EFCorePowerTools 中处理 SQL Server 计算列的最佳实践
在数据库设计中,计算列(Computed Column)是一个非常有用的特性,它允许我们基于其他列的值自动计算结果。本文将介绍如何在使用 EFCorePowerTools 工具时,正确处理 SQL Server 中的计算列,使其在 C# 代码中表现为只读属性。
计算列的类型与特点
SQL Server 中的计算列主要分为两种类型:
-
持久化计算列(PERSISTED):这类列的值会实际存储在数据库中,当依赖的列值发生变化时,计算列的值会自动更新并保存。
-
非持久化计算列:这类列的值不会存储在数据库中,而是在每次查询时动态计算得出。
计算列通常用于以下场景:
- 组合多个列的值(如全名=姓+名)
- 基于日期计算年龄
- 复杂的业务逻辑计算
在 C# 中实现计算列只读
在使用 EFCorePowerTools 生成实体类时,我们希望计算列在 C# 中表现为只读属性,防止应用程序意外修改这些自动计算的值。以下是实现这一目标的步骤:
-
识别计算列:通过检查
GetComputedColumnSql()方法可以确定一个属性是否对应数据库中的计算列。 -
修改 T4 模板:在 EntityType.t4 模板中添加条件判断,为计算列生成只读属性。
具体实现方案
在 EFCorePowerTools 的 T4 模板中,可以添加如下代码段来处理计算列:
var computedColumnSql = property.GetComputedColumnSql();
if (!string.IsNullOrEmpty(computedColumnSql))
{
// 生成只读属性
#>
public <#= code.Reference(property.ClrType) #><#= needsNullable ? "?" : "" #> <#= property.Name #> { get; }<#= needsInitializer ? " = null!;" : "" #>
<#
}
else
{
// 生成普通可读写属性
#>
public <#= code.Reference(property.ClrType) #><#= needsNullable ? "?" : "" #> <#= property.Name #> { get; set; }<#= needsInitializer ? " = null!;" : "" #>
<#
}
注意事项
-
错误处理:在修改 T4 模板时,确保语法正确,避免出现空引用异常。
-
版本兼容性:此方案适用于较新版本的 EFCorePowerTools 和 Entity Framework Core。
-
性能考虑:对于频繁访问的计算列,考虑使用持久化计算列以提高查询性能。
总结
通过合理配置 EFCorePowerTools 的 T4 模板,我们可以自动将数据库中的计算列映射为 C# 中的只读属性,既保持了数据的一致性,又提供了良好的开发体验。这种方法特别适合那些需要确保数据计算逻辑集中管理、避免业务层意外修改的场景。
对于已有项目,如果计算列数量不多,也可以选择手动修改生成的实体类,但对于大型项目或频繁变更的数据库结构,使用 T4 模板自动化处理无疑是更高效的选择。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00