EntityFramework Core 9 中 CosmosDB 对自定义值类型处理的变更解析
背景介绍
在 EntityFramework Core 与 CosmosDB 集成的使用场景中,开发者经常会遇到需要存储自定义值类型的情况。在 .NET 8 及之前的版本中,EF Core 对 CosmosDB 的支持相对宽松,允许直接存储和检索各种自定义结构体类型(如 Ulid 和自定义的 DateTimeRange 结构体)。然而,升级到 .NET 9 后,这种行为发生了变化,导致许多现有代码无法正常工作。
问题现象
在 .NET 8 环境下,以下场景可以正常工作:
- 实体中使用 Ulid 类型作为 ID(非 Guid 类型)
- 实体中包含自定义的 DateTimeRange 结构体类型属性(包括可为 null 的版本)
这些类型能够自动被序列化和反序列化到 CosmosDB 中,无需额外配置。但在升级到 .NET 9 后,EF Core 会抛出类型映射错误,提示这些类型不是已知的原始类型。
技术原因
这一变化源于 EF Core 9 对 CosmosDB 类型映射器的调整。在之前的版本中,CosmosDB 类型映射器允许所有值类型通过,而 .NET 9 中则改为仅映射已知兼容的类型。这一变更是为了与其他类型映射器保持一致,但同时也限制了某些在 CosmosDB 中本可以正常工作的场景。
解决方案
1. 使用复杂类型映射
对于非可为 null 的自定义结构体,可以通过显式配置为复杂类型来解决:
modelBuilder.Entity<Enquiry>().ComplexProperty(o => o.DateRange);
2. 自定义类型映射源
更通用的解决方案是替换默认的 CosmosDB 类型映射源,创建一个允许所有值类型的自定义映射器:
protected override void OnConfiguring(DbContextOptionsBuilder optionsBuilder)
{
optionsBuilder.ReplaceService<ITypeMappingSource, ReplacementCosmosTypeMappingSource>();
}
public class ReplacementCosmosTypeMappingSource(TypeMappingSourceDependencies dependencies)
: CosmosTypeMappingSource(dependencies)
{
protected override CoreTypeMapping? FindMapping(in TypeMappingInfo mappingInfo)
{
var mapping = base.FindMapping(mappingInfo);
if (mapping is null
&& mappingInfo.ClrType?.IsValueType == true)
{
return new CosmosTypeMapping(mappingInfo.ClrType);
}
return mapping;
}
}
3. 使用值转换器
对于简单类型(如 Ulid),可以使用值转换器:
modelBuilder.Entity<MyEntity>()
.Property(e => e.UlidProperty)
.HasConversion(
v => v.ToString(),
v => Ulid.Parse(v));
但需要注意,这种方法会将整个结构体序列化为字符串,可能不适合需要保持 JSON 结构的复杂类型。
最佳实践建议
-
评估类型复杂度:对于简单值类型,优先考虑值转换器;对于复杂结构体,使用复杂类型映射或自定义映射源。
-
测试验证:在应用任何解决方案后,务必测试保存和加载操作,确保数据完整性和一致性。
-
关注未来更新:EF Core 团队计划在未来的版本中通过自定义序列化功能(#17306)提供更优雅的解决方案。
-
文档记录:对任何自定义映射配置进行详细文档记录,便于团队维护和理解。
总结
EF Core 9 对 CosmosDB 的类型处理更加严格,这是框架向更一致、更安全方向发展的必然结果。虽然这带来了短期内的适配成本,但通过合理的配置和自定义,开发者仍然可以实现原有的功能需求。理解这些变更背后的设计理念,有助于我们构建更健壮、更可维护的数据访问层。
对于正在从 .NET 8 迁移到 .NET 9 的项目,建议尽早测试涉及自定义值类型的 CosmosDB 操作,并根据实际情况选择合适的适配方案。
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