FreeSql项目中的多租户表结构缓存解决方案
2025-06-15 07:04:17作者:余洋婵Anita
背景介绍
在FreeSql这个.NET Core ORM框架的实际应用中,开发者经常会遇到多租户场景下的表结构缓存管理问题。特别是在使用PostgreSQL数据库时,不同租户可能位于不同的searchpath下,这给表结构缓存带来了特殊挑战。
问题分析
在FreeSqlCloud这样的多租户解决方案中,当多个租户共享同一类型的PostgreSQL数据库但位于不同searchpath时,传统的表结构缓存机制会遇到以下问题:
- FreeSql.Internal.Utils.ChacheTableEntityFactory是一个全局静态字段
- 缓存机制会返回最后一次注册的映射函数
- 无法根据当前使用的数据库实例动态返回对应的缓存
解决方案演进
最初开发者尝试通过反射获取私有字段_dbkey来区分不同租户实例,并自定义缓存工厂:
new FreeSqlBuilder().UseCustomTableEntityCacheFactory(() => {
Tkey _dbkey = (Tkey)AccessHelper.ReadPrivateField(fsq, "_dbkey");
var cache = FsqExtensionsCache<Tkey>.EntityConfigCache.GetOrAdd(_dbkey, (key) => new());
return cache;
});
但这种方法存在侵入性强、维护成本高的问题。经过深入分析,发现更优的解决方案是直接利用FreeSql提供的连接工厂机制:
new FreeSqlBuilder().UseConnectionFactory(
DataType.CustomPostgreSQL,
() => new Npgsql.NpgsqlConnection(tenant_connectionString),
typeof(FreeSql.PostgreSQL.PostgreSQLProvider<>)
);
技术实现原理
这种改进方案的核心优势在于:
- 完全支持PostgreSQL的searchpath特性
- 无需处理复杂的表结构缓存逻辑
- 每个租户连接都是独立的,自然隔离
- 减少了反射等侵入性操作,提高系统稳定性
最佳实践建议
对于PostgreSQL多租户应用,推荐采用以下架构:
- 为每个租户配置独立的连接字符串,包含特定的searchpath
- 使用UseConnectionFactory方法初始化FreeSql实例
- 避免直接操作底层缓存机制
- 利用PostgreSQL原生的schema隔离特性
总结
FreeSql框架通过灵活的连接工厂机制,为PostgreSQL多租户应用提供了优雅的解决方案。开发者无需关心底层缓存细节,只需正确配置连接信息即可实现租户隔离。这种设计既保持了框架的简洁性,又满足了复杂业务场景的需求,体现了FreeSql作为现代化ORM框架的设计智慧。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.17 K
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++
685
324
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
678
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (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
1.21 K
660
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
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
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
343
146