Elasticsearch-NET 8.x 版本中自定义序列化器的实现方法
2025-06-19 21:03:46作者:侯霆垣
在 Elasticsearch-NET 8.x 最新版本中,自定义 JSON 序列化器的实现方式有了显著简化。本文将详细介绍如何在最新版本中扩展序列化功能,以及新旧实现方式的对比。
旧版本实现方式
在 8.x 之前的版本中,开发者需要通过继承 SystemTextJsonSerializer
类来扩展序列化功能。典型实现如下:
internal class ExtendedSystemTextJsonSerializer : SystemTextJsonSerializer
{
public ExtendedSystemTextJsonSerializer(IElasticsearchClientSettings elasticsearchClientSettings)
: base(elasticsearchClientSettings)
{
JsonSerializerOptions options = DefaultSourceSerializer.CreateDefaultJsonSerializerOptions(includeDefaultConverters: true);
options.Converters.Add(new ObjectConverter());
Options = DefaultSourceSerializer.AddDefaultConverters(options);
}
protected JsonSerializerOptions Options { get; set; }
protected override JsonSerializerOptions CreateJsonSerializerOptions() => Options;
}
使用时需要通过 ElasticsearchClientSettings
的构造函数注入:
ElasticsearchClientSettings elasticsearchClientSettings = new(
nodePool,
sourceSerializer: (defaultSerializer, settings) =>
new ExtendedSystemTextJsonSerializer(settings));
这种方式需要开发者创建一个完整的派生类,并手动管理 JsonSerializerOptions
的配置过程。
新版本简化实现
在 8.x 最新版本中,Elasticsearch-NET 团队简化了这一过程,不再需要创建派生类。新的实现方式更加简洁:
ElasticsearchClientSettings elasticsearchClientSettings = new(
nodePool,
sourceSerializer: (defaultSerializer, settings) =>
new DefaultSourceSerializer(settings, options => options.Converters.Add(/* 自定义转换器 */)));
技术解析
-
DefaultSourceSerializer 构造函数:新版提供了更灵活的构造函数,允许直接传入一个配置委托来修改
JsonSerializerOptions
。 -
配置委托:通过
options => options.Converters.Add()
这样的 lambda 表达式,可以直接添加自定义的 JSON 转换器,无需手动创建默认选项。 -
简化流程:省去了创建派生类和手动管理选项的步骤,使代码更加简洁明了。
最佳实践
对于大多数自定义序列化需求,推荐使用新版方式。它提供了以下优势:
- 代码量减少,维护成本降低
- 更符合现代 .NET 的配置模式
- 与 Elasticsearch-NET 内部实现更好地集成
- 减少了潜在的错误点
如果需要更复杂的自定义,仍然可以通过实现 ISerializer
接口来完全控制序列化过程,但对于简单的添加转换器需求,新版方式已经足够。
总结
Elasticsearch-NET 8.x 在序列化器扩展方面做了重要改进,使开发者能够以更简洁的方式实现自定义序列化逻辑。这一变化体现了框架向更简单、更现代的 API 设计方向发展的趋势,同时也保持了足够的灵活性以满足各种复杂场景的需求。
登录后查看全文
热门项目推荐
- 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~044CommonUtilLibrary
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!C0300- 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
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

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!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K