扯淡
当前市面上 ORM 很多，有跑车型的，如 Dapper，有中规中矩型的，如 Mybatis.Net，也有重量型的，如 EntityFramework 和 NHibernate，还有一些出自草根之手的，如 Chloe.ORM。各式各样，层出不穷。试问，为何要重复造*？很简单，咱来自火星，目前地球上还没一款*适合咱这辆火星车~
为加深对各个 ORM 框架的了解，同时也想看看咱自己的框架性能如何，也可以让对 Chloe 感兴趣的同学有所了解，今儿，做个性能比较测试。测试对象为大家较熟悉的 EntityFramework 和有“性能之王”之称的 Dapper，以及草根框架 Chloe.ORM。
导航
基本介绍
- EntityFramework：EntityFramework 是微软官方提供的 ORM，俗称 EF，拥有坚不可摧的后台，可谓无人不知，无人不哓。其对 Linq 完美支持，功能丰富，但 EntityFramework Core 之前的版本，一直被业界人员贴上笨重、不可控、性能差的标签，很多人 Hold 不住它。可见，EntityFramework 的伯乐不多啊！不知道 EntityFramework Core 变化了多少，期待！ 本文测试使用的版本是 EntityFramework 6.1。
- Dapper：Dapper 的背景同样不简单，目前支撑国外知名网站 * 的数据访问层，其知名度也很高。在众多 ORM 中，堪称性能之王。作为一款微型 ORM，很受国内开发者的欢迎，毕竟经过大网站 * 的考验。很多自主开发的 ORM 做性能测试，都会选择 Dapper 作为比较对象。Chloe.ORM 也不例外，哈哈！
- Chloe.ORM：草根框架，初生牛犊。点击查看更多介绍...
测试内容
本次只对各 ORM 查询效率做评测。ORM 的性能损耗主要在 DataReader 向实体转换和生成 sql 语句这两过程，因此，本次测试的内容就考察以下两方面：
1.映射能力。
2.查询能力(由于无法仅测试 sql 生成阶段的性能，所以这点测试包括 sql 生成和映射能力)，即一个完整的查询。
测试指标
1.速度。即执行相同的查询所用时 。
2.GC 回收次数。即执行相同的查询 GC 执行回收次数。GC 次数越多说明程序运行内存开销越大。本指标测试通过 vs2013 自带的性能分析工具，它可以自动帮我们分析统计程序运行分配的内存以及 GC 回收次数，不懂的同学可以去了解下。打开 vs，分析 --> 性能与诊断 --> 内存使用率。
测试环境与准备
机器：戴尔 xps13 笔记本，CPU 为 i7-4510U，内存8G，win 10系统。
表：
CREATE TABLE [dbo].[TestEntity]( [Id] [int] IDENTITY(1,1) NOT NULL, [F_Byte] [tinyint] NULL, [F_Int16] [smallint] NULL, [F_Int32] [int] NULL, [F_Int64] [bigint] NULL, [F_Double] [float] NULL, [F_Float] [real] NULL, [F_Decimal] [decimal](18, 0) NULL, [F_Bool] [bit] NULL, [F_DateTime] [datetime] NULL, [F_Guid] [uniqueidentifier] NULL, [F_String] [nvarchar](100) NULL, CONSTRAINT [PK_Test] PRIMARY KEY CLUSTERED ( [Id] ASC )WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, IGNORE_DUP_KEY = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON) ON [PRIMARY] ) ON [PRIMARY]
数据准备：
向 TestEntity 表插入 1000000 条数据。
declare @i int = 0; begin tran; while(@i<=1000000) begin INSERT INTO [dbo].[TestEntity] ([F_Byte] ,[F_Int16] ,[F_Int32] ,[F_Int64] ,[F_Double] ,[F_Float] ,[F_Decimal] ,[F_Bool] ,[F_DateTime] ,[F_Guid] ,[F_String]) VALUES (1 ,2 ,@i ,@i ,@i ,@i ,@i ,@i%2 ,GETDATE() ,NEWID() ,'Chloe' + CAST(@i AS nvarchar(1000)) ) set @i=@i+1; end commit;
测试方案
1.映射能力测试
映射能力是指 DataReader 向实体转换，这过程有很多方式，主流的就是反射和 Emit 动态生成委托两种方式。反射的性能相对比较差，据了解，早期的一批 ORM 大部分是用反射，后来大家意识到反射性能问题，基本都转 Emit 或用其它方式代替了。为减少程序其它方面对测试结果的影响，我设计的方案是一次查询 N 条数据，并且不加任何 where 条件，这样就可以提高映射性能损耗在整个测试中占比，减少其它方面(数据库执行查询、sql 生成等)对测试结果在整个测试中性能影响占比，总之，N 值越大，额外因素对测试结果影响越小，数据更真实。本次测试，我选择一次查50万条数据。测试代码：
