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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C038
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0118
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