Finbuckle.MultiTenant 9.2.0版本发布:多租户框架的增强与优化
项目简介
Finbuckle.MultiTenant是一个功能强大的.NET多租户框架,它帮助开发者在应用程序中实现多租户架构。多租户架构允许单个应用程序实例为多个租户提供服务,同时保持租户间的数据隔离。该框架提供了租户解析、数据隔离、配置隔离等核心功能,支持多种租户存储方式和解析策略。
版本9.2.0主要更新内容
1. 新增StoreResolveCompletedContext的Context属性
在9.2.0版本中,框架为StoreResolveCompletedContext添加了Context属性。这一改进使得开发者能够在租户解析完成后,访问原始的HttpContext对象。这一功能特别适用于需要基于HTTP请求上下文进行额外处理的场景。
例如,开发者现在可以:
- 访问请求头、查询字符串等原始HTTP信息
- 在租户解析完成后记录详细的请求日志
- 基于请求上下文实现更复杂的租户解析逻辑
2. IMultiTenantStore.GetAllAsync方法新增分页支持
为了提升大规模租户环境下的性能,9.2.0版本为IMultiTenantStore接口的GetAllAsync方法添加了分页支持的重载。这一改进允许开发者按需获取租户列表,而不是一次性加载所有租户信息。
新重载方法支持:
- 指定每页返回的租户数量
- 跳过指定数量的租户记录
- 更高效地处理包含大量租户的系统
3. 新增多租户DbContext工厂实现
此版本引入了更多多租户DbContext工厂实现,为不同使用场景提供了更灵活的选择。这些工厂类简化了在多租户环境中创建和管理DbContext实例的过程。
新工厂类支持:
- 不同的生命周期管理策略
- 更灵活的配置选项
- 与依赖注入系统的深度集成
4. 修复UserLogin主键中的TenantId问题
在之前的版本中,TenantId被错误地包含在UserLogin实体的主键中。9.2.0版本修复了这一问题,确保了身份验证系统的正确行为。这一变更:
- 修复了潜在的身份验证问题
- 使数据模型更加合理
- 保持了与其他身份验证组件的兼容性
技术影响与最佳实践
性能优化建议
对于拥有大量租户的系统,建议使用新的分页API来替代一次性加载所有租户的做法。这可以显著减少内存使用和提高响应速度。
迁移指南
从旧版本迁移时,需要注意UserLogin实体主键的变更。如果项目中有自定义的身份验证逻辑,可能需要相应调整。
设计考量
新增的DbContext工厂提供了更多设计选择,开发者应根据具体场景选择最适合的工厂实现:
- 对于短期操作,可以使用瞬态生命周期
- 对于请求范围内的操作,可以使用作用域生命周期
- 对于性能敏感场景,可以考虑使用池化技术
总结
Finbuckle.MultiTenant 9.2.0版本通过新增功能和修复问题,进一步提升了框架的实用性和稳定性。这些改进使得开发者能够更高效地构建和维护多租户应用程序,特别是在大规模部署场景下。建议现有用户评估这些新功能,并根据项目需求进行升级。
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