探索Entity Framework Core的无限可能:《实体框架Core实战》开源代码库
欢迎来到与《实体框架Core实战》一书配套的Git仓库——EfCoreInAction。这本书由Manning出版社出版,详细介绍了如何在.NET Core应用程序中利用Entity Framework Core(EF Core)开发数据库访问代码。
这个Git仓库包含了书中所有的代码示例,以及一个在书中逐步构建和优化的在线图书售卖网站。所有代码均基于微软的开源库——EF Core进行开发。
请注意:代码基于.NET Core 2.0,部分分支已升级到.NET Core 2.1。
开发环境要求
要运行这些代码,您需要:
- 安装.NET Core 2.0 SDK,前往官方网站选择适合您的系统的版本。
- 建议使用Visual Studio 2017 15.3或更高版本,或者Visual Studio Code。因为代码设计为在这两个环境中都能正常工作。
代码结构一览
本仓库采取了“章节分支”的方式管理代码,这意味着在主分支上找不到代码。只需点击Branches,即可查看所有创建的分支。
每个部分的分支结构如下:
第一部分:入门
Ch5Migrate
/
master Ch1 Ch2 --> Ch3 --> Ch4 --> Ch5 -->
第二部分:深入理解Entity Framework
(ch5) --> Ch6 --> Ch7 --> Ch8 --> Ch9
第三部分:在真实世界的应用程序中使用Entity Framework
Ch13-Part3
/
Ch13-Part2 Ch14MySql
/ /
(ch9) --> Ch10 --> Ch11 --> Ch12 --> Ch13-Part1 --> Ch14 --> (Ch15) Note1
注:第15章关于单元测试的内容有自己的Git仓库,地址是:https://github.com/JonPSmith/EfCore.TestSupport,并提供了一个名为EfCore.TestSupport的NuGet包。
此外,为了对比EF Core 2.0和2.1的性能,还特别创建了几个针对.NET Core 2.1的分支,如Chapter05-NetCore21等。对于EF Core 3的支持,也有相应的分支,如Chapter01-NetCore3等。
实时示例书籍销售网站
您可以访问efcoreinaction.com以查看在线版本的图书销售站点。虽然无法在此处编辑数据,但当您将Git仓库克隆到本地并运行示例应用时,就可以进行编辑操作。在“日志”导航栏下,可以看到实现最后一条命令所使用的SQL代码。
数据库命名约定
由于不同分支下的数据库结构可能会变化,因此我们采用了一种从文件中读取分支名来构造数据库名称的方法。另外,由于xUnit单元测试会并行执行,所以不能共用一个数据库,以免相互影响。详细的解释在第11章中有所描述,不过这会导致运行单元测试时产生大量数据库。如果您对此感到困扰,可以运行测试/UnitCommands/DeleteAllUnitTestDatabases中的单元测试来删除所有测试数据库。
许可协议
该项目遵循MIT许可。
其他资源
您可以在Twitter上关注我[@thereformedprog],也可以访问我的博客http://www.thereformedprogrammer.net/,那里有更多关于EF 6.x和一些EF Core的文章。
快乐编码!
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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