EntityFramework Core 10.0 Preview 3 新特性解析
EntityFramework Core 是微软推出的轻量级、可扩展、跨平台的对象关系映射(ORM)框架,它允许.NET开发者使用.NET对象与数据库进行交互,而无需过多关注底层数据库操作细节。最新发布的10.0 Preview 3版本带来了一系列值得关注的新特性和改进。
复杂类型支持增强
本次更新中,EF Core对复杂类型的支持得到了显著增强。开发团队添加了对可选复杂类型的模型构建支持,这意味着现在可以更灵活地定义和操作复杂类型。复杂类型(Complex Types)是EF Core中用于表示值对象的概念,它们没有自己的标识符,而是作为实体的一部分存在。
这一改进使得开发者能够更自然地建模领域模型中的值对象,特别是在领域驱动设计(DDD)场景下。可选复杂类型特别适用于那些在某些情况下可能为null的值对象属性,为数据建模提供了更大的灵活性。
默认值支持改进
EF Core 10.0 Preview 3修复了#21006号问题,增加了对非空属性默认值的支持。现在,开发者可以为非空属性指定默认值,当创建新实体时,如果未显式设置这些属性的值,EF Core会自动使用配置的默认值。
这一特性在以下场景特别有用:
- 数据库中有默认约束的列
- 需要为某些属性提供初始值的业务场景
- 简化实体创建代码,减少样板代码量
查询日志改进
查询日志功能得到了增强,现在能够更好地处理内联到查询中的常量值。当EF Core将LINQ查询转换为SQL时,有时会将变量值内联为常量。新版本改进了日志记录,使得这些内联的常量值能够被正确记录,同时保护敏感信息不被泄露。
这一改进使得调试和性能分析更加方便,开发者可以更准确地看到实际执行的查询内容,有助于识别潜在的性能问题和逻辑错误。
脚手架命令改进
Scaffold-DBContext命令现在能够正确设置执行环境。这一改进解决了在某些情况下执行数据库反向工程时可能遇到的环境配置问题,使得从现有数据库生成实体类的过程更加可靠。
SQLite扩展加载改进
针对SQLite数据库,EF Core改进了LoadExtension方法的处理方式,现在能够更好地与dotnet run命令和以"lib"开头的库名配合工作。这一改进增强了SQLite扩展的加载能力,为使用SQLite特定功能的开发者提供了更好的体验。
性能优化
本次更新包含了几项性能优化:
- 改进了funcletizer对Span-based重载的处理,将其转换为Enumerable形式
- 正确处理funcletizer中的Coalesce简化Convert节点
- 减少了不必要的类型查找和转换操作
这些优化有助于提升查询编译和执行效率,特别是在处理复杂查询时。
迁移改进
修复了从EF Core 8升级到9时出现的迁移问题,特别是MigrationBuilder.DropTable操作导致后续表重建问题的回归。这一修复确保了迁移操作的可靠性,特别是在需要删除并重新创建表的场景下。
总结
EntityFramework Core 10.0 Preview 3在多个方面进行了改进和优化,包括复杂类型支持、默认值处理、查询日志、脚手架命令、SQLite集成以及性能优化等。这些改进不仅增强了框架的功能性,也提升了开发体验和运行时性能。对于正在评估或已经使用EF Core的项目团队来说,这个预览版值得关注和试用。
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
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- 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
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。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
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00