Blog.Core项目中.NET 8缓存Key获取问题的分析与解决
问题背景
在Blog.Core项目中,当升级到.NET 8框架后,开发人员发现使用SqlSugar的二级缓存功能时出现了一个特殊现象:虽然缓存确实生效(相同的SQL查询只执行了一次),但通过GetAllCacheKeys
方法却无法获取到缓存Key。这个问题仅出现在内存缓存模式下,Redis分布式缓存则表现正常。
问题现象分析
开发人员通过以下测试确认了问题的存在:
- 首先确认SqlSugar二级缓存确实生效,相同SQL多次调用只执行一次
- 使用内存缓存时,
GetAllCacheKeys
返回的Key数量为0 - 但通过具体Key却能获取到缓存值(如"123123")
- Redis缓存模式下一切正常
根本原因
经过深入排查,发现问题根源在于内存缓存的注册方式。在.NET中,标准的IMemoryCache
实现(MemoryCache
)本身并不支持获取所有缓存Key的功能。Blog.Core项目为了实现这一功能,自定义了MemoryCacheManager
类来扩展标准内存缓存。
当系统中存在以下情况时,就会出现获取不到Key的问题:
- 项目中其他地方(可能是第三方库)注册了标准的
IMemoryCache
- 自定义的
MemoryCacheManager
没有被正确注册为IMemoryCache
的默认实现 - 导致
GetAllCacheKeys
方法实际上获取的是标准MemoryCache
实例,而非自定义的MemoryCacheManager
解决方案
解决这个问题需要确保以下几点:
-
检查重复注册:全局搜索项目中所有
IMemoryCache
的注册点,确保没有其他地方注册了标准实现 -
正确覆盖注册:在服务注册时,确保自定义缓存管理器被正确注册:
services.AddSingleton<IMemoryCache>(provider => provider.GetService<MemoryCacheManager>());
-
处理第三方库冲突:如果问题是由第三方库的注册引起的,可以在第三方库注册后显式覆盖注册:
// 第三方库注册后 services.AddSingleton<IMemoryCache>(provider => provider.GetService<MemoryCacheManager>());
最佳实践建议
-
缓存实现选择:对于需要获取所有Key的场景,建议优先考虑Redis等分布式缓存方案
-
注册顺序检查:在涉及缓存的服务注册时,注意检查注册顺序和覆盖关系
-
增加校验机制:可以在代码中添加类型校验,当检测到注入的不是自定义缓存管理器时发出警告
-
文档记录:在项目文档中明确记录缓存的使用方式和注意事项,特别是关于注册顺序的要求
总结
这个问题典型地展示了依赖注入中实现覆盖的重要性。在.NET生态中,当多个库都可能注册相同服务时,后注册的实现会覆盖先前的注册。通过理解这一机制,并确保自定义缓存管理器的正确注册,就能解决这类看似诡异的问题。同时,这也提醒我们在引入第三方库时需要关注其服务注册行为,避免潜在的冲突。
GLM-4.6
GLM-4.6在GLM-4.5基础上全面升级:200K超长上下文窗口支持复杂任务,代码性能大幅提升,前端页面生成更优。推理能力增强且支持工具调用,智能体表现更出色,写作风格更贴合人类偏好。八项公开基准测试显示其全面超越GLM-4.5,比肩DeepSeek-V3.1-Terminus等国内外领先模型。【此简介由AI生成】Jinja00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
openPangu-Ultra-MoE-718B-V1.1
昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++0117AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile011
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选









