EntityFramework 元数据 设计分析

简介:

模型基本概念


 

    在整个EF的映射信息中,分为 Object Model、Conceptual Model、Storage Model、Object-To-Conceptual Model、Conceptual-To-Storage Model 五大类。前三类是表明静态结构信息,后两类表示静态结构间的映射信息。这五类元数据,全部都由一个灵活度极强的元数据系统来描述。

    Object Model 表示对象模型,该元数据说明了运行时对象的特征,如:CLR运行时类名、属性名等。

    Conceptual Model 表示逻辑模型,该模型与数据库元关、与程序无关,用于描述逻辑上的“领域模型”或者“业务模型”。

    Storage Model 则表示数据库中的静态信息,如:表名、列名。

    而这三类模型间有许多的共通之处,例如,都可以用一个统一的概念来描述不同模型中的不同概念:用“实体类型”来描述对象中的类、数据库中的表、概念模型中的领域实体;用属性来统一描述类的属性、表的字段、实体的属性。所以 EF 使用一个简单的 EntityType 来描述实体类型、用 EdmProperty 来描述实体属性。

    但是,它们之间必然存在差异。这就意味着,同样的一个 EntityType 类型,需要支持不同的属性。

 

 

属性扩展


    针对以上问题,EF 给出了一个可扩展属性的设计:

image

MetadataItem 作为所有元数据类型的基类,使用集合的方式来提供了类似于 DynamicObject 一样的属性扩展系统。每个子元数据类型都通过 MetadataProperties 集合来定义/添加自己支持的属性 MetadataProperty,该类声明以下:

image

例如,StructuralType 类型中强类型属性 Members 是成员的集合,

image

运行时视图如下:

image

而继续调试到基类,会发现 MetadataItem 中的 MetadataProperties 属性集合中有一项正好就是名字为 Members,而值是恰好是刚才 5 个成员的集合:

image

所以,不用看源码,我们也可以大胆地猜测,在 StructualType 中,Members 这个属性的内部实现其实就是在基类的集合中注册一个新的 Metadataproperty 项。

可以看出,这是一个动态属性注册的机制,动态语言运行时中的 DynamicObject、WPF及WWF 中的 DependencyProperty,都有类似的设计思想在其中。

    这样的机制可以让我们不断扩展属性;不需要转换为子类就能以“非反射”的方式来对各个属性进行控制;换来的却是属性系统的性能相对低下。

 

 

类型扩展


    第二个较大的扩展点在于:元数据类型是可扩展的。

    在之前给出链接的文章中,可以看出,系统已经给出默认了许多元数据类型,它们都位于 System.Data.Metadata.Edm 命名空间中,如下图中给出了一些重要的类型:

s

当然,这并不是全部的元数据类型。细看前面截图中,MetadataItem 有一个 BuiltInTypeKind 属性,它的类型是一个枚举,例举了EF中目前所有支持的元数据类型,不同的子元数据类型重写这个属性来返回不同的值。这个设计非常类似于 Linq 系统中 Expression 的设计,它们都在最顶层的基类中枚举了所有的子类,以方便通过枚举的判断来识别运行时的类型。但是它们又不尽相同:Expression 是表示编程语言中的表达式,而这些表达式是固定的,我们不会也无法去对它进行扩展;但是 EF 中元数据却是可以任意扩展的,这点可以从 BuiltInTypeKind 属性的名字中看出,它表示的是“系统内置的类型”,当然,也可以从 MetadataProperty 中的属性 PropertyKind 枚举看出,它有两个值:

image

Extended 就表示这个属性是“非内置”的。

    有了这样的设计,理论上,我们可以在任意 dll 中扩展 EF 的元数据类型。而把实例全部都加入 MetadataItem 的集合中就可以了。

    但是,这也带来了不利的方面,例如,在进行查询的时候,不能象一般的 API 一样进行强类型的导航。换句话说,我拿到一个 MetadataItem 的集合,如果我不把它们转换为子类型的话,无法进行强类型属性的使用,而只能使用字符串的匹配。所以,要对 EF 的元数据进行强类型查询,首先要了解整个元数据的结构,然后借助 Linq 中的 OfType<T> 方法来进行查询。例如,我在上面截图中,使用 OfType<EdmProperty> 的方式来查询给定类型中所有成员中的属性列表。这也导致了性能比较差。

 

 

为什么是这样的设计?


    作为一个框架,不可避免地要进行框架的可扩展性进行设计,而且,这往往是非常重要的。而且我认为,在 EF 的设计中,可扩展性是是元数据模块的首要设计目标

    这样的灵活度要求,实出无赖:EF 作为一个通用的 ORM 框架,不但要同时描述对象模型、概念模型、存储模型,同时还要考虑到各种数据库的兼容,还需要保证未来可能出来的各种数据库、各种方法、各种存储结构都能被元数据系统支持并加以描述。

    这样的结构,可以把任意的信息都设计出对应的类型,然后放入元数据系统中。这里,为什么能说任意呢,因为设计本身可以说是和 XML 格式等价,而目前 XML 作为一种通用的数据格式,基本上可以描述所有的数据。(具体为什么和 XML 格式等价,这里不再展开。)

 

结尾


    扩展性对于框架来说非常重要,这样的一个元数据系统设计,对于我来说,是十分有诱惑力的。我曾几次考虑是否把 OEA 元数据系统设计成类似的结构。但是,最终还是没有这样做。原因在于,在进行系统/框架/架构设计时,各种质量属性都需要进行权衡,不可一味地追求某一个属性,而是应该找到适度的设计。这是一句老话,但是往往做起来很难。

