各种ORM框架对比（理论篇，欢迎来观摩，并且纠正部分错误，防止误区）

各种ORM框架对比

目前框架有以下

PetaPoco

轻量级，以前单文件，目前有维护形成项目级别，适合多个数据库，开发入手比较快，二次开发扩展简单，模型Emit映射，数据交互需要Code，并且需要编写脚本，接口上有自动翻页，支持多对象查询返回

使用示例：

//保存对象
db.Save(article);
db.Save(new Article { Title = "Super easy to use PetaPoco" });
db.Save("Articles", "Id", { Title = "Super easy to use PetaPoco", Id = Guid.New() });

//获取一个对象
var article = db.Single<Article>(123);
var article = db.Single<Article>("WHERE ArticleKey = @0", "ART-123");

//删除一个对象
db.Delete(article);
db.Delete<Article>(123);
db.Delete("Articles", "Id", 123);
db.Delete("Articles", "ArticleKey", "ART-123");

Dapper.NET

轻量级，单文件，支持多数据库，模型Emit反射，数据交互需要Code，开发入手也比较快，二次开发扩展简单，支持多对象查询返回，优势在于写入数据比PetaPoco更加灵活，但编码性工作要求会更多

使用示例：

注意：所有扩展方法假定连接已打开，如果连接关闭，它们将失败

//IDbConnection扩展查询
public  static  IEnumerable < T > Query < T >（this IDbConnection conn，string  sql，object  param  =  null，SqlTransaction  transaction  =  null，bool  buffered  =  true）

单个查询：

public class Dog
{
    public int? Age { get; set; }
    public Guid Id { get; set; }
    public string Name { get; set; }
    public float? Weight { get; set; }

    public int IgnoredProperty { get { return 1; } }
}            
//简单查询
var guid = Guid.NewGuid();
var dog = connection.Query<Dog>("select Age = @Age, Id = @Id", new { Age = (int?)null, Id = guid });
//验证统计数量
dog.Count()
    .IsEqualTo(1);
//验证属性是否为null
dog.First().Age
    .IsNull();
//验证属性是否匹配
dog.First().Id
    .IsEqualTo(guid);

多个查询，并且返回一个动态列表：

//查询两行数据
var rows = connection.Query("select 1 A, 2 B union all select 3, 4");

//行一数据
((int)rows[0].A)
   .IsEqualTo(1);
((int)rows[0].B)
   .IsEqualTo(2);
//行二数据
((int)rows[1].A)
   .IsEqualTo(3);
((int)rows[1].B)
    .IsEqualTo(4);

IDbConnection扩展执行

public static int Execute(this IDbConnection cnn, string sql, object param = null, SqlTransaction transaction = null)

执行一个插入操作

connection.Execute(@"
  set nocount on 
  create table #t(i int) 
  set nocount off 
  insert #t 
  select @a a union all select @b 
  set nocount on 
  drop table #t", new {a=1, b=2 })
   .IsEqualTo(2);

同一张表插入多个数据

注意：如果是大批量插入不建议这么使用，请用ADO.NET自带的BatchInsert

connection.Execute(@"insert MyTable(colA, colB) values (@a, @b)",
    new[] { new { a=1, b=1 }, new { a=2, b=2 }, new { a=3, b=3 } }
  ).IsEqualTo(3);

Massive

非单文件，但也是轻量级，项目在持续维护，支持多数据库，和dapper和PetaPoco运用有点截然不同；它是用类对象继承DynamicModel来模拟实体对象的查询和写入，似乎没有看到多对象多表联合查询和返回，局限性还是比较小

代码示例

public class Products:DynamicModel {
    public Products():base("northwind", "products","productid") {}
}
var table = new Products();
var products = table.All();
//获取查询字段和搜索条件
var productsFour = table.All(columns: "ProductName as Name", where: "WHERE categoryID=@0",args: 4);
//分页查询
var result = tbl.Paged(where: "UnitPrice > 20", currentPage:2, pageSize: 20);
var poopy = new {ProductName = "Chicken Fingers"};
//更新 Product对象到表， 条件 ProductID = 12 ，设置 ProductName of "Chicken Fingers"
table.Update(poopy, 12)

//插入数据
var table = new Categories();
var inserted = table.Insert(new {CategoryName = "Buck Fify Stuff", Description = "Things I like"});
//插入成功后得到返回新对象
var newID = inserted.CategoryID;

Simple.Data

ADO-based access to relational databases, with providers for:
- SQL Server 2005 and later (including SQL Azure)
- SQL Server Compact Edition 4.0
- Oracle
- MySQL 4.0 and later
- SQLite
- PostgreSQL
- SQLAnywhere
- Informix
MongoDB
OData

项目已经比较老，目前已经4-5年未更新代码，里面类文件比较多，算不上轻量级，运用上比较简单

以下是代码截图

Chain

一种基于函数式编程理念的Fluent ORM，项目今年少有更新，运用上几乎不写脚本，类似EF的数据对应模型开发，和我们常规面向对象开发有点差异，我对它的获知来源也是在InfoQ上得知，

地址：http://www.infoq.com/cn/articles/repository-implementation-strategies?utm_source=articles_about_dotnet&utm_medium=link&utm_campaign=dotnet

