EntityFramework Core 10.0 Preview 2 新特性解析
EntityFramework Core 是微软推出的轻量级、可扩展的开源ORM框架,它简化了.NET开发者与数据库的交互过程。最新发布的10.0 Preview 2版本带来了一系列值得关注的改进和新特性。
核心改进
1. 关系发现优化
框架现在能够智能地停止发现关系,当目标实体类型变为共享类型时。这一改进避免了不必要的性能开销,特别是在处理复杂模型时。对于开发者而言,这意味着更高效的模型构建过程和更少的内存消耗。
2. Cosmos DB增强
针对Cosmos DB的特殊需求,EF Core 10.0 Preview 2做了两项重要改进:
- 当键不能使用时,自动创建id的阴影属性。这一特性解决了Cosmos DB中id字段的特殊要求问题,使开发者无需手动处理这一特殊情况。
- 修复了Cosmos SqlExpressionFactory中的表达式处理问题,使其与SQL Server实现保持同步,确保查询行为的一致性。
3. 右连接支持
新增了对右连接(Right Join)的完整支持,完善了EF Core的查询能力。这一特性使得开发者能够更灵活地构建复杂查询,特别是在需要保留右表所有记录的场景下。
性能与稳定性提升
1. 延迟加载线程安全
修复了延迟加载在多线程环境下的线程安全问题。这一改进确保了在多线程场景下使用延迟加载时的数据一致性,消除了潜在的竞态条件。
2. 原生AOT兼容性
针对.NET 8引入的原生AOT(提前编译)特性,EF Core 10.0 Preview 2做了多项改进:
- 解决了比较器相关的警告
- 优化了反射使用方式
- 减少了动态代码生成
这些改进为将来EF Core在原生AOT环境中的使用奠定了基础。
3. 快照模型处理器改进
使SnapshotModelProcessor变为幂等操作,这意味着多次处理同一模型不会产生副作用。这一改进提高了工具链的可靠性,特别是在代码生成和迁移场景中。
查询功能增强
1. JSON查询改进
增强了处理非标准或格式错误的JSON数据的能力。新增的测试用例覆盖了各种边界情况,确保EF Core能够稳健地处理现实世界中的复杂JSON数据。
2. GroupJoin修复
修复了GroupJoin操作在某些情况下返回null的问题,确保了查询结果的正确性。这一修复特别影响了EF Core 9中的相关行为。
架构与设计改进
1. 作用域选项优化
将DatabaseRoot与作用域选项实例而非单例选项关联。这一架构上的改进更好地隔离了不同作用域中的数据库配置,提高了多租户等场景下的可靠性。
2. 编译模型增强
为编译模型添加了对原始集合的支持,进一步扩展了EF Core的编译模型能力,为性能敏感场景提供了更多可能性。
总结
EntityFramework Core 10.0 Preview 2在数据库提供程序支持、查询能力、性能优化和架构设计等方面都做出了显著改进。这些变化不仅解决了现有版本中的一些问题,还为框架的未来发展奠定了基础。特别是对Cosmos DB和原生AOT的支持改进,显示了EF Core团队对现代应用开发需求的积极响应。
对于正在评估或使用EF Core的开发者来说,这个预览版值得关注,尤其是那些需要处理复杂数据模型或高性能场景的团队。随着正式版的临近,我们可以期待看到更多稳定性和性能方面的优化。
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