EFCorePowerTools 中 PostgreSQL 存储过程与函数映射的实现
2025-07-03 15:20:22作者:苗圣禹Peter
在数据库应用开发中,存储过程和函数是重要的数据库对象,它们封装了业务逻辑并提高了代码复用性。EFCorePowerTools 作为一个强大的 Entity Framework Core 工具扩展,最近实现了对 PostgreSQL 存储过程和函数的映射支持,为开发者提供了更便捷的数据库访问方式。
PostgreSQL 函数与存储过程的区别
PostgreSQL 中有两种可执行数据库对象:函数(Function)和存储过程(Procedure)。它们在调用方式和功能上有明显区别:
-
函数(Function):
- 可以嵌入到任何 SQL 查询中
- 通过
SELECT * FROM func()方式调用 - 可以返回结果集或标量值
- 支持多种语言实现(PL/pgSQL, PL/Python等)
-
存储过程(Procedure):
- 通过
CALL proc()方式调用 - 不能嵌入到其他 SQL 语句中
- 可以控制事务(函数不能)
- 通常用于执行操作而非返回数据
- 通过
实现原理
EFCorePowerTools 通过查询 PostgreSQL 的系统目录表来获取函数和存储过程的元数据:
-
元数据查询:
- 从
information_schema.routines获取函数基本信息 - 结合
pg_catalog.pg_proc获取更详细的函数属性 - 查询
information_schema.parameters获取参数信息
- 从
-
结果集形状检测:
- 对于返回自定义类型的函数,通过查询
information_schema.columns获取返回结果的列信息 - 确定返回结果的列名、数据类型和顺序
- 对于返回自定义类型的函数,通过查询
-
类型映射:
- 将 PostgreSQL 数据类型映射到 .NET 类型和 NpgsqlDbType
- 处理特殊类型如 bit/varbit 的转换
生成的代码结构
工具会为每个返回结果集的函数生成对应的 C# 方法,主要包含以下部分:
-
参数定义:
- 为每个函数参数创建 NpgsqlParameter 对象
- 设置正确的参数名、类型和值
-
函数调用:
- 使用
SELECT * FROM schema.func_name(@param1, @param2)语法调用函数 - 通过 FromSqlRaw 或 SqlQueryAsync 执行查询
- 使用
-
结果映射:
- 为每个返回结果集生成对应的实体类
- 自动映射列名到属性
使用示例
生成的典型调用代码如下:
var parameters = new [] {
new NpgsqlParameter {
ParameterName = "CustomerID",
Value = customerId ?? Convert.DBNull,
NpgsqlDbType = NpgsqlDbType.Char
}
};
var results = await _context.SqlQueryAsync<CustOrderHistResult>(
"SELECT * FROM \"public\".\"CustOrderHist\" (@CustomerID)",
parameters,
cancellationToken);
注意事项
-
参数绑定:
- 目前 EF Core 6 不支持 PostgreSQL 的位置参数($1, $2)
- 需要使用命名参数(@paramName)方式
-
标识符引用:
- 在生成的 SQL 中,标识符(如表名、函数名)需要适当引用
- 但 PostgreSQL 通常不需要引用简单的标识符
-
C# 代码生成:
- 考虑使用 C# 11 的原始字符串字面量(""")来避免转义引号
- 但需要根据目标项目的 C# 版本决定
未来改进方向
-
支持存储过程:
- 实现通过 CALL 语法调用的存储过程映射
- 处理存储过程特有的事务控制能力
-
更智能的类型映射:
- 增强对复杂 PostgreSQL 类型的支持
- 优化类型转换逻辑
-
性能优化:
- 改进元数据查询效率
- 优化生成的 SQL 语句
EFCorePowerTools 的这一功能为 PostgreSQL 开发者提供了更完整的 ORM 支持,使得在 .NET 应用中使用 PostgreSQL 的存储过程和函数变得更加简单和高效。随着后续功能的不断完善,它将为开发者带来更加强大的数据库访问能力。
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
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
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++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
346
147