//插入数据
public int Insert(Employee employee)
{
    return m_DataSource.Insert("HR.Employee", employee).ToInt32().Execute();
}

//更新数据
public void Update(Employee employee)
{
    m_DataSource.Update("HR.Employee", employee).Execute();
}

//初学者更新实体（但容易出问题，如果对应的漏写了一个属性的赋值）
public void Update(Employee employee)
{
    using (var context = new CodeFirstModels())
    {
        var entity = context.Employees.Where(e => e.EmployeeKey == employee.EmployeeKey).First();
        entity.CellPhone = employee.CellPhone;
        entity.FirstName = employee.FirstName;
        entity.LastName = employee.LastName;
        entity.ManagerKey = employee.ManagerKey;
        entity.MiddleName = employee.MiddleName;
        entity.OfficePhone = employee.OfficePhone;
        entity.Title = employee.Title;
        context.SaveChanges();
    }
}

//中级者更新
public void Update(Employee employee)
{
    using (var context = new CodeFirstModels())
    {
        context.Entry(employee).State = EntityState.Modified;
        context.SaveChanges();
    }
}

//获取指定表全部数据
public IList<Employee> GetAll()
{
    return m_DataSource.From("HR.Employee").ToCollection<Employee>().Execute();
}

压测截图

这个压测图是截图Dapper官方代码库里的，估计有点老，下面评论的朋友也纠正了这点，谢谢，所有先忽略这个EF的压测参考，等我实际压测后，会具体分享出优缺点

在博客园里发现这篇软文对EF VS Dapper 的测试：http://www.cnblogs.com/so9527/p/5674498.html#!comments ，那其实我也不用测试压力差距，唯一告诉我们EF也有自身的优势，微软这个产品迭代这么久的版本肯定一直在提升自己，如果有兴趣可以关注 Core 版本的性能，据说很快；如果熟悉DDD构架模式也知道利用EF这两者也是相当的默契度

由于网友：我是so 的要求，我也简单测试一下他的产品，代码如下，就只考虑单线程

Console.WriteLine($"开始Chloe测试");
using (MsSqlContext msSqlContext = new MsSqlContext("server=(local);user id=test;password=test;database=TestDb;"))
{
IQuery<Order> query = msSqlContext.Query<Order>();
//预热，因为我没去查阅你的源码，默认考虑预热
query.FirstOrDefault();
Stopwatch stopwatch = Stopwatch.StartNew();
IList<long> tmsList = new List<long>();
for (int i = 0; i < 10; i++)
{
stopwatch.Restart();
var data = query.ToList();
stopwatch.Stop();
var tms = stopwatch.ElapsedMilliseconds;
tmsList.Add(tms);
Console.WriteLine($"耗时：{tms}");
}
Console.WriteLine($"平均：{tmsList.Average()}");
Console.ReadKey();
}

Console.WriteLine($"开始Dapper测试");
using (IDbConnection connection = new SqlConnection("server=(local);user id=test;password=test;database=TestDb;"))
{
//也进行预热
connection.QueryFirst("SELECT TOP 1 OrderId,OrderNo FROM [Order]");
Stopwatch stopwatch = Stopwatch.StartNew();
IList<long> tmsList = new List<long>();
for (int i = 0; i < 10; i++)
{
stopwatch.Restart();
var data = connection.Query<Order>("SELECT OrderId,OrderNo FROM [Order]"); ;
stopwatch.Stop();
var tms = stopwatch.ElapsedMilliseconds;
tmsList.Add(tms);
Console.WriteLine($"耗时：{tms}");
}
Console.WriteLine($"平均：{tmsList.Average()}");
Console.ReadKey();
}

100万数据读取，模型包含两个字段，在DEBUG模式下单线程测试，单位：毫秒，由于每个人机器配置不同仅供参考

测试最终结果：

最后分析对比表，如果有异议，欢迎纠正

ORM框架	难易度	开源	轻量级度	性能	扩展性	项目切入
PetaPoco	容易	是	是	快	方便	麻烦点（非T4）
Dapper	容易	是	是	快	方便	麻烦点
Massive	中	是	是	快	还行	有点繁琐
Simple.Data	容易	是	是	快	足够用	快速
Chain	容易	是	是	还可以	足够用	快速
EF	容易	否	否	还可以	足够用	快速

纠正一下表格，把编码级改成项目切入更合适....

这篇对比文章的产生主要是我们公司的开发框架体系在做调整，需要基础框架来逐步切入到各个项目中，顺便也调研了这些轻量级ORM，到时进行权衡对比后再此基础上二次可能开发一个自己ORM，会考虑后期的读写库分离并且分布式措施，内部集成短期数据缓存机制等功能。

posted @ 2017-02-23 12:05 开心码科技阅读(11699) 评论(63) 编辑收藏举报

刷新页面返回顶部

开心码出好产品

各种ORM框架对比（理论篇，欢迎来观摩，并且纠正部分错误，防止误区）

各种ORM框架对比

PetaPoco

使用示例：

Dapper.NET

使用示例：

Massive

代码示例

Simple.Data

Chain

压测截图

公告