    程序设计是一门艺术,而权衡则是一辈子都要玩的艺术。


本文转自BloodyAngel博客园博客,原文链接:http://www.cnblogs.com/zgynhqf/archive/2011/03/25/1995866.html,如需转载请自行联系原作者

相关文章
|
3天前
|
人工智能 自然语言处理 Shell
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
仅用3分钟,百炼调用满血版Deepseek-r1 API,享受百万免费Token。阿里云提供零门槛、快速部署的解决方案,支持云控制台和Cloud Shell两种方式,操作简便。Deepseek-r1满血版在推理能力上表现出色,尤其擅长数学、代码和自然语言处理任务,使用过程中无卡顿,体验丝滑。结合Chatbox工具,用户可轻松掌控模型,提升工作效率。阿里云大模型服务平台百炼不仅速度快,还确保数据安全,值得信赖。
137722 24
深度评测 | 仅用3分钟,百炼调用满血版 Deepseek-r1 API,百万Token免费用,简直不要太爽。
|
5天前
|
人工智能 API 网络安全
用DeepSeek,就在阿里云!四种方式助您快速使用 DeepSeek-R1 满血版!更有内部实战指导!
DeepSeek自发布以来,凭借卓越的技术性能和开源策略迅速吸引了全球关注。DeepSeek-R1作为系列中的佼佼者,在多个基准测试中超越现有顶尖模型,展现了强大的推理能力。然而,由于其爆火及受到黑客攻击,官网使用受限,影响用户体验。为解决这一问题,阿里云提供了多种解决方案。
16387 37
|
13天前
|
机器学习/深度学习 人工智能 自然语言处理
PAI Model Gallery 支持云上一键部署 DeepSeek-V3、DeepSeek-R1 系列模型
DeepSeek 系列模型以其卓越性能在全球范围内备受瞩目,多次评测中表现优异,性能接近甚至超越国际顶尖闭源模型(如OpenAI的GPT-4、Claude-3.5-Sonnet等)。企业用户和开发者可使用 PAI 平台一键部署 DeepSeek 系列模型,实现 DeepSeek 系列模型与现有业务的高效融合。
|
5天前
|
并行计算 PyTorch 算法框架/工具
本地部署DeepSeek模型
要在本地部署DeepSeek模型,需准备Linux(推荐Ubuntu 20.04+)或兼容的Windows/macOS环境,配备NVIDIA GPU(建议RTX 3060+)。安装Python 3.8+、PyTorch/TensorFlow等依赖,并通过官方渠道下载模型文件。配置模型后,编写推理脚本进行测试,可选使用FastAPI服务化部署或Docker容器化。注意资源监控和许可协议。
1249 8
|
13天前
|
人工智能 搜索推荐 Docker
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
DeepSeek R1 + LobeChat + Ollama:快速本地部署模型,创建个性化 AI 助手
3393 117
手把手教你使用 Ollama 和 LobeChat 快速本地部署 DeepSeek R1 模型,创建个性化 AI 助手
|
8天前
|
人工智能 自然语言处理 API
DeepSeek全尺寸模型上线阿里云百炼!
阿里云百炼平台近日上线了DeepSeek-V3、DeepSeek-R1及其蒸馏版本等六款全尺寸AI模型,参数量达671B,提供高达100万免费tokens。这些模型在数学、代码、自然语言推理等任务上表现出色,支持灵活调用和经济高效的解决方案,助力开发者和企业加速创新与数字化转型。示例代码展示了如何通过API使用DeepSeek-R1模型进行推理,用户可轻松获取思考过程和最终答案。
|
5天前
|
人工智能 自然语言处理 程序员
如何在通义灵码里用上DeepSeek-V3 和 DeepSeek-R1 满血版671B模型?
除了 AI 程序员的重磅上线外,近期通义灵码能力再升级全新上线模型选择功能,目前已经支持 Qwen2.5、DeepSeek-V3 和 R1系列模型,用户可以在 VSCode 和 JetBrains 里搜索并下载最新通义灵码插件,在输入框里选择模型,即可轻松切换模型。
912 14
|
12天前
|
API 开发工具 Python
阿里云PAI部署DeepSeek及调用
本文介绍如何在阿里云PAI EAS上部署DeepSeek模型,涵盖7B模型的部署、SDK和API调用。7B模型只需一张A10显卡,部署时间约10分钟。文章详细展示了模型信息查看、在线调试及通过OpenAI SDK和Python Requests进行调用的步骤,并附有测试结果和参考文档链接。
1917 9
阿里云PAI部署DeepSeek及调用
|
9天前
|
人工智能 数据可视化 Linux
【保姆级教程】3步搞定DeepSeek本地部署
DeepSeek在2025年春节期间突然爆火出圈。在目前DeepSeek的网站中,极不稳定,总是服务器繁忙,这时候本地部署就可以有效规避问题。本文以最浅显易懂的方式带读者一起完成DeepSeek-r1大模型的本地部署。
|
12天前
|
缓存 自然语言处理 安全
快速调用 Deepseek API!【超详细教程】
Deepseek 强大的功能,在本教程中,将指导您如何获取 DeepSeek API 密钥,并演示如何使用该密钥调用 DeepSeek API 以进行调试。

热门文章

最新文章