EF Core 并发控制:深入理解并发令牌处理机制
2025-05-15 18:48:21作者:农烁颖Land
并发控制的基本原理
在Entity Framework Core中,并发控制是防止多个用户同时修改同一数据时产生冲突的重要机制。EF Core通过并发令牌(ConcurrencyStamp)实现乐观并发控制,这种机制允许系统检测并发冲突并在保存时抛出异常。
典型并发场景分析
考虑一个典型的产品管理系统场景:
- 用户A获取产品信息,包含并发令牌值"0x8890"
- 用户B同时获取相同产品并修改名称,导致数据库中的并发令牌更新为"0x8891"
- 用户A尝试提交修改时,系统应检测到并发冲突
两种实现方式的比较
直接附加实体方式
第一种实现方式直接将DTO映射为实体并附加到DbContext:
var entityToUpdate = new Product {
Id = dto.Id,
ConcurrencyStamp = dto.ConcurrencyStamp
// 其他属性...
};
DbContext.Update(entityToUpdate);
这种方式会产生以下SQL:
UPDATE Products SET Name='New'
WHERE Id=27 AND ConcurrencyStamp=0x8890
优点:能正确检测并发冲突 缺点:
- 会更新所有属性,即使未修改
- 无法区分哪些属性真正被修改
- 可能导致数据丢失(未包含在DTO中的属性会被覆盖)
先查询再修改方式
第二种实现方式先查询实体再修改属性:
var entityToUpdate = await DbContext.Products.FindAsync(dto.Id);
entityToUpdate.Name = dto.Name;
entityToUpdate.ConcurrencyStamp = dto.ConcurrencyStamp;
这种方式会产生以下SQL:
UPDATE Products SET Name='New'
WHERE Id=27 AND ConcurrencyStamp=0x8891
优点:
- 只更新真正修改的属性
- 保留未包含在DTO中的属性值
- 可以准确检测属性修改状态
缺点:无法正确检测并发冲突(使用了查询时的令牌值而非原始值)
解决方案与最佳实践
针对第二种方式的并发问题,可以采用以下解决方案:
手动设置原始值
DbContext.Entry(entityToUpdate)
.OriginalValues
.SetValues(new { ConcurrencyStamp = dto.ConcurrencyStamp });
这种方法明确告诉EF Core使用客户端提供的原始令牌值进行并发检查。
重写SaveChanges方法
更系统化的解决方案是重写SaveChanges方法,自动处理所有并发令牌:
public override async Task<int> SaveChangesAsync(CancellationToken ct)
{
ChangeTracker.DetectChanges();
foreach (var entry in ChangeTracker.Entries()
.Where(e => e.State == EntityState.Modified))
{
if (entry.CurrentValues.TryGetValue<byte[]>("ConcurrencyStamp", out var stamp))
{
entry.OriginalValues["ConcurrencyStamp"] = stamp;
}
}
return await base.SaveChangesAsync(ct);
}
设计思考与建议
-
并发令牌处理策略:EF Core默认使用原始值进行并发检查,这是为了支持应用管理的并发令牌场景
-
性能考量:在检测到并发令牌不匹配时,可以直接抛出异常而无需执行数据库操作
-
混合模式考虑:对于某些场景,可能需要同时考虑原始值和当前值进行更复杂的冲突检测
-
DTO设计建议:确保DTO包含所有必要字段,避免数据丢失问题
总结
EF Core的并发控制机制提供了灵活的方式来处理数据冲突。理解并发令牌的工作原理和不同实现方式的优缺点,可以帮助开发者根据具体业务场景选择最合适的实现方式。对于断开连接的实体更新场景,手动设置原始并发令牌值或重写SaveChanges方法都是有效的解决方案。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0458
源启盛夏_AtomGit暑期开发者成长计划「源启盛夏」暑期校园开发者成长计划旨在激活校园开源力量,通过积分激励、认证扶持、资源倾斜等形式,引导高校组织和开发者完成「入驻 — 建项目 — 做贡献 — 获认证 — 得资源」的完整闭环。无论你是想带领社团入驻平台的组织者,还是希望用代码贡献证明自己的开发者,都能在这里找到属于你的成长路径。Markdown01
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0787
VTJ.PRO以AI驱动的Vue3前端低代码开发工具。内置低代码引擎、渲染器和代码生成器,支持Vue源码与低代码DSL双向转换,面向前端开发者,开箱即用。 无缝嵌入本地开发工程,不改变前端开发流程和编码习惯。TypeScript05
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0316
OpenDeepWikiOpenDeepWiki 是 DeepWiki 项目的开源版本,旨在提供一个强大的知识管理和协作平台。该项目主要使用 C# 和 TypeScript 开发,支持模块化设计,易于扩展和定制。C#01
项目优选
收起
暂无描述
Markdown
832
5.52 K
openEuler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。
C
497
522
作为 Ascend for PyTorch 社区的核心组件,TorchNPU 是昇腾专为 PyTorch 打造的深度学习适配插件,使 PyTorch 框架能够直接调用昇腾 NPU,为开发者提供昇腾 AI 处理器的超强算力。
Python
808
1.17 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
802
1.6 K
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++
982
2.32 K
deepin linux kernel
C
33
16
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
3.05 K
786
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
486
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.21 K
1.27 K
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
668
316