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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
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
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
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