Marten项目中的Scoped生命周期投影代码生成问题解析
2025-06-26 09:06:42作者:齐添朝
问题背景
在使用Marten这个.NET文档数据库和事件溯源库时,开发人员发现当使用AddProjectionWithServices方法注册自定义投影(Projection)并指定ServiceLifetime.Scoped生命周期时,会遇到代码生成问题。具体表现为:
- 代码生成器无法为Scoped生命周期的投影生成代码
- 运行时抛出"代码未找到"异常
ApplyAllDatabaseChangesOnStartup()方法也无法与Scoped生命周期的投影正常工作
问题本质
这个问题的核心在于Marten的代码生成机制与依赖注入生命周期的交互方式。当投影被注册为Scoped生命周期时:
- 投影实例不会在应用启动时立即创建
- 代码生成器在预处理阶段无法"看到"这些投影
- 导致无法为这些投影生成必要的代码
- 运行时当投影被首次使用时,由于缺少预生成代码而失败
相比之下,Singleton生命周期的投影在应用启动时就会被实例化,因此代码生成器能够正确处理它们。
技术解决方案
Marten团队在最新版本中已经修复了这个问题。修复方案主要涉及:
- 修改代码生成逻辑,使其能够处理Scoped生命周期的投影
- 确保
ApplyAllDatabaseChangesOnStartup()方法也能正确处理Scoped生命周期的投影
最佳实践建议
对于需要使用Scoped生命周期投影的场景,建议:
-
确保使用最新版本的Marten
-
如果必须使用旧版本,可以考虑以下替代方案:
- 暂时使用Singleton生命周期
- 或者创建专门的代码生成项目,其中使用Singleton生命周期注册所有投影
-
对于复杂的应用场景,考虑将投影逻辑设计为无状态的,这样可以使用Singleton生命周期而不会引入问题
总结
Marten作为一个功能强大的事件溯源和文档数据库库,在处理依赖注入生命周期与代码生成的交互时需要考虑多种场景。这个问题展示了框架设计中的一个典型挑战:如何在保持灵活性的同时确保各种功能能够协同工作。通过理解生命周期对代码生成的影响,开发人员可以更好地规划项目结构和依赖关系。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137