FusionCache 中实现 Keyed Services 支持的技术解析
2025-06-28 12:49:49作者:明树来
背景与需求
在现代 .NET 开发中,依赖注入(DI)已成为构建应用程序的基础设施。当我们需要注册同一类型的多个服务但配置不同时,传统的解决方案包括命名服务或工厂模式。FusionCache 作为一个高性能缓存库,也面临着类似的场景需求——即需要支持多个不同配置的缓存实例。
传统解决方案的局限性
在 .NET 生态中,处理这类问题曾有两种典型方案:
- HTTP 命名客户端模式:通过
AddHttpClient("name")注册,通过IHttpClientFactory解析 - FusionCache 的命名缓存:通过
AddFusionCache("name")注册,通过IFusionCacheProvider解析
这些方案虽然有效,但存在以下问题:
- 需要引入额外的工厂接口
- 解析方式不够直观
- 与 .NET 生态的其他部分风格不一致
.NET 8 的 Keyed Services
.NET 8 引入了原生支持的 Keyed Services 功能,提供了更优雅的解决方案:
// 注册
services.AddKeyedSingleton<MyService>("foo");
services.AddKeyedSingleton<MyService>("bar");
// 使用
app.MapGet("/foo", ([FromKeyedServices("foo")] MyService myService) => ...);
这种方式的优势在于:
- 语法简洁直观
- 与 ASP.NET Core 的模型绑定机制深度集成
- 减少中间工厂接口的需求
FusionCache 的集成挑战
将 Keyed Services 集成到 FusionCache 面临几个技术挑战:
- 容器兼容性问题:并非所有 DI 容器实现都支持 Keyed Services
- 版本兼容性:.NET 运行时版本与 DI 包版本不完全对应
- 特性检测缺失:无法在注册时检测容器是否支持 Keyed Services
- 异常处理:不支持的容器会在构建时抛出异常,难以优雅处理
设计决策与实现方案
经过深入讨论,FusionCache 采用了"显式启用"的设计原则:
services.AddFusionCache("MyCache")
.AsKeyedService() // 显式启用 Keyed Services 支持
.WithDefaultEntryOptions(opt => {
opt.Duration = TimeSpan.FromSeconds(30);
});
这种设计具有以下优点:
- 完全向后兼容
- 将控制权交给开发者
- 避免在不支持的容器上抛出意外异常
- 保持 API 的明确性和可预测性
扩展支持范围
除了基本的缓存实例注册外,FusionCache 还将 Keyed Services 支持扩展到相关组件:
- 缓存后端组件:
services.AddFusionCache()
.WithRegisteredKeyedBackplane("foo");
- 分布式缓存:
services.AddFusionCache("MyCache")
.WithRegisteredKeyedDistributedCache();
这种扩展使得开发者能够更灵活地组合各种缓存组件。
技术实现细节
在实现层面,FusionCache 采用了工厂委托的方式桥接两种服务解析模式:
services.AddKeyedSingleton<IFusionCache>(cacheName, (sp, key) => {
return sp.GetRequiredService<IFusionCacheProvider>().GetCache(key.ToString());
});
这种实现确保了:
- 单一真实数据源
- 两种解析方式结果一致
- 最小性能开销
最佳实践建议
基于此功能,我们推荐以下使用模式:
- 新项目:优先考虑使用 Keyed Services 方式
- 现有项目迁移:逐步将命名缓存转换为 Keyed Services
- 组件注册:为相关服务使用一致的命名规范
- 依赖注入:在控制器/服务中统一使用
[FromKeyedServices]属性
总结
FusionCache 对 Keyed Services 的支持代表了 .NET 生态中依赖注入模式的一次重要演进。通过精心设计的 API 和实现,它既保留了现有功能的稳定性,又为开发者提供了现代化的使用体验。这种平衡的设计思路值得其他库作者借鉴,特别是在处理新旧功能交替和容器兼容性问题上。
对于开发者而言,理解这一功能的实现原理和设计考量,将有助于更有效地利用 FusionCache 构建高性能、可维护的缓存解决方案。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
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++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
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
🎉 (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
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
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
330
137