ConsoleAppFramework 5.5.0版本新增KeyedServices支持解析
2025-07-07 03:38:05作者:尤辰城Agatha
在依赖注入场景中,KeyedServices(键控服务)是一种常见的模式,它允许开发者通过指定键名来获取特定实现的服务实例。近期发布的ConsoleAppFramework 5.5.0版本正式加入了对KeyedServices的支持,解决了之前版本中[FromKeyedServices]属性被忽略的问题。
背景与问题
在之前的ConsoleAppFramework版本中,虽然框架支持依赖注入,但无法正确处理带有[FromKeyedServices]标记的参数注入。例如以下代码:
services.AddSingleton<ITest, Test>();
services.AddKeyedSingleton<ITest, KeyedTest>("Key");
class TestCommand([FromKeyedServices("Key")] ITest test) {
public void Run() {
Console.WriteLine(test.Value); // 预期输出2,实际输出1
}
}
这种情况下,框架会忽略键控服务的指定,始终返回默认注册的服务实例,导致业务逻辑出现偏差。
解决方案
5.5.0版本通过改进代码生成逻辑,现在能够正确识别和处理[FromKeyedServices]属性。当检测到该属性时:
- 框架会检查服务容器中是否存在对应的键控服务注册
- 优先从键控服务容器中解析依赖
- 如果找不到匹配的键控服务,才会回退到常规服务解析
实现原理
在底层实现上,ConsoleAppFramework通过源代码生成器在编译时创建命令类的依赖注入逻辑。新版本改进了生成器,使其能够:
- 识别构造函数参数上的
[FromKeyedServices]属性 - 生成调用
GetKeyedService而非GetService的代码 - 正确处理键名参数传递
使用建议
开发者现在可以安全地在ConsoleAppFramework项目中使用键控服务模式:
// 注册服务
services.AddKeyedSingleton<ILogger, FileLogger>("File");
services.AddKeyedSingleton<ILogger, ConsoleLogger>("Console");
// 使用服务
class LogCommand([FromKeyedServices("File")] ILogger logger) {
public void Run() {
logger.Log("This will use FileLogger");
}
}
注意事项
- 确保使用的Microsoft.Extensions.DependencyInjection版本支持键控服务(7.0+)
- 键名区分大小写,需保持注册和使用时的一致性
- 当键控服务不存在时,框架会尝试回退到常规服务解析
总结
ConsoleAppFramework 5.5.0对KeyedServices的支持完善了其依赖注入功能,使开发者能够更灵活地管理服务实现的选择。这一改进特别适合需要根据不同场景切换服务实现的复杂应用场景,进一步提升了框架在命令行应用开发中的实用性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
暂无描述
Dockerfile
675
4.32 K
deepin linux kernel
C
28
16
Ascend Extension for PyTorch
Python
517
627
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++
947
886
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
398
302
🎉 (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
1.56 K
909
暂无简介
Dart
920
228
Oohos_react_native
React Native鸿蒙化仓库
C++
335
381
昇腾LLM分布式训练框架
Python
142
169
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
133
212