System.Linq.Dynamic.Core 在.NET 8中的EF类型加载问题解析
问题背景
System.Linq.Dynamic.Core是一个流行的动态LINQ查询库,它允许开发者在运行时构建LINQ查询。近期有开发者报告,在将项目从.NET Core 3.1升级到.NET 8后,遇到了性能问题,特别是在使用Radzen数据网格时首次加载或排序数据时表现明显。
问题根源
问题的核心在于库中的PredefinedTypesHelper类在静态构造函数中尝试加载Entity Framework 6的类型。这些类型包括:
- System.Data.Objects.EntityFunctions
- System.Data.Objects.SqlClient.SqlFunctions
- System.Data.Objects.SqlClient.SqlSpatialFunctions
- System.Data.Entity.Core.Objects.EntityFunctions
- System.Data.Entity.DbFunctions
- System.Data.Entity.Spatial.DbGeography
- System.Data.Entity.SqlServer.SqlFunctions
- System.Data.Entity.SqlServer.SqlSpatialFunctions
在.NET Core 3.1及更早版本中,这些类型会被NETSTANDARD预处理器指令排除。但在.NET 5及更高版本中,这些指令不再适用,导致库尝试加载这些EF 6类型。
性能影响
当应用程序目录中存在大量未引用的程序集时,Type.GetType()调用会强制加载所有这些程序集到AppDomain中。对于拥有数百个程序集的大型项目,这会显著影响首次查询的性能。
解决方案
开发团队针对此问题实施了以下改进:
-
条件加载优化:修改了
PredefinedTypesHelper,仅在检测到特定EF类型时才尝试加载相关程序集。通过检查EntityFramework.DynamicLinq.EFType和Microsoft.EntityFrameworkCore.DynamicLinq.EFType类型的存在性来决定是否加载EF相关类型。 -
程序集加载控制:新增了
LoadAdditionalAssembliesFromCurrentDomainBaseDirectory配置选项,默认值为false。这可以防止自动加载应用程序目录中的所有程序集,只有当明确需要时才启用此功能。 -
预处理器指令调整:将EF类型加载逻辑限制在.NET Framework和.NET Standard 2.1环境下,避免在.NET 5及更高版本中不必要地加载这些类型。
开发者应对建议
对于遇到此问题的开发者,可以采取以下措施:
-
升级到最新版本:确保使用包含这些修复的最新版System.Linq.Dynamic.Core。
-
自定义类型提供程序:如需要更精细的控制,可以实现自定义的
IDynamicLinqCustomTypeProvider:
public class CustomDynamicLinqTypeProvider : AbstractDynamicLinqCustomTypeProvider, IDynamicLinkCustomTypeProvider
{
// 实现必要的接口方法
}
然后在应用程序启动时配置:
ParsingConfig.Default.CustomTypeProvider = new CustomDynamicLinqTypeProvider();
- 配置程序集加载行为:根据需求设置
LoadAdditionalAssembliesFromCurrentDomainBaseDirectory属性:
ParsingConfig.Default.LoadAdditionalAssembliesFromCurrentDomainBaseDirectory = false;
总结
System.Linq.Dynamic.Core在.NET 8环境下的这一改进,有效解决了因不必要加载EF 6类型和额外程序集导致的性能问题。开发者现在可以更灵活地控制类型解析行为,特别是在拥有大量插件或模块化架构的应用程序中,这一改进将显著提升首次查询的性能表现。
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-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00