Audit.NET 中使用 EF Core 拦截器时异常处理的注意事项
问题背景
在使用 Audit.NET 框架与 Entity Framework Core 集成时,开发人员可能会遇到一个棘手的问题:当数据库操作发生异常时,系统会陷入无限循环,最终导致堆栈溢出。这种情况特别容易在使用 AuditSaveChangesInterceptor 拦截器时出现。
问题现象
当配置了 Audit.NET 的 EF Core 拦截器后,如果数据库操作(如违反主键约束)抛出异常,系统不会正常处理这个异常,而是会不断尝试记录审计日志,形成递归调用,最终导致进程崩溃。
根本原因
这个问题的核心在于审计日志记录和业务操作使用了同一个 DbContext 实例。当主操作失败时,审计拦截器会尝试记录这个失败操作,但由于审计记录本身也需要使用同一个 DbContext,这就形成了一个循环依赖:
- 业务操作失败抛出异常
- 拦截器尝试记录审计日志
- 审计日志记录需要保存到数据库
- 保存审计日志时又触发了拦截器
- 重复步骤1-4,直到堆栈溢出
解决方案
方案1:使用独立的 DbContext 实例
最可靠的解决方案是确保审计日志使用独立的 DbContext 实例。可以通过以下方式实现:
Audit.Core.Configuration.Setup()
.UseEntityFramework(ef => ef
.UseDbContext(ev => new AuditDbContext(/* 连接字符串 */))
.DisposeDbContext()
.AuditTypeMapper(t => typeof(AuditLog))
// 其他配置...
);
方案2:使用 DbContext 工厂模式
如果项目中使用依赖注入,可以注册 DbContext 工厂:
services.AddDbContextFactory<AuditDbContext>();
// 配置 Audit.NET
Audit.Core.Configuration.Setup()
.UseEntityFramework(ef => ef
.UseDbContext(ev =>
ev.GetEntityFrameworkEvent()
.GetDbContext()
.GetService<IDbContextFactory<AuditDbContext>>()
.CreateDbContext())
// 其他配置...
);
方案3:继承 AuditDbContext
对于许多项目来说,继承 AuditDbContext 可能是更简单可靠的方案:
public class MyDbContext : AuditDbContext
{
// 正常的 DbContext 实现
}
这种方式内部已经处理好了审计日志的记录逻辑,避免了循环依赖问题。
最佳实践建议
-
隔离审计日志:审计日志表最好放在单独的数据库中,或者至少使用单独的 DbContext 实例
-
错误处理:在审计日志记录逻辑中加入适当的错误处理,避免审计过程本身导致业务操作失败
-
性能考虑:对于高频操作,考虑异步记录审计日志或使用批处理
-
测试验证:特别要测试各种异常场景下的审计日志记录行为
总结
在使用 Audit.NET 进行 EF Core 操作审计时,正确处理 DbContext 的生命周期和实例隔离是关键。通过采用上述任一解决方案,可以避免异常情况下的堆栈溢出问题,同时保持系统的审计功能正常运行。对于大多数项目,继承 AuditDbContext 的方式提供了最佳的开箱即用体验和稳定性。
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