Marten V8 聚合投影签名优化解析
2025-06-26 03:18:16作者:裘旻烁
Marten 8.0版本正在紧锣密鼓地开发中,其中一个重要改进方向是对投影模型的全面重构。本文将深入分析当前聚合投影的实现方式,并详细解读V8版本中计划进行的优化方案。
当前投影模型分析
Marten目前提供了多种投影实现方式,各有其适用场景:
-
自定义投影:通过实现
IProjection接口或继承EventProjection基类,开发者可以完全掌控投影逻辑,但会失去框架内置的性能优化。 -
单流/多流投影:
- 使用
SingleStreamProjection或MultiStreamProjection作为基类 - 支持Lambda表达式声明或传统的
Apply/Create方法命名约定 - 当在聚合文档中添加
Apply或Create方法时,Marten会在后台构建SingleStreamProjection<T>对象
- 使用
-
自定义聚合投影:继承
CustomProjection基类编写完全显式的代码
现有模型存在几个关键问题:
- 约定方法方式仅适用于简单工作流,难以处理复杂场景(如文档软删除后又被恢复的情况)
CustomProjection虽然解决了约定方法的局限性,但与实时聚合、时间旅行等功能配合不佳- 缺乏统一的编程模型来处理各种复杂场景
V8版本改进方案
架构调整
- 移除约定方法的代码生成:简化底层实现,提高运行时效率
- 弃用
CustomProjection:提供更优雅的替代方案 - 增强单流/多流投影:引入更灵活的显式编码机制
新API设计
新版本将引入一组清晰的API签名,开发者可以选择最适合自己场景的方式:
// 基础演进方法(同步/异步)
public virtual TDoc? Evolve(TDoc? snapshot, TId identity, IEvent e)
public virtual ValueTask<TDoc?> EvolveAsync(TDoc? snapshot, TId identity, IEvent e, IQuerySession session, CancellationToken cancellation)
// 高级应用方法
public virtual async ValueTask<SnapshotAction<TDoc>> ApplyAsync(
TId identity,
TDoc? snapshot,
IReadOnlyList<IEvent> events,
IQuerySession session,
CancellationToken cancellation)
快照操作类型
新设计引入了一组明确的快照操作类型,使投影行为更加清晰:
public record SnapshotAction<T>(T Snapshot);
public record Store<T> : SnapshotAction<T>(T Snapshot);
public record Delete<TDoc, TId> : SnapshotAction<TDoc>(TDoc Snapshot, TId identity);
public record UnDeleteAndStore<T> : SnapshotAction<T>(T Snapshot);
public record Nothing<T> : SnapshotAction<T>(T Snapshot);
public record HardDelete<T> : SnapshotAction<T>(T Snapshot);
技术优势
- 更好的错误处理:能够精确定位导致投影失败的具体事件,支持异步运行时跳过"毒丸"事件
- 更清晰的编程模型:显式快照操作类型使投影行为一目了然
- 性能优化:移除代码生成环节,提高运行时效率
- 功能完整性:保持与实时聚合、时间旅行等功能的良好兼容性
迁移建议
对于现有用户,V8版本将提供:
- 详细的文档说明如何从
CustomProjection迁移到新模型 - 代码分析工具帮助识别需要修改的部分
- 保持向后兼容性,确保平稳升级
总结
Marten V8对聚合投影模型的改进旨在提供更灵活、更清晰的编程体验,同时保持框架的高性能特性。新设计通过引入显式的快照操作类型和统一的API签名,既满足了简单场景的易用性需求,又为复杂业务逻辑提供了足够的扩展能力。这些改进将使Marten在事件溯源和CQRS架构中的应用更加得心应手。
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
最新内容推荐
电脑PC网易云音乐免安装皮肤插件使用指南:个性化音乐播放体验 开源电子设计自动化利器:KiCad EDA全方位使用指南 Jetson TX2开发板官方资源完全指南:从入门到精通 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 基恩士LJ-X8000A开发版SDK样本程序全面指南 - 工业激光轮廓仪开发利器 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Python案例资源下载 - 从入门到精通的完整项目代码合集 2022美赛A题优秀论文深度解析:自行车功率分配建模的成功方法 TJSONObject完整解析教程:Delphi开发者必备的JSON处理指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
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
暂无简介
Dart
672
157
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++
662
313
React Native鸿蒙化仓库
JavaScript
262
323
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
135
867
仓颉编程语言测试用例。
Cangjie
37
860
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218