EFCorePowerTools 在 EF Core 9 中存储过程映射问题解析
问题背景
在使用 EFCorePowerTools 进行数据库逆向工程时,用户发现从 EF Core 8 升级到 EF Core 9 后,工具不再自动生成 OnModelCreatingGeneratedProcedures 方法。该方法原本会为每个存储过程结果类型添加 HasNoKey().ToView(null) 配置,这对于无主键的存储过程结果集映射至关重要。
技术现象
升级后,应用程序在运行时抛出异常:
System.InvalidOperationException: The entity type 'AppUserRoleSelectByAppUserIdResult' requires a primary key to be defined. If you intended to use a keyless entity type, call 'HasNoKey' in 'OnModelCreating'.
问题分析
-
EF Core 版本兼容性:EF Core 9 对存储过程映射机制有所调整,理论上从 EF Core 8 开始,这些配置应该不再需要。
-
工具生成差异:新版本的 EFCorePowerTools 移除了自动生成
OnModelCreatingGeneratedProcedures的逻辑,但某些项目环境可能仍需这些配置。 -
DbContext 扩展方法:正确的存储过程调用应使用
SqlQueryRaw而非FromSql,这是 EF Core 8+ 推荐的方式。
解决方案
临时解决方案
对于遇到此问题的用户,可以手动添加配置:
partial void OnModelCreatingPartial(ModelBuilder modelBuilder)
{
modelBuilder.Entity<GetWorkOrderImagesByWorkOrderIdResult>().HasNoKey().ToView(null);
// 其他存储过程结果类型的类似配置
}
推荐解决方案
-
检查 DbContextExtensions.cs:确保使用最新版本的扩展方法,特别是确认使用
SqlQueryRaw而非FromSql。 -
验证 EF Core 版本:目前推荐使用 EF Core 8.0.11 而非 EF Core 9,等待更稳定的版本发布。
-
完整项目检查:如果问题持续存在,建议创建一个全新的测试项目进行验证,排除旧项目配置残留的影响。
技术建议
-
存储过程结果处理:在 EF Core 8+ 中,存储过程结果集应明确标记为无键实体,除非结果包含明确的键列。
-
版本升级策略:从 EF Core 8 升级到 9 时,建议:
- 全面测试存储过程相关功能
- 检查所有自定义的 DbContext 配置
- 考虑逐步迁移而非一次性升级
-
异常处理:对于存储过程调用,添加适当的异常处理逻辑,特别是处理结果集结构变化的情况。
总结
虽然 EF Core 9 理论上简化了存储过程映射的配置,但在实际项目中可能仍需显式配置。开发者应根据项目实际情况选择最适合的解决方案,并在升级过程中进行充分测试。对于生产环境,目前建议暂缓升级到 EF Core 9,等待更稳定的版本发布和更完善的工具支持。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-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).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00