

13、sequence-identity
Java代码
@GeneratedValue(generator = "paymentableGenerator") 
@GenericGenerator(name = "paymentableGenerator", strategy = "sequence-identity", 
parameters = { @Parameter(name = "sequence", value = "seq_payablemoney") })?

四、通过@GenericGenerator自定义主键生成策略
如果实际应用中,主键策略为程序指定了就用程序指定的主键(assigned),没有指定就从sequence中取。
明显上面所讨论的策略都不满足,只好自己扩展了,集成assigned和sequence两种策略。

Java代码
public class AssignedSequenceGenerator extends SequenceGenerator implements 
PersistentIdentifierGenerator, Configurab


参考资料:http://blog.knowsky.com/192246.htm

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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