Ardalis.Specification 9.版本重大升级解析
Ardalis.Specification 是一个流行的.NET规范模式实现库,最新发布的9.版本带来了一系列重要的性能优化和功能改进。本文将从技术角度深入分析这次更新的核心内容。
性能优化亮点
9.版本的核心目标是减少内存分配和降低规范模式的内存占用。开发团队对内部实现进行了大规模重构,主要优化包括:
-
表达式集合初始化优化:不再默认初始化为新的List,空集合将返回Enumerable.Empty,显著减少了不必要的内存分配。
-
Take/Skip属性类型变更:从可空int改为非可空int,默认值设为-1,消除了装箱操作和空值检查开销。
-
缓存机制改进:移除了SpecificationEvaluator的cacheEnabled参数,默认启用缓存优化查询性能。
-
构建器重构:简化了OrderedSpecificationBuilder和CacheSpecificationBuilder,优化了包含投影的规范流程。
重要API变更
虽然公共API表面保持了兼容性,但一些高级用法需要注意:
-
废弃方法移除:彻底移除了过时的GetBySpec仓库方法。
-
接口精简:IEntity接口被移除,简化了基础架构。
-
查询方法调整:Select/SelectMany现在必须放在链式调用的最后或单独查询子句中,返回void类型。
-
仓储方法返回值:Update和Delete方法现在返回Task表示受影响的行数,便于业务逻辑处理。
内部架构重构
9.版本对内部组件进行了深度重构:
-
评估器简化:移除了IncludeEvaluator.Default和IncludeEvaluator.Cached单例,统一使用IncludeEvaluator.Instance。
-
构建器统一:所有扩展现在需要同时支持ISpecificationBuilder和ISpecificationBuilder<T, TResult>两种构建器。
-
内存评估器重命名:SearchEvaluator更名为SearchMemoryEvaluator,更准确地反映其用途。
后续版本增强
在9.1和9.2版本中,团队进一步增加了实用功能:
-
WithProjectionOf特性:增强了投影功能,支持更灵活的查询映射。
-
类型推断修复:改进了ThenInclude的类型推断,特别是涉及类型转换的场景。
-
多重TagWith支持:允许为查询添加多个标签,便于调试和日志记录。
升级建议
对于标准用法的用户,升级到9.版本应该相对平滑。但需要注意:
-
如果项目依赖了内部组件或构建自定义扩展,需要检查兼容性。
-
高级用法特别是涉及表达式处理和缓存的代码可能需要调整。
-
建议在测试环境中充分验证后再部署到生产环境。
这次升级使Ardalis.Specification在保持API稳定的同时,显著提升了性能表现,为复杂业务场景下的规范模式应用提供了更高效的基础设施。
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