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。
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-1.5暂无简介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
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
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