Audit.NET 中 MongoDB 数据提供程序的 JSON 序列化问题解析
在使用 Audit.NET 进行审计日志记录时,开发者可能会遇到 MongoDB 数据提供程序中自定义字段的序列化问题。本文将深入分析该问题的成因,并提供多种解决方案。
问题现象
当开发者使用 MongoDB 数据提供程序并配置 Newtonsoft.Json 序列化器时,通过 SetCustomField 方法添加的自定义字段会被嵌套在 "customFields" 对象中,而不是直接出现在文档的根级别。这与预期行为不符,特别是在需要保持数据结构扁平化的场景下。
问题根源
这个问题源于 MongoDB 数据提供程序的序列化机制与 Newtonsoft.Json 的交互方式。当使用 Newtonsoft.Json 作为 JSON 适配器时,如果配置了 CamelCasePropertyNamesContractResolver 作为合约解析器,会覆盖 Audit.NET 内部使用的 AuditContractResolver,导致扩展数据属性无法正确序列化到根级别。
解决方案
方案一:启用 BSON 原生序列化
最简单的解决方案是启用 MongoDB 驱动程序的 BSON 原生序列化功能:
Audit.Core.Configuration.Setup()
.JsonNewtonsoftAdapter(jsonSerializerSettings)
.UseMongoDB(mongo => mongo
.ConnectionString("mongodb://localhost:27017")
.Database("DbName")
.Collection("ColName")
.SerializeAsBson());
启用此选项后,审计事件将直接序列化为 BSON 文档,绕过 JSON 中间格式,从而保持字段结构的扁平化。
方案二:配置 MongoDB 命名约定
如果需要保持 camelCase 命名风格,可以配置 MongoDB 的命名约定:
using MongoDB.Bson.Serialization.Conventions;
var conventionPack = new ConventionPack { new CamelCaseElementNameConvention() };
ConventionRegistry.Register("CamelCase", conventionPack, type => true);
这种方法允许在保持 BSON 序列化的同时,实现字段名的自动转换。
方案三:自定义 AuditContractResolver
对于必须使用 Newtonsoft.Json 的场景,可以自定义 AuditContractResolver 来实现 camelCase 命名:
var jsonSerializerSettings = new JsonSerializerSettings
{
Formatting = Formatting.Indented,
ContractResolver = new AuditContractResolver {
NamingStrategy = new CamelCaseNamingStrategy()
},
Converters = new List<JsonConverter> { new JavaScriptDateTimeConverter() }
};
这种方法既保持了字段的扁平化结构,又实现了命名的规范化。
技术原理
Audit.NET 在处理自定义字段时,依赖于 JsonExtensionDataAttribute 来将动态属性序列化到根级别。当使用自定义的合约解析器时,这一机制可能会被破坏。而 BSON 序列化则直接操作对象图,避免了 JSON 序列化过程中的这一限制。
最佳实践建议
- 对于 MongoDB 存储,优先考虑使用 BSON 原生序列化
- 如果需要特定的命名风格,使用 MongoDB 的命名约定系统
- 仅在必要时使用 Newtonsoft.Json 适配器,并注意合约解析器的配置
- 考虑迁移到 System.Text.Json 作为默认序列化器,以获得更好的性能和兼容性
通过理解这些机制和解决方案,开发者可以更灵活地配置 Audit.NET 以满足各种审计日志需求。
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 StartedRust093- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00