class MappingSpeedTest
{
static int takeCount = 50 * 10000;
public static void GCMemoryTest()
{
/*
* 内存分配测试通过 vs2013， 分析 --> 性能与诊断 --> 内存使用率 测试
* 每次运行程序只能调用下面中的一个方法，不能同时调用
*/
ChloeQueryTest(takeCount);
//ChloeSqlQueryTest(takeCount);
//DapperQueryTest(takeCount);
//EFLinqQueryTest(takeCount);
//EFSqlQueryTest(takeCount);
}
public static void SpeedTest()
{
long useTime = 0;
//预热
ChloeQueryTest(1);
useTime = SW.Do(() =>
{
ChloeQueryTest(takeCount);
});
Console.WriteLine("ChloeQueryTest 一次查询{0}条数据总用时：{1}ms", takeCount, useTime);
GC.Collect();
useTime = SW.Do(() =>
{
ChloeSqlQueryTest(takeCount);
});
Console.WriteLine("ChloeSqlQueryTest 一次查询{0}条数据总用时：{1}ms", takeCount, useTime);
GC.Collect();
//预热
DapperQueryTest(1);
useTime = SW.Do(() =>
{
DapperQueryTest(takeCount);
});
Console.WriteLine("DapperQueryTest 一次查询{0}条数据总用时：{1}ms", takeCount, useTime);
GC.Collect();
//预热
EFLinqQueryTest(1);
useTime = SW.Do(() =>
{
EFLinqQueryTest(takeCount);
});
Console.WriteLine("EFLinqQueryTest 一次查询{0}条数据总用时：{1}ms", takeCount, useTime);
GC.Collect();
//预热
EFSqlQueryTest(1);
useTime = SW.Do(() =>
{
EFSqlQueryTest(takeCount);
});
Console.WriteLine("EFSqlQueryTest 一次查询{0}条数据总用时：{1}ms", takeCount, useTime);
GC.Collect();
Console.WriteLine("GAME OVER");
Console.ReadKey();
}
static void ChloeQueryTest(int takeCount)
{
using (MsSqlContext context = new MsSqlContext(DbHelper.ConnectionString))
{
var list = context.Query<TestEntity>().Take(takeCount).ToList();
}
}
static void ChloeSqlQueryTest(int takeCount)
{
using (MsSqlContext context = new MsSqlContext(DbHelper.ConnectionString))
{
var list = context.SqlQuery<TestEntity>(string.Format("select top {0} * from TestEntity", takeCount.ToString())).ToList();
}
}
static void DapperQueryTest(int takeCount)
{
using (IDbConnection conn = DbHelper.CreateConnection())
{
var list = conn.Query<TestEntity>(string.Format("select top {0} * from TestEntity", takeCount.ToString())).ToList();
}
}
static void EFLinqQueryTest(int takeCount)
{
using (EFContext efContext = new EFContext())
{
var list = efContext.TestEntity.AsNoTracking().Take(takeCount).ToList();
}
}
static void EFSqlQueryTest(int takeCount)
{
using (EFContext efContext = new EFContext())
{
