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。
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。C037
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TSX0115
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