• LINQ to SQL何去何从?(摘抄)


     

    尽管微软的ORM存在许许多多的问题,而且市面上例如LLBLGen,nHibernate与OpenAccess之类的替代品已经够多了,许多开发者被强迫使用微软的技术是因为他们的公司或客户的需要。而在取舍之间,看起来大多数开发者深信实体框架(Entity Framework)并非可行的方案。那么他们该如何应对?
    Steel Price选择忘记Linq to Sql的衰亡,继续使用它是因为它能工作。至于实体框架,他写道,它并不能访问内在的列。
    我永远都不会使用这样的一种联合关系,譬如:“给我提供John修改过的所有地址”。这会使得事情变得糟糕,我无法获得Address的CreatedById,除非我加载整个Login对象,并像这样引用它:Address.CreatedByLogin.LoginId。当你在编写和创建查询时,这种做法就太糟糕了。
    有办法解决这个问题吗?当然有,但方法都过于复杂与繁琐,使用L2E(译注:即Linq to Entity)使得我80%的工作都变复杂了。而只有20%的功能是我真正需要额外的进行复杂的映射,但我可以使用其它工具,例如LLBLGen Pro或OpenAccess,因为它们更易于使用。
    C# MVP David Hayend则说出了大多数开发者的心声,那就是让LINQ to SQL开源。他更进一步地建议LINQ to SQL应该采取ASP.NET MVC相同的方式,源自于社区的设计。
    我强烈建议微软为LINQ To SQL重新组建最初的开发团队,并将他们融入到.NET 4.0版本中,并以开源的方式放在CodePlex上。这别无选择,鉴于LINQ To SQL已经明显偏向于实体框架,只有ADO.NET团队能够为他找到正确的方向。
    我建议新的团队采取和ASP.NET MVC团队相似的方式,使我们能够获得一个可测试的轻量级O/R映射器,并关注于持续获得的社区反馈而频繁发布CTP版本。
    Ian Cooper, another MVP, sees neither LINQ to SQL nor Entity Framework being completely suitable,
    另一位MVP Ian Cooper则认为LINQ to SQL和实体框架都不完全适用。
    简单地靠打压竞争者很难挽救我们对EF(译注:即实体框架Entity Framework)信心的缺乏。我们需要对批评进行更加深入地理解,但是那些说法并不能指出LINQ To SQL比EF好在哪些地方。L2S具有很多EF非常需要的特性,例如领域优先支持、POCO、SQL生成的性能、延迟加载等。如果缺乏对这些优势的公共认识,怀疑则必然延续,这无关ADO.NET是否认识到LINQ To SQL为何具有这般正面的支持。
    直接抛弃LINQ to SQL并不可取,他建议微软承认已经犯下的过错,并基于二者的优势重新开始。
    更好的结果应该是看到微软宣布开发LINQ To SQL和实体框架共同的继承者。从产品中获得反馈,然后再构建一个新的,可以称之为“LINQ to Relations”或者“LINQ to RDBMS”。如果确有所需,保证重用能够使你节约费用,但却需要重新计划。我无法想象的是,无论如何,比起L2S和EF开发人员需要在你的ORM下一次迭代中需要面对的问题而言,API的变化要显得更加的重要。
    […]
    大多数人赞同Faulkner的建议并且正试图抛弃你曾经的最爱。有时候,你投入的特性越多,而越有可能在最后需要重新计划。
    那么,就应该及早发布,并且应频繁发布。
    最后,Scott Allen的问题则重点放在数据库上。
    我认为,LINQ to SQL的内部能够从一个好的基础发展为一个通用的数据映射框架,以弥补ORM类型的框架(如Entity Framework)的不足。框架可以去掉一些有关对象到对象映射的繁重工作,或者通过一个提供者类型的架构提供在不同格式之间如XHTML、JSON、CSV的额外的映射能力。数据的转换、消息传递、以及数据推动是大多数大型应用程序中不可或缺的部分,框架可以使得这些工作能够以一个通用的方式易于实现与测试,从而带来高效的生产力。
  • 相关阅读:
    图灵机器人,web录音实现自动化交互问答
    人工智能初识,百度AI
    flask web 表单验证 WTForms
    websocket的原理
    DBUtils
    【hdu4704】 Sum——费马小定理+快速幂取模
    【hdu3037】Saving Beans——组合数取模
    【SRM15】题解
    【模板】快速幂取模
    【模板】线性筛法求素数
  • 原文地址:https://www.cnblogs.com/kingwangzhen/p/1458070.html
Copyright © 2020-2023  润新知