Marten v7 中自定义聚合投影的 AggregateStreamAsync 问题解析
问题背景
Marten 是一个基于 PostgreSQL 的 .NET 事件溯源和文档数据库库。在从 Marten v6 升级到 v7 的过程中,开发者发现使用 AggregateStreamAsync 方法查询自定义聚合投影时出现了问题。
问题现象
当开发者按照官方文档实现自定义聚合投影时,使用以下代码查询聚合结果:
var x = await session.Events.AggregateStreamAsync<StartAndStopAggregate>(id, token: CancellationToken.None);
返回结果 x 始终为 null,尽管调试时可以看到自定义投影的重放过程执行正确。
技术分析
这个问题涉及到 Marten 的事件溯源机制和聚合投影的工作方式:
-
自定义聚合投影:在 Marten 中,开发者可以创建自定义聚合类来处理事件流并构建当前状态。这些类通常实现
IAggregate接口或遵循特定约定。 -
AggregateStreamAsync:这个方法设计用于从事件流中重建聚合状态,它通过重放所有相关事件来构建聚合实例。
-
版本兼容性问题:在 v6 到 v7 的升级过程中,内部的事件处理机制可能发生了变化,导致这个方法在某些情况下无法正确返回聚合实例。
解决方案
根据项目维护者的建议,目前有以下两种可行的解决方案:
-
直接查询聚合文档:
var aggregate = await session.LoadAsync<StartAndStopAggregate>(id); -
使用 FetchForWriting:
var aggregate = await session.Events.FetchForWriting<StartAndStopAggregate>(id);
这两种方法在 v7 版本中都能正确返回聚合实例。
最佳实践建议
-
版本升级注意事项:在升级 Marten 主要版本时,应仔细测试所有与事件溯源相关的功能,特别是聚合查询部分。
-
文档参考:虽然官方文档提供了示例,但在实际应用中遇到问题时,应优先考虑使用已知稳定的替代方案。
-
调试技巧:当聚合查询返回 null 时,可以检查:
- 事件流是否存在
- 事件处理逻辑是否正确
- 聚合类是否符合 Marten 的约定
结论
Marten v7 中 AggregateStreamAsync 方法对于自定义聚合投影的查询存在问题,开发者可以采用直接加载聚合文档或使用 FetchForWriting 方法作为替代方案。这个问题预计会在后续版本中得到修复,但在修复前,建议开发者使用上述替代方案确保应用正常运行。
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-1.5暂无简介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
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
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