NEventStore 10.0.0版本发布:全面拥抱异步化与现代化改进
NEventStore是一个基于.NET平台的开源事件存储库,它实现了事件溯源模式,为开发者提供了一种持久化领域事件的有效方式。事件溯源是一种将应用程序状态变化记录为一系列不可变事件的设计模式,这些事件按时间顺序存储,可以随时重放以重建应用程序状态。
异步化改造
10.0.0版本最重要的改进是全面引入了异步编程模型,这是对现代.NET应用开发趋势的积极响应。
异步流操作接口
新版本为IStoreEvents、IEventStream、IPersistStreams等核心接口增加了异步版本,包括IPersistStreamsAsync、ICommitEventsAsync和IAccessSnapshotsAsync。这些异步方法采用了观察者模式设计,通过IAsyncObservable接口接收数据,实现了真正的非阻塞IO操作。
这种设计特别适合高吞吐量场景,当系统需要处理大量事件流时,异步接口可以显著提高资源利用率,减少线程阻塞。例如,在读取大型事件流时,数据可以边读取边处理,而不必等待整个流加载完成。
异步管道钩子
新增的IPipelineHookAsync接口为管道钩子提供了异步支持。管道钩子是NEventStore中的重要扩展点,允许开发者在事件提交前后插入自定义逻辑。异步化后,这些钩子可以执行如远程服务调用、复杂计算等耗时操作而不会阻塞主线程。
架构优化
二进制序列化分离
出于安全考虑,BinarySerializer(基于BinaryFormatter)已从核心包中移除,转移到了独立的NEventStore.Serialization.Binary包中。对于.NET 8.0及以上版本,开发者需要显式启用不安全二进制格式化器序列化功能。
这一变化反映了现代.NET开发对安全性的重视,BinaryFormatter因其潜在的安全风险已被标记为过时。分离后,核心包更加轻量,同时也给了开发者选择更安全序列化方案的自由。
API清理与改进
版本10.0.0对API进行了多项清理工作:
- 移除了行为不一致的PersistStreamsExtensions.GetFrom方法
- 重命名了PipelineHooksAwarePersistanceDecorator等类型,使其命名更加准确
- 优化了方法签名,增加了可空性注解,提高了代码安全性
- 重构了OptimisticEventStream的构造函数,改为更清晰的初始化模式
性能与稳定性提升
除了异步化改造,新版本还包含多项性能优化和稳定性改进:
- 更新了测试框架(NUnit、FluentAssertions等),提高了代码质量保障
- 增加了更多空值检查,减少了潜在的运行时错误
- 改进了代码注释,提升了可维护性
升级建议
对于现有项目升级到10.0.0版本,开发者需要注意以下兼容性问题:
- 如果使用了二进制序列化,需要单独引用NEventStore.Serialization.Binary包
- 使用了被移除或重命名API的代码需要进行相应调整
- 异步接口的引入可能需要重构现有的事件处理逻辑
总体而言,NEventStore 10.0.0通过全面的异步化改造和架构优化,为构建高性能、可扩展的事件驱动系统提供了更现代化的基础。这些改进特别适合云原生应用和微服务架构,能够更好地利用现代硬件资源和满足高并发场景的需求。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00