Marten项目中的"快速追加"事件机制优化
2025-06-26 09:25:47作者:殷蕙予
背景与现状分析
Marten是一个.NET平台上的事件存储和文档数据库库,它内置了强大的事件溯源功能。在当前版本中,当使用SaveChangesAsync()方法保存事件时,Marten会执行一系列相对繁重的预处理操作:
- 从数据库"检出"事件序列号
- 对于每个要追加事件的流,查询数据库获取当前版本号
- 为每个待处理事件应用所有元数据
这种设计虽然确保了内联投影(Inline projections)能够获得完整的事件元数据,但也带来了两个明显的性能问题:
- 额外的数据库往返通信增加了延迟
- 当同一事件流频繁被追加事件时,容易引发并发冲突
优化方案设计
为了解决上述性能瓶颈,Marten计划引入一种新的"快速追加"机制,核心思想是提供一种绕过当前预处理流程的轻量级事件追加方式。
主要优化点
-
新增API方法:将提供
AppendQuick()或StartStreamQuick()等新方法,这些方法明确表示跳过事件预处理阶段。 -
性能优化:
- 避免序列号检出操作
- 跳过版本号查询
- 不处理事件元数据
-
功能取舍:这种快速模式将很可能不支持内联投影的使用,这是为性能做出的明确权衡。
-
兼容性考虑:对于常规的
Append()/StartStream()方法,当确认没有使用内联投影时,也可以选择性地启用这种快速行为,但需要显式"选择加入"。
技术实现细节
从提交记录可以看出,这项优化已经进入实现阶段。开发者通过提交58c03b5开始相关工作,并在提交ff5dc73中完成了实现。
实现的关键在于:
- 重构事件追加流程,分离出快速路径
- 确保在不破坏现有功能的前提下提供新的优化选项
- 维护系统的一致性和可靠性
应用场景与价值
这项优化特别适合以下场景:
- 高吞吐量事件流:当系统需要向同一流快速追加大量事件时
- 性能敏感型应用:对延迟有严格要求的场景
- 简单事件存储:不需要复杂投影处理的用例
这项改进也为Marten未来的#2533功能(长期积压的需求)奠定了基础,展现了良好的架构演进性。
总结
Marten通过引入"快速追加"事件机制,在保持核心功能完整性的同时,为特定使用场景提供了显著的性能优化。这种设计体现了良好的架构权衡思想,既满足了需要完整功能集的用户,也为追求极致性能的场景提供了选择。这种优化方式值得其他事件溯源系统借鉴,展示了如何在不牺牲核心价值的前提下提升系统性能。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
185
196
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
480
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
276
97
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.44 K
暂无简介
Dart
623
140
React Native鸿蒙化仓库
JavaScript
242
315
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
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++
648
265
openGauss kernel ~ openGauss is an open source relational database management system
C++
157
210