ASP.NET Core 依赖注入的三种服务生命周期

简介: 本文详解 ASP.NET Core 依赖注入中的三种生命周期:Transient(瞬态)、Scoped(作用域)和 Singleton(单例),解析其创建时机、共享范围及适用场景,帮助开发者合理选择服务生命周期,构建高效、安全、可维护的应用程序。

前言

依赖注入(Dependency Injection, DI) 是一种实现控制反转(Inversion of Control, IoC) 的软件设计模式,也是构建松耦合、可测试、易维护应用程序的核心技术。其核心理念是:不要在类内部创建依赖,而是由外部容器将依赖注入进来。

在现代 ASP.NET Core 中内置了强大的 DI 容器,正确使用 DI 的关键在于理解 Transient、Scoped 和 Singleton 这三种服务生命周期,它们决定了服务实例的创建时机、共享范围与生命周期。本文将清晰解析三者的区别和适用场景。

简单概述

在 ASP.NET Core 中,依赖注入容器通过IServiceCollection支持三种服务注册生命周期:

IServiceCollection 是 .NET 依赖注入(DI)系统中的核心接口之一,用于注册和管理应用程序所需的服务。

生命周期 注册方法 实例创建时机 共享范围
Transient(瞬态) AddTransient<T>() 每次请求都创建新实例 不共享
Scoped(作用域) AddScoped<T>() 每个作用域(如 HTTP 请求)创建一次 在同一作用域内共享
Singleton(单例) AddSingleton<T>() 应用启动时创建一次(或首次使用时) 整个应用生命周期共享

选型口诀

  • 跨请求共享、需复用 → Singleton(线程安全要做好)
  • 请求内共享、一致性、上下文传递 → Scoped
  • 一次性、无状态、轻量 → Transient

Transient(瞬态)

每次从 DI 容器请求服务时,都会创建一个全新的实例

适用场景

  • 轻量级、无状态的服务。
  • 请求级独立状态:每次调用需要独立状态或副作用隔离的组件。
  • 短生命周期依赖链:依赖链中各服务都很轻、无共享资源的场景。

Scoped(作用域)

同一个作用域内共享同一个实例,不同作用域创建不同实例。

在 ASP.NET Core 中,每个 HTTP 请求就是一个作用域

适用场景

  • 需要在单次请求中共享状态的服务。
  • 数据库上下文(DbContext):AddDbContext() 默认注册为 Scoped,保证同一 HTTP 请求内复用同一个数据库上下文,避免实体跟踪混乱、重复连接开销,并支持事务一致性。
  • 工作单元(Unit of Work)与数据仓储(Repository):与 DbContext 同生命周期,保障查询→修改→提交的一致性,并减少资源创建销毁。

Singleton(单例)

整个应用程序生命周期内只创建一次实例,所有请求共享同一个对象。

适用场景

  • 无状态、线程安全的全局服务(如工具类、映射器)。
  • 配置封装服务(如 IAppSettings),启动后内容不变。
  • 全局缓存(如 IMemoryCache),需跨请求共享数据。

参考文章

相关文章
|
8天前
|
数据采集 人工智能 安全
|
17天前
|
云安全 监控 安全
|
3天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
292 164
|
2天前
|
机器学习/深度学习 自然语言处理 机器人
阿里云百炼大模型赋能|打造企业级电话智能体与智能呼叫中心完整方案
畅信达基于阿里云百炼大模型推出MVB2000V5智能呼叫中心方案,融合LLM与MRCP+WebSocket技术,实现语音识别率超95%、低延迟交互。通过电话智能体与座席助手协同,自动化处理80%咨询,降本增效显著,适配金融、电商、医疗等多行业场景。
303 155
|
4天前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
233 113
|
11天前
|
SQL 自然语言处理 调度
Agent Skills 的一次工程实践
**本文采用 Agent Skills 实现整体智能体**,开发框架采用 AgentScope,模型使用 **qwen3-max**。Agent Skills 是 Anthropic 新推出的一种有别于mcp server的一种开发方式,用于为 AI **引入可共享的专业技能**。经验封装到**可发现、可复用的能力单元**中,每个技能以文件夹形式存在,包含特定任务的指导性说明(SKILL.md 文件)、脚本代码和资源等 。大模型可以根据需要动态加载这些技能,从而扩展自身的功能。目前不少国内外的一些框架也开始支持此种的开发方式,详细介绍如下。
809 6