在Audit.NET中使用DbContextFactory实现EF Core审计日志
背景介绍
在.NET应用程序开发中,数据访问审计是一项重要功能,能够记录对数据库的所有变更操作。Audit.NET是一个强大的审计日志库,提供了对Entity Framework Core的深度集成支持。本文将详细介绍如何在Audit.NET中结合DbContextFactory实现EF Core的审计功能。
核心配置要点
1. 基本DbContext配置
首先需要确保你的DbContext类正确配置。虽然Audit.NET提供了AuditDbContext基类,但并非必须继承它才能使用审计功能。一个典型的DbContext配置如下:
public class PgSqlDefaultDbContext : DbContext
{
public PgSqlDefaultDbContext(DbContextOptions<PgSqlDefaultDbContext> options) : base(options)
{
}
protected override void OnModelCreating(ModelBuilder modelBuilder)
{
// 应用所有实现了IEntityTypeConfiguration的配置
modelBuilder.ApplyConfigurationsFromAssembly(
GetType().Assembly,
x => x.GetInterface(typeof(IEntityTypeConfiguration<>).FullName!) != null);
// 配置审计日志表
modelBuilder.Entity<AuditEventEntity>().ToTable("AuditEvents");
base.OnModelCreating(modelBuilder);
}
}
2. 使用OptIn模式进行选择性审计
Audit.NET提供了两种审计模式:
- 默认模式:审计所有实体
- OptIn模式:只审计显式指定的实体
OptIn模式更适合大型系统,可以精确控制需要审计的实体类型:
Audit.EntityFramework.Configuration.Setup()
.ForContext<PgSqlDefaultDbContext>(config =>
{
config.IncludeEntityObjects()
.AuditEventType("{context}:{database}")
.ExcludeValidationResults();
})
.UseOptIn() // 启用OptIn模式
.Include<TerminalEntity>() // 只审计TerminalEntity
.Include<VehicleEntity>() // 只审计VehicleEntity
.Include<DriverEntity>(); // 只审计DriverEntity
3. 结合DbContextFactory的审计配置
当使用IDbContextFactory时,需要特别注意DbContext的生命周期管理。以下是完整的审计配置示例:
Audit.Core.Configuration.Setup().UseEntityFramework(option =>
{
option.UseDbContext(_ => services.GetRequiredService<IDbContextFactory<PgSqlDefaultDbContext>>().CreateDbContext())
.DisposeDbContext() // 自动释放DbContext
.AuditTypeExplicitMapper(mapper =>
{
// 必须为每个需要审计的实体类型显式映射
mapper.Map<TerminalEntity, AuditEventEntity>()
.Map<VehicleEntity, AuditEventEntity>()
.Map<DriverEntity, AuditEventEntity>()
.AuditEntityAction<AuditEventEntity>((auditEvent, eventEntity, auditEntity) =>
{
// 自定义审计记录填充逻辑
auditEntity.Id = IdGenerator.Instance.NextId().ToString();
auditEntity.Data = eventEntity.ToJson();
auditEntity.EventType = eventEntity.EntityType.Name;
auditEntity.CreateDateTime = DateTimeOffset.UtcNow;
});
});
});
关键注意事项
-
OptIn模式的顺序要求:
Include方法必须在UseOptIn之后调用,否则不会生效。 -
显式映射的必要性:在OptIn模式下,即使已经通过
Include指定了要审计的实体类型,仍然需要在AuditTypeExplicitMapper中为每个类型进行映射。 -
DbContext生命周期管理:使用
DisposeDbContext()确保每次审计操作后正确释放DbContext资源。 -
服务获取优化:可以使用以下方式避免闭包问题,直接从当前DbContext获取服务:
option.UseDbContext(ev =>
ev.GetEntityFrameworkEvent()
.GetDbContext()
.GetService<IDbContextFactory<PgSqlDefaultDbContext>>()
.CreateDbContext())
最佳实践建议
-
审计表设计:建议为审计日志设计专门的表结构,包含必要的字段如操作时间、操作类型、操作用户等。
-
性能考虑:对于高频操作的系统,可以考虑将审计日志异步写入数据库或写入专门的日志存储。
-
敏感数据处理:在审计配置中,可以使用
Ignore方法排除敏感字段的审计记录。 -
日志轮转:对于长期运行的系统,需要设计审计日志的归档和清理策略。
通过以上配置,开发者可以灵活地在使用DbContextFactory的环境中实现精确的EF Core数据访问审计功能,既保证了系统的安全性,又避免了不必要的性能开销。
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