Scrutor项目中的泛型服务扫描问题解析
在.NET依赖注入领域,Scrutor是一个广受欢迎的库,它扩展了Microsoft.Extensions.DependencyInjection的功能,提供了强大的程序集扫描和自动注册能力。本文将深入分析一个从Scrutor 5.1.2升级到6.0.1版本时出现的泛型服务扫描问题。
问题背景
开发者在项目中使用了Scrutor来扫描并注册实现了泛型接口IVectorCollectionIndexingService<>的服务。在5.1.2版本下工作正常,但在升级到6.0.1版本后,这些服务不再被自动注册。
核心代码分析
典型的扫描注册代码如下所示:
var vectorCollectionIndexingServiceType = typeof(IVectorCollectionIndexingService<>);
services.Scan(s => s
.FromAssemblies(vectorCollectionIndexingServiceType.Assembly)
.AddClasses(c => c
.AssignableTo(vectorCollectionIndexingServiceType)
.Where(t => t.IsClass && !t.IsAbstract && t != typeof(TicketVectorIndexingService))
)
.AsImplementedInterfaces(t => t.GetGenericTypeDefinition() == vectorCollectionIndexingServiceType)
.WithSingletonLifetime()
);
版本差异原因
经过深入分析,发现问题根源在于Scrutor 6.0.0版本引入了一个重要的行为变更:默认情况下,AddClasses方法现在只会扫描公共(public)类型。而在5.x版本中,即使没有显式指定,该方法也会扫描所有可见性级别的类型。
解决方案
要解决这个问题,有两种方法:
-
将相关类型改为public:确保所有需要被扫描注册的类型都具有public可见性
-
显式指定扫描非公共类型:修改扫描配置,添加
publicOnly: false参数
.AddClasses(c => c
.AssignableTo(vectorCollectionIndexingServiceType)
.Where(t => t.IsClass && !t.IsAbstract && t != typeof(TicketVectorIndexingService)),
publicOnly: false
)
最佳实践建议
-
版本升级注意事项:在升级Scrutor到6.0.0及以上版本时,需要检查所有使用
AddClasses的地方,确认是否需要扫描非公共类型 -
类型可见性设计:从设计角度考虑,服务实现类通常应该设计为public,因为它们是供DI容器创建和管理的
-
测试验证:在升级后,应该增加测试用例来验证所有预期的服务都被正确注册
总结
这个案例展示了依赖注入库在版本升级时可能带来的行为变化。Scrutor 6.0.0版本通过明确AddClasses方法的默认行为,使其更符合方法签名所表达的意图,提高了API的清晰度和一致性。开发者在升级时需要注意这类行为变更,并根据实际情况调整代码。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
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
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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