Marten项目中的内联聚合投影重复事件问题分析
2025-06-26 15:30:37作者:舒璇辛Bertina
问题背景
在Marten 7.21.0及以上版本中,使用内联(Inline)聚合投影时出现了一个关键问题:当配置为options.Projections.Snapshot<AggregateType>(SnapshotLifecycle.Inline)的聚合会接收到完全相同的两个事件(包括相同的事件ID、关联ID和因果关系ID)。这导致聚合的Apply方法被调用两次,严重影响了系统的正确性。
问题表现
具体表现为:
- 聚合版本号从1开始
- 事件被手动应用到聚合实例上(版本号增加到2)
- 通过
session.Events.Append()将事件添加到会话 - 调用
SaveChangesAsync保存更改 - 在7.21.0+版本中,SingleStreamProjection会再次应用已经应用过的事件
- 导致聚合状态被错误修改(如集合中出现重复项)
技术原因
问题的根源在于7.21.0版本引入的一个优化改动。该改动原本是为了配合新的FetchForWriting功能,但在实现上存在缺陷:
- 内联投影现在通过
LoadAsync()加载聚合,而不是绕过加载过程 - 当手动应用事件到聚合实例后,内联投影会再次应用相同的事件
- 导致聚合状态被修改两次,而数据库只记录最终版本
解决方案
Marten团队已经采取了以下措施:
- 暂时回滚了所有与内联投影优化相关的代码变更
- 提供了配置选项
opts.Events.UseIdentityMapForInlineAggregates = false来禁用此优化
最佳实践建议
对于使用Marten的开发者,建议:
-
如果升级到7.21.0+版本后遇到类似问题,可以:
- 降级回7.20.2版本
- 或显式设置
UseIdentityMapForInlineAggregates = false
-
在命令处理程序中:
- 确保事件应用逻辑是幂等的
- 考虑在聚合设计中加入重复事件检测机制
-
测试策略:
- 增加对聚合状态变更次数的断言
- 验证最终聚合版本号是否符合预期
总结
这个案例展示了ORM/事件溯源框架中优化可能带来的副作用。Marten团队快速响应并提供了解决方案,体现了开源项目的优势。对于开发者而言,在框架升级时需要特别关注变更日志,并对核心业务流程进行充分测试,确保系统行为的正确性。
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
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
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1