在规格展示时param_data为空的问题

本文介绍如何解决MyBatis中通过selectByExample()方法无法获取到List<TbItemParam>中的param-data字段的问题。文章指出在mysql中param_data为text类型时,MyBatis会生成两个方法,一个是不包含该字段的查询,另一个包含。通过使用包含text字段的方法SelectByExampleWithbiobs()可以正确查询到数据。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

通过selectByExample()方法获取到的List<TbItemParam>中没有param-data字段:

检查Dao层发现有一个类似的方法叫SelectByExampleWithbiobs()

selectByExample()方法的xml只有这几项:


SelectByExampleWithbiobs()的xml文件里:多了一个:


然后把查询数据库的方法改成withBlobs就ok了。


在mysql里面param_data是text类型的,mybatis自动生成映射文件的时候针对text类型的数据会默认生成这两个方法,使用前者查询不取这个参数,在有需要的时候我们用后者查询来提高查询效率节省资源


T32ReturnValueWarp t32_mul_int8_param_init( std::string node_name, std::vectorstd::string idfmts, std::vectorstd::string idtypes, std::vectorstd::string odfmts, std::vectorstd::string odtypes, std::vectorstd::string input_names, std::string kernel_type, int offset, int ctrl_flag, int quantize_type, int output_chn, std::vector<int> in_offset, std::vector<float> in_scale, int out_scale_int, int broad_cast_type, int broad_cast_aligned, std::vector<std::vector<int>> input_shapes, std::vector<std::vector<int>> output_shapes,int quantized,int alpha, std::vector<int16_t> ih_start, std::vector<int16_t> ih_offset, std::vector<int16_t> oh_start, std::vector<int16_t> oh_offset, std::vector<int> set_input_in_oram, std::vector<int> set_output_in_oram) { std::stringstream select_code_str; select_code_str << “t32_mul_int8_param_init(” << dump_data(node_name) << dump_vector(idfmts) << dump_vector(idtypes) << dump_vector(odfmts) << dump_vector(odtypes) << dump_vector(input_names) << dump_data(kernel_type) << dump_data(offset) << dump_data(ctrl_flag) << dump_data(quantize_type) << dump_data(output_chn) << dump_vector(in_offset) << dump_vector(in_scale) << dump_data(out_scale_int) << dump_data(broad_cast_type) << dump_data(broad_cast_aligned) << dump_shape(input_shapes) << dump_shape(output_shapes) <<dump_data(quantized)<<dump_data(alpha)<< dump_vector(ih_start) << dump_vector(ih_offset) << dump_vector(oh_start) << dump_vector(oh_offset) << dump_vector(set_input_in_oram) << dump_vector(set_output_in_oram) << “)”; std::cout<<select_code_str.str()<<std::endl; std::vector<TensorT *> inputs; for (int i = 0; i < int(idfmts.size()); i++) { auto tensor = generate_tensor_t(idfmts[i], idtypes[i], input_shapes[i], set_input_in_oram[i]); inputs.push_back(tensor); } // op output std::vector<TensorT *> outputs; for (int i = 0; i < int(odfmts.size()); i++) { auto tensor = generate_tensor_t(odfmts[i], odtypes[i], output_shapes[i], set_output_in_oram[i]); outputs.push_back(tensor); } // op param MulOpParam base_param; auto mul_par = &base_param; mul_par->broad_cast_aligned = broad_cast_aligned; mul_par->quantized = quantized; mul_par->quantize_type = QuantizationType(quantize_type); mul_par->offset = offset; mul_par->ctrl_flag = ctrl_flag; mul_par->alpha = alpha; mul_par->out_scale = out_scale_int; mul_par->broad_cast_type = BroadCastType(broad_cast_type); mul_par->broad_cast_aligned = broad_cast_aligned; mul_par->in_scale_num = in_scale.size(); for (int i = 0; i < mul_par->in_scale_num; i++) { mul_par->in_scale[i] = in_scale[i]; } mul_par->in_offset_num = in_offset.size(); for (int i = 0; i < mul_par->in_offset_num; i++) { mul_par->in_offset[i] = in_offset[i]; }
03-20
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