FreeSql多租户场景下的表结构缓存优化实践
背景介绍
在基于FreeSql构建多租户系统时,开发人员常常会遇到一个典型问题:当不同租户使用相同的PostgreSQL数据库但位于不同的searchpath(搜索路径)下时,如何为每个租户实例维护独立的表结构缓存。这个问题在FreeSqlCloud等场景中尤为突出。
问题分析
FreeSql默认情况下使用全局静态的CacheTableEntityFactory来缓存表结构信息。这意味着当多个租户实例共享同一个FreeSql类型时,表结构缓存会被最后一个注册的配置覆盖,导致租户间的表结构映射出现混乱。
例如,当租户A将表映射为schemaA.tbname而租户B映射为schemaB.tbname时,如果使用全局缓存,最终只有一个映射关系会生效,这显然不符合多租户场景的需求。
解决方案演进
初始方案:自定义缓存工厂
最初提出的解决方案是通过UseCustomTableEntityCacheFactory方法为每个租户实例创建独立的缓存:
new FreeSqlBuilder().UseCustomTableEntityCacheFactory(() => {
Tkey _dbkey = (Tkey)AccessHelper.ReadPrivateField(fsq, "_dbkey");
var cache = FsqExtensionsCache<Tkey>.EntityConfigCache.GetOrAdd(_dbkey, (key) => new());
return cache;
});
这种方法虽然可行,但存在以下问题:
- 需要通过反射获取内部字段,不够优雅
- 需要开发者自行管理缓存生命周期
- 增加了代码复杂度
优化方案:使用连接工厂
更优雅的解决方案是利用FreeSql内置的UseConnectionFactory方法:
new FreeSqlBuilder().UseConnectionFactory(
DataType.CustomPostgreSQL,
() => new Npgsql.NpgsqlConnection(tenant_connectionString),
typeof(FreeSql.PostgreSQL.PostgreSQLProvider<>)
);
这种方法具有以下优势:
- 原生支持PostgreSQL的searchpath特性
- 无需处理表结构缓存问题
- 代码更加简洁直观
- 性能更好,无需额外的缓存管理
实现原理
当使用UseConnectionFactory方法时,FreeSql会为每个租户创建独立的数据库连接,这些连接可以配置不同的searchpath。PostgreSQL的searchpath特性会自动处理不同模式(schema)下的表访问,因此不再需要为每个租户单独维护表结构缓存。
最佳实践
对于PostgreSQL多租户场景,推荐以下实现方式:
- 为每个租户配置独立的连接字符串,包含特定的searchpath
- 使用
UseConnectionFactory方法创建租户特定的FreeSql实例 - 避免使用全局静态缓存,确保每个租户实例完全独立
总结
在FreeSql多租户架构设计中,正确处理表结构缓存是关键。通过利用PostgreSQL原生的searchpath特性和FreeSql的连接工厂机制,可以构建出既高效又易于维护的多租户解决方案。这种方法不仅解决了表结构缓存问题,还简化了代码结构,提高了系统的可维护性。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出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
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00