Audit.NET 中如何为审计工作流添加自定义用户信息
2025-07-01 07:50:33作者:余洋婵Anita
在开发基于 Audit.NET 的应用程序时,我们经常需要将当前用户信息记录到审计日志中。本文将详细介绍如何在 Entity Framework 审计工作流中添加自定义用户字段,并确保这些信息被正确记录到审计表中。
核心解决方案
Audit.NET 提供了 AddAuditCustomField() 方法,允许开发者在 Entity Framework 的 DbContext 中添加自定义字段。这些字段会被自动包含在审计事件中,并可根据配置存储到审计表中。
using(var context = new MyEntitites())
{
context.AddAuditCustomField("UserName", userName);
context.SaveChanges();
}
实现原理
- 审计事件扩展:调用
AddAuditCustomField()会将自定义字段添加到AuditEventEntityFramework对象中 - 数据存储:自定义字段的最终存储方式取决于配置的数据提供程序(Data Provider)
- 字段访问:在审计实体操作中可以通过事件对象的
CustomFields字典访问这些值
完整配置示例
对于使用 Entity Framework 数据提供程序的情况,可以在全局配置中设置审计实体操作来访问这些自定义字段:
Audit.Core.Configuration.Setup()
.UseEntityFramework(x => x
.UseDbContext<YourDbContext>()
.AuditTypeMapper(t => typeof(YourAuditEntity))
.AuditEntityAction((ev, ent, obj) =>
{
var userName = ev.CustomFields["UserName"]?.ToString();
// 将用户名设置到审计实体中
((YourAuditEntity)obj).UserName = userName;
});
实际应用场景
这种方法特别适用于以下场景:
- Blazor 应用程序:在无法通过 Startup.cs/Program.cs 获取用户信息的架构中
- 多租户系统:需要记录操作所属租户信息
- 细粒度审计:需要区分不同用户或角色的操作记录
注意事项
- 确保在调用
SaveChanges()之前添加自定义字段 - 自定义字段名称应保持一致,避免拼写错误
- 考虑字段值为空的情况,做好空值处理
- 对于频繁使用的字段,可以创建扩展方法简化调用
通过这种方式,开发者可以灵活地将各种上下文信息纳入审计日志,满足复杂的审计需求。
登录后查看全文
热门项目推荐
相关项目推荐
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
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
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
项目优选
收起
deepin linux kernel
C
24
8
暂无简介
Dart
643
149
Ascend Extension for PyTorch
Python
203
219
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++
654
282
React Native鸿蒙化仓库
JavaScript
248
317
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
🎉 (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
1.13 K
631
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
77
100
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
仓颉编程语言运行时与标准库。
Cangjie
134
873