艾伟:ORM With Versioning Control

简介:   在一些场合,我们可能需要对业务实体进行版本控制。类似于源码管理工具一样,可以查看历史版本,可以回滚,可以Lock,一个业务实体对象,同一时刻只允许一个人进行更新操作。为了实现信息的可追溯性,这些功能应该是必不可少的。

  在一些场合,我们可能需要对业务实体进行版本控制。类似于源码管理工具一样,可以查看历史版本,可以回滚,可以Lock,一个业务实体对象,同一时刻只允许一个人进行更新操作。为了实现信息的可追溯性,这些功能应该是必不可少的。只是我们该在哪里去控制实体对象的版本呢?

  我们希望将版本控制的功能,独立于某一个具体的业务实体,这样才可以实现最大共用和扩展性。显然,要实现这一功能最好的切入点应该是在数据持久层,也就是在实体持久化时,我们需要有一个统一的,通用化的接口来完成,同时在这里插入版本控制的功能。无疑,这里的最合适的持久化接口应该是ORM,那就相当于我们要实现一个带实现版本控制的ORM接口。

  版本控制功能,我们不仅要求与数据库无关,还要求与具体的某一种ORM框架无关。与数据库无关,我们可以很容易通过ORM来隔立,但是与ORM框架无关,我们就需要将版本控制的功能从与某一种ORM框架隔离开来。

  版本控制功能,是插入到ORM接口中去的,那在哪里去检测实体的修改情况呢?一种方案是将原始数据和修改后的数据,传入版本控制接口,由版本控制模块进行比较,从而得出实体的变化情况。

  另一种方案,就是在实体中插入一定的属性变化跟踪机制,这也是现有的ORM实体中已经有实现的一部分,不同的ORM框架在监控实体更新变化方面都有不同的机制,在NBear,LINQ To SQL,Entity Framework都有一套自己的实体属性变化跟踪机制。我们可以将这些不同的跟踪机制统一起来,形成一套标准的ORM版本控制模块的接口实现。

  还有一些需要考虑的:

  存储历史版本时,是使用增量存储还是使用完全存储。增量存储,在回滚历史版本时,就需要从当前版本起,做很多的回溯的工作,而完全存储就可能会耗很多存储空间。

  在存储方式上,我们是将它们存储到数据库,还是以XML文件的格式单独存放每一个版本的记录。

  目前的一个存储想法是:使用增量存储与完全存储共存,将每次改变的字段,以及它的原始值和新值保存到数据库中,方便在查看历史版本修改记录时用。而将每个版本完整值,以一定的目录格式,XML文件的格式保存在磁盘中,可以考虑压缩等因素。这样做的原因是,回滚历史版本的操作一般是相对比较少的,但是存储完整的历史版本值,却可能需要很多的数据库空间和考虑备份的问题。假设我们以操作日期的目录格式来保存文件,我们就可以方便的进行备份和转移。

  遗留问题,在ORM中,对象的关联是必不可少的内容。对于对象之间的关联关系发生变化是否也需进行版本控制,这样一来,版本控制的内容就会变得更复杂和难以实现。所以暂且限定,版本控制只针对于单对象的属性值变化。

  以上就是ORM With versioning control的一些想法,这些想法是从Content Repository API For Java (JCR)衍生而来的。在JCR中是实现了一个自有格式(XML)的数据库,用在CMS中存储一些结构可变(非结构化)的内容。同时在它的功能定义中,还包括了一些传统数据库(或数据库使用接口)所不具有的功能,包括:版本控制,数据变化检测等功能。我想法,在结构化数据的存储中,要实现这些功能,应该是在ORM上来实现,欢迎大家来讨论。

目录
相关文章
|
5天前
|
存储 弹性计算 人工智能
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
2025年9月24日,阿里云弹性计算团队多位产品、技术专家及服务器团队技术专家共同在【2025云栖大会】现场带来了《通用计算产品发布与行业实践》的专场论坛,本论坛聚焦弹性计算多款通用算力产品发布。同时,ECS云服务器安全能力、资源售卖模式、计算AI助手等用户体验关键环节也宣布升级,让用云更简单、更智能。海尔三翼鸟云服务负责人刘建锋先生作为特邀嘉宾,莅临现场分享了关于阿里云ECS g9i推动AIoT平台的场景落地实践。
【2025云栖精华内容】 打造持续领先,全球覆盖的澎湃算力底座——通用计算产品发布与行业实践专场回顾
|
3天前
|
云安全 人工智能 自然语言处理
阿里云x硅基流动:AI安全护栏助力构建可信模型生态
阿里云AI安全护栏:大模型的“智能过滤系统”。
|
4天前
|
人工智能 自然语言处理 自动驾驶
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
关于举办首届全国大学生“启真问智”人工智能模型&智能体大赛决赛的通知
|
7天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
624 2
|
5天前
|
JavaScript API 开发工具
如何在原生App中调用Uniapp的原生功能?
如何在原生App中调用Uniapp的原生功能?
311 139
|
4天前
|
编解码 自然语言处理 文字识别
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大
凌晨,Qwen3-VL系列再添新成员——Dense架构的Qwen3-VL-8B、Qwen3-VL-4B 模型,本地部署友好,并完整保留了Qwen3-VL的全部表现,评测指标表现优秀。
401 7
Qwen3-VL再添丁!4B/8B Dense模型开源,更轻量,仍强大