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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









