Marten项目中的异步投影补丁操作问题解析
2025-06-26 14:09:32作者:江焘钦
问题背景
在Marten这个.NET事件溯源和文档数据库库中,开发者发现了一个关于异步投影(Async Projection)中补丁(Patch)操作的潜在问题。当使用异步守护进程(Async Daemon)运行投影时,部分补丁操作可能会被意外丢弃,导致数据不一致。
问题重现
让我们通过一个典型场景来理解这个问题:
public class CounterProjection : EventProjection
{
public CounterProjection()
{
Project<CounterCreated>((e, ops) => {
ops.Store(new Counter(){Id = e.Id, Count = 0});
});
Project<CounterIncreased>((e, ops) => {
var patchexpression = ops.Patch<Counter>(x => x.Id == e.CounterId);
patchexpression.Increment(x => x.Count, e.Increase);
});
}
}
在这个例子中,我们期望当CounterIncreased事件发生时,对应的计数器文档会增加指定数值。然而在异步投影中,Increment操作有时会被忽略,导致计数器值不正确。
根本原因分析
问题的根源在于Marten处理补丁操作的方式:
- 当调用
ops.Patch()时,补丁操作就被立即加入队列 - SQL命令生成也在此时完成
- 后续的
Increment操作实际上被忽略了,因为命令已经生成
这种设计在同步操作中可能不会出现问题,但在异步环境下,由于操作的分批处理和并行执行特性,导致了操作丢失。
解决方案探讨
开发者提出了三种可能的解决方案:
方案A:延迟命令生成
修改补丁API,使得只有在补丁操作完整定义后(如调用Increment、Set等方法时)才生成SQL命令。这种方案:
- 改动最小,侵入性低
- 能解决大部分常见用例
- 但对于链式补丁操作仍可能有风险
方案B:显式完成API
引入一个新的Complete()方法,要求开发者显式标记补丁操作完成:
ops.Patch<Counter>(x => x.Id == e.CounterId)
.Increment(x => x.Count, e.Increase)
.Complete();
这种方案:
- 更明确,强制开发者思考操作完整性
- 是破坏性变更,需要版本升级策略
- 可以通过配置选项逐步迁移
方案C:引入工作单元
为每个投影事件应用操作引入完整的工作单元(Unit of Work)模式。这种方案:
- 架构改动最大
- 可能影响性能
- 需要全面测试
最佳实践建议
基于Marten团队的最终选择(采用方案A),开发者在使用异步投影补丁操作时应注意:
- 尽量将相关补丁操作放在同一个代码块中
- 避免在条件分支中拆分补丁操作
- 对于复杂补丁场景,考虑使用显式的文档加载-修改-保存模式
- 测试时特别验证异步投影下的数据一致性
总结
Marten作为一个成熟的事件溯源框架,在处理异步操作时需要考虑更多边界条件。这个补丁操作问题的解决体现了框架设计中的权衡:在保持API简洁性的同时,确保操作在异步环境下的可靠性。开发者在使用类似功能时,应当理解框架的内部工作机制,编写符合预期的代码。
随着Marten的持续演进,这类边界条件的处理会越来越完善,为复杂的事件溯源场景提供更可靠的保障。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler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。C098
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
探索未来显示技术:Adafruit_SH1106 图形库 推荐使用 taggingJS:一款轻量级的前端标签插件!【亲测免费】 探索像素级完美的结构化运动:PixSFM 推荐开源项目:DropPoint - 让拖放操作更简单【亲测免费】 推荐开源项目:picocom——小巧而强大的串口通信工具 推荐使用:NATS .NET 客户端【亲测免费】 推荐开源项目:MiracleCast - 智能无线显示实现 探索安全新维度:backdoor-apk 动态后门注入工具 探秘Viasfora:Visual Studio 2022的文本编辑增强利器 推荐使用:go-reuseport - 实现高效端口复用的Go语言库
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
477
3.56 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
287
320
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++
849
446
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
233
98
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
450
180
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.28 K
704