Marten 7.31版本中SubscriptionBase与SecondaryStore的异常问题分析
问题背景
Marten是一个基于PostgreSQL的.NET文档数据库和事件存储库。在7.31版本中,开发人员发现当使用SubscriptionBase与SecondaryStore(二级存储)组合时,会出现一个与异步资源释放相关的异常。这个问题在7.30.3版本中并不存在,但在升级到7.31后就会触发。
异常现象
当使用SubscriptionBase配合SecondaryStore时,系统会抛出以下异常:
System.InvalidOperationException: 'OrderModule.OrderChangedEventSubscription' type only implements IAsyncDisposable. Use DisposeAsync to dispose the container.
异常明确指出,相关类型只实现了IAsyncDisposable接口,但系统尝试使用同步的Dispose()方法来释放资源,这是不被允许的。
技术分析
根本原因
这个问题的根源在于Marten 7.31版本中ScopedSubscriptionServiceWrapper类的实现方式。当创建服务作用域(scope)时,它使用了同步的CreateScope()方法,而没有考虑到订阅服务可能实现了IAsyncDisposable接口。
在.NET中,当一个类实现了IAsyncDisposable接口但没有实现IDisposable接口时,尝试使用同步的Dispose()方法会导致异常。正确的做法是使用DisposeAsync()方法。
解决方案
根据开发团队的讨论,正确的修复方式是将_provider.CreateScope()替换为CreateAsyncScope()。这个改动确保了当服务实现IAsyncDisposable时,能够正确地以异步方式释放资源。
影响范围
这个问题主要影响以下使用场景:
- 使用SubscriptionBase创建事件订阅
- 配合SecondaryStore(二级存储)使用
- 订阅服务实现了IAsyncDisposable接口
对于不使用SecondaryStore或订阅服务不涉及异步资源释放的场景,可能不会遇到这个问题。
最佳实践
为了避免类似问题,开发人员在使用Marten时应注意:
- 当实现自定义订阅服务时,如果涉及异步资源释放,确保正确实现IAsyncDisposable接口
- 在升级Marten版本时,特别注意与资源释放相关的变更
- 对于需要异步初始化和清理的服务,考虑使用异步生命周期管理方法
总结
Marten 7.31版本中的这个问题展示了在异步编程环境下资源管理的重要性。随着.NET生态系统中异步编程模型的普及,正确处理异步资源释放已成为现代应用程序开发的关键方面。开发团队已经意识到这个问题并提供了修复方案,预计在后续版本中会包含这个修复。
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