ASP.NET Extensions 项目中的 JSON Schema 缓存优化
2025-06-28 00:20:25作者:郜逊炳
在 ASP.NET Extensions 项目中,ChatCompletion 组件的 CompleteAsync<T> 方法存在一个性能优化点值得开发者关注。该方法在每次调用时都会动态生成 JSON Schema,这种重复计算会对性能产生不必要的开销。
问题背景
当开发者使用 CompleteAsync<T> 方法进行结构化输出时,系统需要为泛型类型 T 生成对应的 JSON Schema。目前的实现方式是每次调用都重新生成这个 Schema,而没有利用缓存机制。这种设计在处理频繁调用或复杂类型时,会造成明显的性能损耗。
技术分析
JSON Schema 生成是一个相对耗时的操作,特别是对于复杂类型。由于 Schema 是基于类型信息生成的,对于同一个类型 T,生成的 Schema 应该是完全相同的。因此,缓存这些 Schema 可以显著提高性能。
在 .NET 生态中,ConditionalWeakTable 是一个理想的缓存实现选择。它可以:
- 将 Schema 与对应的
JsonSerializer实例关联 - 自动管理缓存生命周期
- 防止内存泄漏
优化方案
建议的优化方案是重用现有的 InferSchema 辅助方法的缓存基础设施。这种方案有多个优势:
- 一致性:保持与项目中其他部分相同的缓存策略
- 可维护性:减少重复代码
- 扩展性:为未来可能的公共 API 暴露做好准备
更深层次的意义
这个优化点实际上反映了结构化输出处理中的一个通用需求。随着函数调用等功能的普及,将 Schema 生成和缓存机制作为公共 API 暴露给其他实现者变得十分必要。这不仅能提高性能,还能促进代码重用和标准化。
实施状态
该优化已经在相关 PR 中得到解决,开发者可以期待在未来的版本中看到这一改进。对于需要高性能结构化输出的应用场景,这一优化将带来明显的性能提升。
对开发者的建议
在实际开发中,当遇到类似需要为类型生成元数据的场景时,开发者应该考虑:
- 元数据生成的性能开销
- 缓存的可能性与策略
- 缓存的生命周期管理
这种优化思路不仅适用于 JSON Schema 生成,也适用于其他基于类型反射的元数据处理场景。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
245
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
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++
662
312
React Native鸿蒙化仓库
JavaScript
262
322
🔥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
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218