FreeSql 3.5.105版本发布:ORM框架的全面优化与功能增强
FreeSql是一款功能强大的.NET ORM框架,以其高性能、易用性和丰富的数据库支持而著称。它支持多种数据库,包括但不限于MySQL、PostgreSQL、SQL Server、Oracle等,提供了从数据库访问到实体映射的全套解决方案。最新发布的3.5.105版本带来了一系列重要的改进和修复,进一步提升了框架的稳定性和功能性。
新增功能亮点
增强的Join操作支持
本次更新中,FreeSql增加了ISelect.Join方法,使其行为与InnerJoin保持一致。这一改进使得开发者在编写多表查询时有了更直观的选择,代码可读性得到提升。无论是使用Join还是InnerJoin,现在都能获得相同的查询效果,减少了开发者的记忆负担。
异步分块处理API
新增的ToChunkAsync异步API是对现有分块处理功能的重要补充。在处理大量数据时,分块处理可以有效降低内存消耗,而异步版本则进一步提升了应用程序的响应能力。这个功能特别适合需要处理大数据集但又不想阻塞主线程的场景。
聚合函数与开窗函数的明确区分
为了解决之前版本中聚合函数与开窗函数可能产生的混淆,新版本引入了SqlExt.AggregateCount和SqlExt.AggregateSum等方法,与原有的SqlExt.Count和SqlExt.Sum开窗方法形成明确区分。这一改进使得SQL表达更加清晰,减少了因函数用途不明确而导致的错误。
数据库兼容性改进
PostgreSQL相关优化
修复了PgCopy在处理DateTime映射到date类型时的失败问题,增强了数据类型转换的可靠性。同时解决了Npgsql postgis的条件编译问题,确保了相关功能在不同环境下的可用性。
MySQL数据类型处理
针对MySql.Data驱动中MySqlDateTime类型读取为null的情况进行了修复,解决了特定场景下的数据读取异常问题。这一改进提升了框架与MySQL数据库交互的稳定性。
Oracle数据库支持
修复了CodeFirst模式下clob/blob类型的cast转换问题,优化了DbFirst模式下Oracle的批量插入功能(实际上这个优化在2020年就已实现,但之前未能正确生效)。这些改进使得Oracle数据库的使用体验更加流畅。
其他数据库改进
针对Firebird、GBase、达梦(DmPrivider)等数据库也进行了多项修复,包括表注释迁移、批量插入类型转换、日期解析、主从集群支持等问题,进一步扩大了FreeSql的数据库兼容范围。
查询功能优化
子查询与参数化处理
修复了GroupBy结合WithTempQuery和子查询时的参数化问题,解决了In操作与MapType无效的问题,以及In结合子查询时的别名问题。这些改进使得复杂查询的构建更加可靠。
表达式解析增强
优化了表达式树的解析能力,特别是修复了double到int的转换问题,以及dArray.Select(p => p.Key).Contains(a.Id)这类表达式的解析。同时改进了DateTime相减操作的处理,能够正确转换为数据库的datediff函数调用。
多表查询SQL格式化
对非join类型的多表查询的SQL输出格式进行了优化,使得生成的SQL更加清晰易读,便于调试和维护。
性能与稳定性提升
连接池优化
修复了AdoConnectionPool默认不生效的问题,确保连接池功能能够正常发挥作用,提升数据库连接的管理效率和应用程序的整体性能。
AOT兼容性改进
解决了DateOnly/TimeOnly类型在AOT(预先编译)环境下默认报错的问题,增强了框架在不同编译模式下的兼容性。
索引重建逻辑修正
在CodeFirst模式下修改表名时,现在能够正确处理索引的重建,避免了因表名变更导致的索引丢失问题。
使用建议
对于现有项目升级到3.5.105版本,开发者可以重点关注以下方面:
- 如果使用了复杂的多表查询,特别是涉及子查询和参数化的场景,建议测试相关查询以确保兼容性
- 对于大量数据处理场景,可以考虑使用新的ToChunkAsync API来提升应用响应能力
- 在使用聚合函数时,建议根据实际需求选择Aggregate系列方法或开窗函数,以使代码意图更加明确
- 对于DateTime操作较多的应用,可以验证日期计算相关的功能是否如预期工作
FreeSql 3.5.105版本通过这一系列的改进和修复,进一步巩固了其作为.NET生态中强大ORM解决方案的地位。无论是新功能的增加还是现有问题的修复,都体现了开发团队对框架质量和开发者体验的持续关注。
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