EF Core 8.0 中JSON列排序后分页查询的Bug分析
2025-07-10 22:35:42作者:魏侃纯Zoe
在EF Core 8.0版本中,开发人员发现了一个关于JSON列排序后分页查询的Bug。这个Bug会导致在使用OrderBy()对JSON列进行排序后,再使用Skip()或Take()方法进行分页时,生成的SQL语句会出现"Invalid column name 'key'"的错误。
问题现象
当开发人员尝试执行以下操作时会出现问题:
- 查询包含JSON列和非JSON列的实体
- 对JSON列使用OrderBy()进行排序
- 然后应用Skip()或Take()进行分页
此时生成的SQL语句会缺少必要的WITH子句,导致无法识别系统生成的key列。有趣的是,如果查询中不包含非JSON列,或者不使用排序或分页操作,查询则可以正常执行。
技术背景
这个Bug与EF Core 8.0中引入的JSON列支持有关。EF Core 8.0增强了对JSON列的处理能力,允许开发人员直接查询和操作存储在JSON列中的数据。然而,在特定情况下,当JSON列与非JSON列混合使用,并配合排序和分页操作时,查询转换器会生成不正确的SQL语句。
影响范围
该Bug影响以下配置:
- .NET 8.0
- Microsoft.EntityFrameworkCore 8.0.1
- Microsoft.EntityFrameworkCore.SqlServer 8.0.1
解决方案
EF Core团队已经确认这是一个EF侧的Bug,并在后续版本中进行了修复。修复涉及对查询架构的重大更改,特别是在处理JSON列与常规列混合查询时的SQL生成逻辑。
对于遇到此问题的开发人员,可以考虑以下临时解决方案:
- 避免在JSON列排序后立即使用分页操作
- 将查询拆分为多个步骤
- 等待EF Core的补丁版本发布
总结
这个Bug展示了ORM框架在处理新型数据库特性(如JSON列)时可能遇到的挑战。EF Core团队正在持续改进对JSON列的支持,开发人员在使用这些新特性时应当注意测试边界情况,特别是在结合传统关系型列操作时。
对于生产环境中遇到此问题的项目,建议密切关注EF Core的更新公告,并及时升级到包含修复的版本。同时,在代码审查过程中,应当特别注意涉及JSON列与常规列混合操作的查询,确保它们在不同场景下都能正确执行。
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
411
3.16 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++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
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
659
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
342
146