EFCorePowerTools 中支持数值型 RowVersion 的探索与实践
在 EF Core 8.0 中,微软引入了一个重要特性:允许将 SQL Server 和 Azure SQL 中的 RowVersion 列映射为 ulong 类型而非传统的 byte[] 类型。这一特性为开发者提供了更直观的类型处理方式,特别是在处理并发控制场景时。
技术背景
RowVersion 是 SQL Server 中用于实现乐观并发控制的特殊数据类型。传统上,EF Core 将其映射为 byte[] 类型,这在某些场景下可能不够直观。EF Core 8.0 通过 HasConversion 方法,允许开发者将其转换为数值类型(如 ulong),使代码更加清晰易读。
实现方案分析
在 EFCorePowerTools 项目中,可以通过两种方式实现这一特性:
-
深度集成方案:通过派生 CSharpEntityTypeGeneratorBase 和 CSharpDbContextGenerator 类来实现原生支持。这种方式需要深入修改代码生成逻辑,维护成本较高。
-
T4模板定制方案:通过修改现有的 EntityType.t4 和 DbContext.t4 模板文件来实现。这种方式更加灵活,且不需要修改核心代码。
推荐实现方式
考虑到维护成本和灵活性,推荐使用 T4 模板定制方案。具体实现需要在两个模板文件中添加相应的逻辑:
在 EntityType.t4 中,需要检测 RowVersion 类型的属性,并将其类型从 byte[] 改为 ulong:
var propertyType = code.Reference(property.ClrType);
if (property.FindTypeMapping() is Microsoft.EntityFrameworkCore.Storage.RelationalTypeMapping m
&& m.StoreType == "rowversion")
{
propertyType = "ulong";
needsInitializer = false;
}
在 DbContext.t4 中,需要为 RowVersion 属性添加类型转换:
string conversion = string.Empty;
if (property.FindTypeMapping() is Microsoft.EntityFrameworkCore.Storage.RelationalTypeMapping m
&& m.StoreType == "rowversion")
{
conversion = ".HasConversion<byte[]>()";
}
实际应用价值
这种实现方式为开发者带来了以下优势:
- 更直观的数据类型处理,ulong 比 byte[] 更符合开发者对版本号的认知
- 减少类型转换代码,提高代码可读性
- 保持与 EF Core 8.0 新特性的兼容性
- 无需修改 EFCorePowerTools 的核心代码,通过模板即可实现
总结
虽然 EFCorePowerTools 目前没有原生支持数值型 RowVersion 的计划,但通过简单的 T4 模板修改,开发者可以轻松实现这一功能。这种方式既保持了工具的稳定性,又为特定需求提供了灵活的解决方案,体现了 EF Core 生态系统的可扩展性优势。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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