ASP.NET Core 中 Minimal API 实现 SSE 的技术实践
在 ASP.NET Core 开发中,Server-Sent Events (SSE) 是一种实现服务器向客户端推送数据的轻量级技术。本文将深入探讨如何在 ASP.NET Core 的 Minimal API 中正确实现 SSE 功能,并解决开发过程中可能遇到的内容类型设置问题。
技术背景
SSE 是一种基于 HTTP 的服务器推送技术,它允许服务器单向地向客户端发送事件流。与 WebSocket 不同,SSE 仅支持服务器到客户端的单向通信,但实现更简单,适用于需要服务器推送但不需要双向通信的场景。
在 ASP.NET Core 中,传统控制器方式实现 SSE 相对直接,通过设置 Response.Headers.ContentType = "text/event-stream" 即可。但在 Minimal API 中,这一过程会遇到一些特殊挑战。
问题现象
当开发者尝试在 Minimal API 中返回 IAsyncEnumerable<T> 来实现 SSE 时,会遇到内容类型被强制设置为 application/json; utf-8 的问题。这是因为 Minimal API 的底层机制会自动处理响应序列化,覆盖了手动设置的内容类型。
解决方案
经过技术验证,正确的实现方式应使用 Results.Json 方法,并显式指定内容类型参数:
endpointRouteBuilder.MapGet("api/v1/jobs/{jobId}/status/stream", (Guid jobId, CancellationToken cancellationToken) =>
{
var sseStream = GetStatusStream(cancellationToken);
return Results.Json(sseStream, contentType: "text/event-stream");
});
这种方法既保持了 Minimal API 的简洁性,又正确设置了 SSE 所需的内容类型。
实现细节
完整的 SSE 实现示例:
private async IAsyncEnumerable<JobStatus> GetStatusStream([EnumeratorCancellation] CancellationToken cancellationToken)
{
for (int i = 0; i < 10; i++)
{
await Task.Delay(500, cancellationToken);
yield return new JobStatus(10, i + 1);
}
}
public record JobStatus(int TotalTasksCount, int CompletedTasksCount);
技术对比
与传统控制器方式相比,Minimal API 的 SSE 实现有以下特点:
- 代码更加简洁,路由和处理逻辑集中在一处
- 需要显式使用
Results.Json方法来设置内容类型 - 保持了 Minimal API 的轻量级特性
- 仍然支持异步流式传输
最佳实践
在实际开发中,建议:
- 为 SSE 端点添加明确的路由前缀,如
/sse/ - 考虑添加 CORS 策略以支持跨域访问
- 实现适当的心跳机制保持连接活跃
- 添加错误处理和连接状态监控
总结
ASP.NET Core 的 Minimal API 提供了实现 SSE 的高效方式,虽然与控制器方式略有不同,但通过正确使用 Results.Json 方法可以完美解决内容类型设置问题。这种实现方式既保持了代码的简洁性,又确保了功能的完整性,是轻量级服务器推送场景的理想选择。
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