Marten项目中的数字版本乐观并发控制策略实现
Marten作为一个.NET平台上的文档数据库和事件存储库,近期在其7.x版本中实现了一项重要功能:基于数字版本的乐观并发控制策略。这项功能为开发者提供了更灵活的并发控制选项,特别是在事件溯源和异步投影场景中具有重要价值。
背景与动机
乐观并发控制是处理多用户同时修改同一数据项的常用策略。Marten原本使用Guid作为版本标识符(类似ETag机制),这种实现简单直接,但在某些特定场景下存在局限性。例如,在事件溯源系统中,流版本号本身就是递增的数字序列,使用数字版本控制能更自然地映射业务模型。
技术实现细节
Marten通过以下核心组件实现了数字版本控制:
-
版本元数据跟踪:新增了
DocumentMetadata.CurrentRevision属性,用于存储当前文档的数字版本号。 -
版本列配置:虽然内部称为"RevisionColumn",但实际数据库列名保持为"version"以确保向后兼容。开发者可以通过
DocumentMapping.UseNumericRevisions方法显式启用数字版本控制。 -
并发验证机制:更新操作会携带预期的新版本号。系统会验证该版本号是否大于数据库中的当前版本,否则拒绝变更。
-
存储操作增强:新增了
IDocumentOperations.Store<T>(T entity, int revision)等重载方法,支持显式指定版本号。 -
接口支持:提供了
IRevisioned接口和[Revisioned]属性,作为数字版本控制的编程抽象。
使用场景与最佳实践
数字版本控制特别适合以下场景:
-
事件溯源系统:事件流的版本号天然就是递增数字,使用数字版本可以简化实现。
-
高并发环境:当业务逻辑本身需要维护数字版本概念时,直接使用数字版本比转换Guid更高效。
-
批量操作:需要精确控制版本号递增步长的场景。
使用时需要注意:
- 不能同时启用乐观并发和数字版本控制
- 版本号必须严格递增
- 插入新文档时版本号默认为1
内部工作机制
Marten通过以下流程实现数字版本控制:
- 存储阶段:检查传入的版本号是否有效(大于当前版本)
- 冲突检测:在提交变更前验证版本条件
- 版本追踪:通过
VersionTracker维护版本字典 - 自动递增:当不显式指定版本号时自动递增当前版本
总结
Marten的数字版本乐观并发控制策略为开发者提供了更丰富的并发控制选项,特别是在事件溯源和需要精确版本管理的场景下表现出色。这项功能的引入使得Marten在保持原有简单性的同时,增强了其在复杂业务场景下的适用性。
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