Marten项目中的投影模式与Schema生成问题解析
2025-06-26 22:01:47作者:钟日瑜
概述
Marten作为一个.NET平台的文档数据库和事件存储库,提供了强大的投影功能来将事件流转换为可查询的文档视图。然而,在使用过程中,开发者可能会遇到一些关于投影注册API行为不一致的问题,特别是在Schema生成方面。
投影类型与Schema生成
Marten支持多种投影生命周期,主要包括Live(实时)和持久化两种模式。这两种模式在Schema生成方面存在一些需要注意的行为差异。
Live投影的两种注册方式
- 使用Add方法注册Live投影
options.Projections.Add(new SingleStreamProjection<MyAggegate>(), ProjectionLifecycle.Live);
这种方式会为聚合创建对应的数据库表,尽管Live投影理论上不需要持久化存储。
- 使用LiveStreamAggregation方法
options.Projections.LiveStreamAggregation<MyAggegate>();
这种方式不会创建表结构,是更符合Live投影特性的实现。
原因分析
这种不一致性源于内部实现机制。正确的Live投影实现应该设置SkipSchemaGeneration = true来跳过表结构创建,而第一种方式没有进行这一设置。
子类投影的特殊情况
当使用持久化投影与继承结构结合时,会出现另一个Schema生成问题:
options.Schema.For<BaseAggregate>()
.AddSubClassWithSnapshotProjection<BaseAggregate, Child1Aggregate>(options, SnapshotLifecycle.Inline)
.AddSubClassWithSnapshotProjection<BaseAggregate, Child2Aggregate>(options, SnapshotLifecycle.Inline);
在这种情况下,虽然所有子类都存储在父类表中,但Marten仍会尝试为子类创建独立的持久化表,这是不必要的。
技术背景与解决方案
SkipSchemaGeneration机制
SkipSchemaGeneration是一个内部标志,用于控制是否应为特定类型生成数据库Schema。当设置为true时:
- 完全跳过该类型的Schema生成
- 在应用数据库补丁时也会忽略相关变更
这意味着如果从持久化投影迁移到Live投影,Marten不会自动删除原有的持久化表,需要手动处理。
最佳实践建议
- 对于纯Live投影,优先使用
LiveStreamAggregation方法 - 对于子类投影场景,目前需要谨慎评估Schema生成需求
- 进行投影模式变更时,准备好手动处理遗留的数据库对象
未来改进方向
Marten团队正在改进对Live聚合的支持,未来版本可能会提供更一致的API行为。对于子类投影的特殊情况,社区贡献的解决方案可能会被纳入正式版本。
理解这些内部机制有助于开发者更有效地使用Marten的投影功能,避免不必要的数据库对象产生,并制定合适的数据库迁移策略。
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
184
196
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
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
275
97
暂无简介
Dart
623
140
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
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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