Communitygithub.com

patterns-jpa

Patrons JPA/Hibernate pour la conception d'entités, les relations, l'optimisation des requêtes, les transactions, l'audit, l'indexation, la pagination et le pooling dans Spring Boot.

Qu'est-ce que patterns-jpa ?

Ce skill fournit des patrons de conception éprouvés pour utiliser JPA et Hibernate avec Spring Boot. Il couvre la modélisation des entités et des tables, la définition des relations (@OneToMany, @ManyToOne, @ManyToMany), l'optimisation des requêtes (prévention du problème N+1, stratégies de chargement, projections), la configuration des transactions et de l'audit, la pagination et le tri, ainsi que l'optimisation des performances via l'indexation, le pooling HikariCP et le cache. Il aide les développeurs à éviter les pièges courants comme le chargement eager inapproprié, les transactions trop longues ou les requêtes inefficaces, et propose des exemples concrets de code Java, de requêtes Spring Data JPA et de configuration. Le skill est conçu pour être utilisé avec Claude Code, Cursor, Codex ou tout autre agent IA spécialisé dans le développement Spring Boot.

Compatible avec~Claude Code~Codex CLI✓Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/jpa-patterns

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Patrons JPA/Hibernate

À utiliser pour la modélisation des données, les repositories et l'optimisation des performances dans Spring Boot.

Quand activer

  • Conception d'entités JPA et de mappings de tables
  • Définition des relations (@OneToMany, @ManyToOne, @ManyToMany)
  • Optimisation des requêtes (prévention N+1, stratégies de chargement, projections)
  • Configuration des transactions, de l'audit ou des suppressions logiques
  • Mise en place de la pagination, du tri ou de méthodes de repository personnalisées
  • Réglage du pooling de connexions (HikariCP) ou du cache de second niveau

Conception d'entités

@Entity
@Table(name = "markets", indexes = {
  @Index(name = "idx_markets_slug", columnList = "slug", unique = true)
})
@EntityListeners(AuditingEntityListener.class)
public class MarketEntity {
  @Id @GeneratedValue(strategy = GenerationType.IDENTITY)
  private Long id;

  @Column(nullable = false, length = 200)
  private String name;

  @Column(nullable = false, unique = true, length = 120)
  private String slug;

  @Enumerated(EnumType.STRING)
  private MarketStatus status = MarketStatus.ACTIVE;

  @CreatedDate private Instant createdAt;
  @LastModifiedDate private Instant updatedAt;
}

Activer l'audit :

@Configuration
@EnableJpaAuditing
class JpaConfig {}

Relations et prévention N+1

@OneToMany(mappedBy = "market", cascade = CascadeType.ALL, orphanRemoval = true)
private List<PositionEntity> positions = new ArrayList<>();
  • Utiliser le chargement paresseux par défaut ; utiliser JOIN FETCH dans les requêtes lorsque nécessaire
  • Éviter EAGER sur les collections ; utiliser des projections DTO pour les chemins de lecture
@Query("select m from MarketEntity m left join fetch m.positions where m.id = :id")
Optional<MarketEntity> findWithPositions(@Param("id") Long id);

Patrons de Repository

public interface MarketRepository extends JpaRepository<MarketEntity, Long> {
  Optional<MarketEntity> findBySlug(String slug);

  @Query("select m from MarketEntity m where m.status = :status")
  Page<MarketEntity> findByStatus(@Param("status") MarketStatus status, Pageable pageable);
}
  • Utiliser des projections pour des requêtes légères :
public interface MarketSummary {
  Long getId();
  String getName();
  MarketStatus getStatus();
}
Page<MarketSummary> findAllBy(Pageable pageable);

Transactions

  • Annoter les méthodes de service avec @Transactional
  • Utiliser @Transactional(readOnly = true) pour les chemins de lecture afin d'optimiser
  • Choisir la propagation avec soin ; éviter les transactions de longue durée
@Transactional
public Market updateStatus(Long id, MarketStatus status) {
  MarketEntity entity = repo.findById(id)
      .orElseThrow(() -> new EntityNotFoundException("Market"));
  entity.setStatus(status);
  return Market.from(entity);
}

Pagination

PageRequest page = PageRequest.of(pageNumber, pageSize, Sort.by("createdAt").descending());
Page<MarketEntity> markets = repo.findByStatus(MarketStatus.ACTIVE, page);

Pour une pagination de type curseur, inclure id > :lastId dans la JPQL avec un tri.

Indexation et performances

  • Ajouter des index pour les filtres courants (status, slug, clés étrangères)
  • Utiliser des index composites correspondant aux motifs de requête (status, created_at)
  • Éviter select * ; ne projeter que les colonnes nécessaires
  • Écrire par lots avec saveAll et hibernate.jdbc.batch_size

Pooling de connexions (HikariCP)

Propriétés recommandées :

spring.datasource.hikari.maximum-pool-size=20
spring.datasource.hikari.minimum-idle=5
spring.datasource.hikari.connection-timeout=30000
spring.datasource.hikari.validation-timeout=5000

Pour la gestion des LOB PostgreSQL, ajouter :

spring.jpa.properties.hibernate.jdbc.lob.non_contextual_creation=true

Cache

  • Le cache de premier niveau est par EntityManager ; éviter de conserver des entités entre les transactions
  • Pour les entités très lues, envisager le cache de second niveau avec prudence ; valider la stratégie d'éviction

Migrations

  • Utiliser Flyway ou Liquibase ; ne jamais se fier au DDL automatique d'Hibernate en production
  • Garder les migrations idempotentes et additives ; éviter de supprimer des colonnes sans plan

Test de l'accès aux données

  • Préférer @DataJpaTest avec Testcontainers pour refléter la production
  • Vérifier l'efficacité SQL via les logs : définir logging.level.org.hibernate.SQL=DEBUG et logging.level.org.hibernate.orm.jdbc.bind=TRACE pour les valeurs des paramètres

Rappel : Garder les entités légères, les requêtes intentionnelles et les transactions courtes. Prévenir N+1 avec des stratégies de chargement et des projections, et indexer pour les chemins de lecture/écriture.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Skills associés