Marten V7.37.0版本发布:事件溯源框架的重要更新
Marten是一个基于PostgreSQL的.NET事件溯源和文档数据库框架,它结合了事件溯源的强大功能与PostgreSQL的可靠性。作为一个开源项目,Marten为.NET开发者提供了一种高效的方式来处理复杂的数据持久化需求,特别是在需要事件溯源功能的场景中。
版本亮点
本次发布的V7.37.0版本包含了一系列重要的改进和修复,主要聚焦在投影功能、多租户支持以及查询优化等方面。这些更新进一步提升了框架的稳定性和开发体验。
核心改进内容
投影功能增强
-
FlatTableProjection名称修正:修复了一个命名错误,原先错误地将FlatTableProjection称为FlatFileProjection,这可能导致开发者在查找文档或使用API时产生混淆。
-
投影注册验证:新增了投影注册时的输入验证机制,特别是针对SingleStreamProjection类型,防止无效的投影注册。这一改进可以帮助开发者在早期发现问题,而不是在运行时才遇到错误。
-
字符串流标识支持:显式实时聚合现在支持字符串流标识,这为使用非Guid类型作为流标识符的场景提供了更好的支持。
多租户功能修复
修复了在多租户环境下实时聚合功能失效的问题。这一修复确保了在多租户应用中,聚合功能能够正确识别和处理不同租户的数据,为构建多租户SaaS应用提供了更可靠的基础。
查询功能优化
-
自定义参数占位符:新增了一个重载方法,允许开发者指定自定义的参数占位符,这为那些需要特殊参数格式的场景提供了更大的灵活性。
-
值类型查询修复:修复了在查询中使用值类型包装字符串时可能出现的错误,提高了类型安全性和查询的可靠性。
国际化支持改进
针对非英语环境下的PostgreSQL运行问题进行了修复,特别是解决了在某些区域设置下可能出现的问题。这使得Marten在全球范围内的适用性得到了提升。
技术细节解析
在底层实现上,本次版本升级了Weasel库,获得了关于分离分区的新行为。Weasel作为Marten的底层数据库迁移工具,这一更新为Marten带来了更强大的数据库模式管理能力。
对于使用强类型标识符的开发场景,文档中新增了关于FetchForWriting方法的说明,帮助开发者更清晰地理解如何在强类型环境下进行数据操作。
总结
Marten V7.37.0版本虽然没有引入重大新功能,但对现有功能的稳定性和可靠性进行了显著提升。特别是对投影系统和多租户支持的改进,使得框架在复杂应用场景下的表现更加稳健。这些更新体现了Marten团队对框架质量的持续关注,以及对开发者反馈的积极响应。
对于正在使用或考虑采用Marten的.NET开发者来说,升级到V7.37.0版本将带来更流畅的开发体验和更可靠的运行时表现。特别是在构建事件溯源系统或多租户应用时,这些改进将直接提升开发效率和系统稳定性。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00