ErrorOr项目中的空返回值处理实践
2025-07-08 13:18:53作者:秋阔奎Evelyn
在CQRS架构中使用Mediator时,开发者经常需要处理命令执行结果的返回问题。特别是对于更新类操作,往往不需要返回具体数据,但需要保留错误处理能力。ErrorOr库为此提供了优雅的解决方案。
问题背景
在实现更新命令时,开发者通常会遇到一个典型场景:命令执行成功后不需要返回具体业务数据,但当出现错误时需要返回详细的错误信息。这种"无返回值但有错误处理"的需求在传统实现中往往需要特殊处理。
ErrorOr的解决方案
ErrorOr库通过预定义的Result枚举类型为这类场景提供了标准化的处理方式。该枚举包含常见的操作结果状态,如Updated、Deleted、Created等,专门用于表示操作执行状态而非具体业务数据。
实现示例
以下是典型的更新命令实现模式:
public record UpdateCommand() : IRequest<ErrorOr<Updated>>;
public class UpdateHandler : IRequestHandler<UpdateCommand, ErrorOr<Updated>>
{
public Task<ErrorOr<Updated>> Handle(UpdateCommand command, CancellationToken ct)
{
try
{
// 执行更新逻辑
return Task.FromResult(Result.Updated);
}
catch(Exception ex)
{
return Task.FromResult(ErrorOr<Updated>.Error(ex));
}
}
}
技术优势
- 类型安全:通过泛型明确指定返回类型,避免使用原始void或object类型
- 语义明确:
Updated等枚举值使代码意图更加清晰 - 错误处理统一:与需要返回数据的操作保持一致的错误处理机制
- 扩展性强:可轻松添加新的结果状态而不破坏现有代码
最佳实践建议
- 对于不需要返回数据的写操作,优先使用
Result枚举作为泛型参数 - 保持错误处理的统一性,所有操作都通过ErrorOr返回错误
- 考虑在领域层定义自定义结果状态枚举,以满足特定业务需求
- 在API层将结果枚举转换为适当的HTTP状态码
这种模式不仅适用于更新操作,也适用于其他不需要返回数据的命令操作,如删除、状态变更等,是CQRS架构中处理命令结果的推荐方式。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
CAP基于最终一致性的微服务分布式事务解决方案,也是一种采用 Outbox 模式的事件总线。C#00
热门内容推荐
最新内容推荐
3种实用方案解决软件试用期管理难题SMUDebugTool:重新定义AMD Ryzen硬件调试的开源解决方案企业级视频本地化:技术架构与商业落地指南4个效率优化维度:Kronos金融大模型资源配置与训练实战指南3步打造高效键盘效率工具:MyKeymap个性化配置指南RapidOCR:企业级本地化OCR工具的技术解析与应用实践开源小说下载工具:实现网络小说本地存储的完整方案Detect-It-Easy技术教程:精准识别PyInstaller打包文件的核心方法GDevelop零代码游戏开发:3大痛点解决方案与实战案例高效解决知识星球内容备份难题:完全掌握zsxq-spider从爬取到PDF的知识管理方案
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
653
4.23 K
deepin linux kernel
C
27
14
Ascend Extension for PyTorch
Python
488
599
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
390
280
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++
937
854
Oohos_react_native
React Native鸿蒙化仓库
JavaScript
332
387
🎉 (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
1.53 K
886
暂无简介
Dart
900
215
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
123
194
昇腾LLM分布式训练框架
Python
141
167