EntityFramework Core 9.0 中 SqlConstantExpression 构造函数的变更解析
背景介绍
在 EntityFramework Core(简称 EF Core)这个流行的 .NET ORM 框架中,SqlConstantExpression 类用于表示 SQL 查询中的常量表达式。在 EF Core 8.0 及之前版本,开发人员通常使用接受 ConstantExpression 参数的构造函数来创建这类表达式。
问题现象
当开发者从 EF Core 8.0 升级到 9.0 版本后,发现原本正常工作的代码突然出现问题。具体表现为:
var constantExpr = Expression.Constant(1234324, typeof(int));
var mapping = new MutableTypeMapping(typeof(float));
var tempRes = new SqlConstantExpression(constantExpr, mapping);
在 EF Core 9.0 中,上述代码会导致 tempRes 返回 null 值,而在 8.0 版本中则能正常工作。这一变化让许多开发者感到困惑。
原因分析
经过 EF Core 团队的确认,这是一个在 9.0 版本中意外引入的回归问题。更深入的技术背景是:
-
类型映射严格性增强:EF Core 9.0 对类型映射系统进行了增强,使得类型检查更加严格。当传入的 ConstantExpression 的类型与映射类型不匹配时(如示例中 int 与 float 的差异),系统会返回 null 而不是抛出异常。
-
构造函数过时策略:实际上,这个接受 ConstantExpression 的构造函数已经被标记为过时(obsolete),EF Core 团队推荐使用更直接的新构造函数。
解决方案
正确的做法是使用 EF Core 9.0 推荐的新构造函数,它直接接受 .NET 值而不是 ConstantExpression:
var mapping = new MutableTypeMapping(typeof(float));
var tempRes = new SqlConstantExpression(1234324, typeof(int), mapping);
这种新方式有以下几个优点:
- 更直观:直接传递值而不是通过 Expression 包装
- 类型安全:编译器可以在编译时进行更多类型检查
- 性能更好:避免了不必要的表达式树构建
迁移建议
对于正在从 EF Core 8.0 迁移到 9.0 的项目,建议:
- 查找所有使用旧构造函数的代码
- 将其替换为新推荐的构造函数形式
- 特别注意类型映射的一致性
- 在测试阶段重点关注涉及常量表达式的查询部分
总结
EF Core 9.0 对 SqlConstantExpression 的构造函数进行了优化和改进,虽然这导致了短暂的兼容性问题,但从长远来看,新的 API 设计更加合理和高效。开发者应该及时更新代码以适应这一变化,从而获得更好的类型安全和性能表现。
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