Npgsql.EntityFrameworkCore.PostgreSQL 9.0中的枚举类型迁移问题解析
在将项目从.NET 8升级到.NET 9并使用Npgsql.EntityFrameworkCore.PostgreSQL 9.0时,开发人员可能会遇到一个关于枚举类型的安全使用问题。这个问题表现为在执行数据库迁移时出现"55P04: unsafe use of new value of enum type"错误。
问题现象
当开发人员尝试执行包含枚举类型操作的数据库迁移时,PostgreSQL会抛出错误,提示"unsafe use of new value 'ParseFiles' of enum type job_type"。这个错误特别指出:"New enum values must be committed before they can be used"。
根本原因
这个问题的核心在于PostgreSQL对枚举类型的安全使用限制。在PostgreSQL中,当在一个事务中创建或修改枚举类型后,立即在同一事务中使用这个新值是不安全的。PostgreSQL要求必须先提交枚举类型的变更,然后才能在后续事务中使用这些新值。
在Npgsql.EntityFrameworkCore.PostgreSQL 9.0中,这种限制变得更加严格。当EF Core尝试在一个迁移事务中同时创建枚举类型和使用该枚举值时,PostgreSQL会拒绝执行并抛出上述错误。
解决方案
要解决这个问题,可以采取以下几种方法:
-
拆分迁移:将枚举类型的创建和使用分成两个独立的迁移。首先创建一个专门用于定义枚举类型的迁移并执行它,然后再创建使用该枚举类型的迁移。
-
使用原始SQL命令:在迁移中显式地提交事务。可以在创建枚举类型后添加一个提交命令,然后再继续执行其他操作。
-
调整迁移顺序:确保所有枚举类型都在任何使用它们的表或操作之前被创建。
最佳实践
为了避免这类问题,建议在数据库迁移设计中遵循以下原则:
-
将数据库对象的创建分为逻辑阶段:首先是类型定义(包括枚举),然后是表结构,最后是数据操作。
-
对于复杂的迁移,考虑将其拆分为多个小迁移,每个迁移专注于一个特定的变更集。
-
在开发环境中充分测试迁移脚本,特别是在升级EF Core或PostgreSQL驱动时。
-
考虑使用迁移脚本的显式事务控制,在适当的位置提交事务。
总结
Npgsql.EntityFrameworkCore.PostgreSQL 9.0对枚举类型的使用引入了更严格的安全检查,这反映了PostgreSQL本身对数据一致性的严格要求。开发人员在设计数据库迁移时需要更加注意对象创建的先后顺序和事务边界。通过合理的迁移设计和适当的拆分,可以避免这类问题并确保数据库变更的安全执行。
理解PostgreSQL的类型系统和事务语义对于设计可靠的数据库迁移至关重要。随着EF Core和Npgsql的不断演进,开发人员需要保持对这些底层机制的理解,以构建健壮的数据访问层。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00