多租户服务器(MultiTenancyServer)使用指南
项目介绍
多租户服务器(MultiTenancyServer)是一个基于ASP.NET Core和EF Core的开源项目,旨在轻松地向任何代码库添加多租户支持。该项目的设计灵感源自ASP.NET Core Identity,允许开发者在不向类或实体添加任何租户键属性的情况下实现多租户功能。通过ASP.NET Core,当前租户可以通过自定义域名、子域、部分主机名、HTTP请求头、子URL路径、查询字符串参数、认证用户的声明或定制的请求解析器来识别。利用Entity Framework Core时,租户键作为阴影属性(或可选的实际属性)添加,并通过全局查询过滤器强制执行,所有配置选项都可从默认值覆盖或按实体细粒度调整。
项目快速启动
要迅速开始使用MultiTenancyServer,首先确保已安装.NET SDK,并遵循以下步骤:
步骤一:克隆项目
git clone https://github.com/MultiTenancyServer/MultiTenancyServer.git
步骤二:配置服务
打开项目中的Startup.cs文件,在ConfigureServices(IServiceCollection services)方法中集成多租户服务和数据库上下文:
public void ConfigureServices(IServiceCollection services)
{
// 示例数据库连接配置
var connectionString = Configuration.GetConnectionString("DefaultConnection");
var migrationsAssembly = typeof(AppDbContext).GetTypeInfo().Assembly.GetName().Name;
// 添加数据库上下文
services.AddDbContext<AppDbContext>(options =>
options.UseSqlServer(connectionString, sql => sql.MigrationsAssembly(migrationsAssembly)));
// 添加多租户支持,指定TTenant<TKey>为Tenant类型且ID为string
services.AddMultiTenancy<Tenant, string>();
// 配置请求解析器以识别租户,例如通过域名
services.AddRequestParsers(parsers =>
{
parsers.AddDomainParser();
// 其他解析器可以根据需求添加
});
// 使用内存中租户存储进行开发
services.AddInMemoryStore(new Tenant[] { /* 定义你的初始租户 */ });
// 生产环境可以改为使用EF Core存储
// services.AddEntityFrameworkStore<AppDbContext, Tenant, string>();
}
步骤三:配置中间件
在Configure(IApplicationBuilder app)方法中加入多租户中间件和其他必要的ASP.NET Core中间件:
public void Configure(IApplicationBuilder app)
{
app.UseStaticFiles(); // 使用静态文件中间件
app.UseMultiTenancy<Tenant>(); // 应用多租户中间件
app.UseRouting();
app.UseAuthentication();
app.UseAuthorization();
app.UseEndpoints(endpoints =>
{
endpoints.MapControllers(); // 或者是MapRazorPages()等,取决于你的应用类型
});
}
步骤四:运行项目
确保数据库迁移已完成,然后运行你的应用程序:
dotnet run
应用案例和最佳实践
使用MultiTenancyServer的最佳实践包括:
- 租户模型自定义:继承
TenancyTenant并添加额外的业务属性。 - 灵活的服务注册:根据需求选择性地注册租户相关的服务。
- 安全策略:每个租户的数据隔离应严格实施,确保数据安全性。
- 性能考虑:合理配置全球查询过滤器,避免不必要的性能开销。
- 部署与扩展:根据租户规模和需求设计动态扩缩容策略。
典型生态项目
MultiTenancyServer常与其他技术栈结合,如IdentityServer4进行身份验证与授权管理,以及ASP.NET Core Identity处理用户账户,构建高度安全和灵活的多租户应用。在实际部署中,也可以与云服务紧密集成,利用云的弹性能力,为不同租户提供稳定的服务体验。
以上就是MultiTenancyServer的基本使用流程和一些关键概念的简述。深入探索项目源码和示例,可以帮助您更熟练地掌握其特性和应用场景。
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