解决fullstackhero/dotnet-starter-kit中的软删除功能显示问题
在fullstackhero/dotnet-starter-kit项目中,开发者报告了一个关于软删除功能的问题:虽然数据在数据库中被正确标记为软删除状态,但这些记录仍然会显示在Blazor用户界面中。本文将深入分析这个问题及其解决方案。
问题分析
该项目的软删除机制是通过在实体类中添加"DeletedOn"和"DeletedBy"字段来实现的。当用户执行删除操作时,系统不会真正从数据库中移除记录,而是设置这些字段的值来标记记录为已删除状态。然而,前端界面没有正确过滤这些已标记为删除的记录,导致它们仍然可见。
解决方案
要解决这个问题,我们需要在数据查询时添加过滤条件,排除已被软删除的记录。具体来说,在BrandRepository.cs文件中,我们需要修改GetAllAsync方法,添加对软删除记录的过滤:
public async Task<List<Brand>> GetAllAsync()
{
return await _dbContext.Brands
.Where(x => x.DeletedOn == null) // 添加这行过滤条件
.ToListAsync();
}
同样的修改也需要应用到其他实体的Repository类中,如ProductRepository和TodoRepository,以确保所有软删除的记录都不会显示在用户界面中。
项目启动时的浏览器窗口问题
另一个被提及的问题是项目启动时自动打开的浏览器窗口使用了随机端口,导致无法正常登录。这实际上是Visual Studio的默认行为,可以通过修改launchSettings.json文件来控制:
{
"profiles": {
"YourProfileName": {
"commandName": "Project",
"launchBrowser": false, // 设置为false禁用自动打开浏览器
"applicationUrl": "https://localhost:7100;http://localhost:5100",
"environmentVariables": {
"ASPNETCORE_ENVIRONMENT": "Development"
}
}
}
}
关于软删除实现的优化建议
虽然当前的软删除实现方式可以工作,但我们可以进一步优化。建议创建一个基类AuditableEntity,其中包含软删除相关的字段,然后让需要支持软删除的实体继承这个基类。这样既保持了代码的整洁性,又方便统一管理软删除逻辑:
public abstract class AuditableEntity : IAuditableEntity
{
public DateTime? DeletedOn { get; set; }
public string? DeletedBy { get; set; }
// 其他审计字段...
}
public class Brand : AuditableEntity
{
// Brand特有的属性...
}
这种实现方式更加灵活,只有需要软删除功能的实体才继承AuditableEntity,避免了不必要的字段污染。
总结
通过添加查询过滤条件和优化软删除实现方式,我们解决了fullstackhero/dotnet-starter-kit项目中软删除记录仍然显示的问题。同时,我们也了解了如何控制项目启动时的浏览器行为。这些修改不仅解决了当前的问题,还为项目的可维护性和扩展性提供了更好的基础。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00