spring-data-commons

spring-data-commons

Spring Data项目的共享基础设施与存储库抽象

Spring Data Commons是Spring Data项目的核心组件,提供跨项目共享的基础设施。它包含技术中立的存储库接口和Java类持久化的元数据模型。主要功能包括存储库和对象映射抽象、跨存储持久化支持、基于方法名的动态查询生成以及透明审计等。Spring Data Commons易于集成,简化了数据访问层的开发工作。

Spring Data Commons数据持久化仓库接口对象映射Spring框架Github开源项目

= Spring Data Commons image:https://jenkins.spring.io/buildStatus/icon?job=spring-data-commons%2F&subject=Build[link=https://jenkins.spring.io/view/SpringData/job/spring-data-commons/] https://gitter.im/spring-projects/spring-data[image:https://badges.gitter.im/spring-projects/spring-data.svg[Gitter]] image:https://img.shields.io/badge/Revved%20up%20by-Develocity-06A0CE?logo=Gradle&labelColor=02303A["Revved up by Develocity", link="https://ge.spring.io/scans?search.rootProjectNames=Spring Data Core"]

https://projects.spring.io/spring-data/[Spring Data Commons]是Spring Data项目伞下的一部分,为Spring Data项目提供共享基础设施。它包含技术中立的存储库接口以及用于持久化Java类的元数据模型。

我们的主要目标是:

  • 强大的Repository和自定义对象映射抽象
  • 支持跨存储持久化
  • 从查询方法名动态生成查询
  • 实现提供基本属性的领域基类
  • 支持透明审计(创建、最后更改)
  • 集成自定义存储库代码的可能性
  • 通过自定义命名空间轻松集成Spring

== 行为准则

本项目遵循https://github.com/spring-projects/.github/blob/e3cc2ff230d8f1dca06535aa6b5a4a23815861d4/CODE_OF_CONDUCT.md[Spring行为准则]。参与者应遵守此行为准则。如遇不可接受的行为,请报告至spring-code-of-conduct@pivotal.io。

== 入门指南

=== Maven配置

添加Maven依赖:

[source,xml]

<dependency> <groupId>org.springframework.data</groupId> <artifactId>spring-data-commons</artifactId> <version>${version}</version> </dependency> ----

如果你更愿意使用即将发布的主要版本的最新快照,请使用我们的Maven快照仓库并声明相应的依赖版本。

[source,xml]

<dependency> <groupId>org.springframework.data</groupId> <artifactId>spring-data-commons</artifactId> <version>${version}-SNAPSHOT</version> </dependency> <repository> <id>spring-snapshot</id> <name>Spring Snapshot Repository</name> <url>https://repo.spring.io/snapshot</url> </repository> ----

== 获取帮助

在使用Spring Data时遇到问题?我们很乐意帮忙!

== 报告问题

Spring Data使用GitHub作为问题跟踪系统来记录bug和功能请求。如果你想提出问题,请遵循以下建议:

== 从源码构建

你不需要从源码构建来使用Spring Data(二进制文件在https://repo.spring.io[repo.spring.io]),但如果你想尝试最新最好的版本,可以使用https://github.com/takari/maven-wrapper[maven wrapper]轻松构建Spring Data。 你还需要JDK 17或更高版本。

[source,bash]

$ ./mvnw clean install

如果你想使用常规的mvn命令,你需要https://maven.apache.org/run-maven/index.html[Maven v3.5.0或更高版本]。

另外,如果你希望提交拉取请求,请参阅link:CONTRIBUTING.adoc[CONTRIBUTING.adoc],特别是在进行第一次非微小更改之前,请签署https://cla.pivotal.io/sign/spring[贡献者协议]。

=== 构建参考文档

构建文档的同时也会构建项目,但不运行测试。

[source,bash]

$ ./mvnw clean install -Pdistribute

生成的文档可在target/site/reference/html/index.html找到。

== 许可证

Spring Data Commons是根据https://www.apache.org/licenses/LICENSE-2.0.html[Apache 2.0许可证]发布的开源软件。

编辑推荐精选

即梦AI

即梦AI

一站式AI创作平台

提供 AI 驱动的图片、视频生成及数字人等功能,助力创意创作

扣子-AI办公

扣子-AI办公

AI办公助手,复杂任务高效处理

AI办公助手,复杂任务高效处理。办公效率低?扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作,覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应,生活工作无缝切换,提升50%效率!

Keevx

Keevx

AI数字人视频创作平台

Keevx 一款开箱即用的AI数字人视频创作平台,广泛适用于电商广告、企业培训与社媒宣传,让全球企业与个人创作者无需拍摄剪辑,就能快速生成多语言、高质量的专业视频。

TRAE编程

TRAE编程

AI辅助编程,代码自动修复

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

热门AI工具生产力协作转型TraeAI IDE
蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI助手AI工具AI写作工具AI辅助写作蛙蛙写作学术助手办公助手营销助手
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

聊天机器人AI助手热门AI工具AI对话
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

热门AI工具AI办公办公工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

模型训练热门AI工具内容创作智能问答AI开发讯飞星火大模型多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

下拉加载更多