var list = efContext.Database.SqlQuery<TestEntity>(string.Format("select top {0} * from TestEntity", takeCount.ToString())).ToList();
}
}
}
运行效果图：
为公平起见，所有测试都是在非 Debug 下运行，且都经过预热。总共测试5轮，下面是测试结果数据：
|
ChloeQueryTest(ms) |
ChloeSqlQueryTest(ms) |
DapperQueryTest(ms) |
EFLinqQueryTest(ms) |
EFSqlQueryTest(ms) |
|
|
第1轮 |
6976 |
7170 |
7948 |
7704 |
7744 |
|
第2轮 |
7357 |
6853 |
8410 |
8328 |
7783 |
|
第3轮 |
7610 |
7833 |
8107 |
9795 |
8706 |
|
第4轮 |
7296 |
6957 |
7760 |
8643 |
7873 |
|
第5轮 |
9636 |
6705 |
8805 |
8946 |
8544 |
|
平均 |
7775 |
7103 |
8206 |
8683 |
8130 |
上表是单纯测试用时，下面是一次查询50万条数据，GC次数情况。
运行效果图：
GC统计结果，由于相同的代码运行，内存分配和GC情况都一样，所以这个测试不必运行多轮：
|
ChloeQueryTest |
ChloeSqlQueryTest |
DapperQueryTest |
EFLinqQueryTest |
EFSqlQueryTest |
|
|
GC回收次数 |
22 |
22 |
38 |
40 |
35 |
可见，Chloe.ORM 在各方面略优，看到这个结果，估计大家觉得不可能。毕竟部分国人喜欢扬眉崇外，国外的月亮比国内圆。开始看到这个结果我也觉得有点不可思议，后来翻看 Dapper 源码，发现 Chloe 稍微快一点是出乎意外，但也在情理之中。EF 映射方式我没去了解，Chloe 和 Dapper 两者创建实体以及属性赋值都是用 Emit 生成委托，这方面性能可以说毫无差距。但不同的是，Chloe 从 DataReader 读数据是调用强类型方法(GetInt(int i)、GetDateTime(int i)、GetString(int i)...等)，所以对于值类型数据的读取，避免了装箱和拆箱，从而减少了很多垃圾对象，随之 GC 次数减少。Dapper 则不然，它从 DataReader 读取数据是使用 DataReader[int i]，其内部实现就是调用 DataReader.GetValue(int i)，如果是值类型的数据，会引起大量的装箱和拆箱，需要 CPU 大量计算的同时还会产生很多的垃圾对象，随之 GC 次数增加。我想这就是 Chloe 在映射方面略胜一筹的原因。可见，Chloe 在映射方面已经做到极致。
其实，三者在映射能力方面差距不大。为了能看出性能差异，我们一次查询了大量的数据，这仅仅是为了测试效果，在实际生产中是不会有这种情况。
结论：
1.速度：取平均值，EFLinqQuery < DapperQuery ≈ EFSqlQuery < ChloeQuery < ChloeSqlQuery
2.GC 次数：EFLinqQuery < DapperQuery < EFSqlQuery< ChloeQuery = ChloeSqlQuery
2.查询能力测试
查询能力包括 sql 生成能力和映射能力，即一个完整的查询，比较符合程序实际运行情况。本测试针对 ORM 性能评测，为减少数据库执行 sql 耗时的干扰，我设计方案是，一次查询只查一条数据，同时考验下对 lambda 的解析能力，加了个 a.Id > id(0) 的 where 条件，执行多次查询(本测试我选择执行20000次查询)。
测试 2.1：
/// <summary>
/// 测试 ORM 的查询能力。测试方法：一次查询一条数据，循环执行多次查询，计算所用时间和内存分配以及GC次数
/// 该类测试循环体内包括创建 DbContext 上下文
/// </summary>
class LoopQueryTest
{
static int takeCount = 1;
static int queryCount = 20000;
public static void GCMemoryTest()
{
/*
* 内存分配测试通过 vs 自带诊断与分析工具测，vs --> 分析 --> 性能与诊断 --> 内存使用率。
* 每次运行程序只能调用下面中的一个方法，不能同时调用
*/
ChloeQueryTest(takeCount, queryCount);
//ChloeSqlQueryTest(takeCount, queryCount);
//DapperQueryTest(takeCount, queryCount);
//EFLinqQueryTest(takeCount, queryCount);
//EFSqlQueryTest(takeCount, queryCount);
}
public static void SpeedTest()
{
long useTime = 0;
//预热
ChloeQueryTest(1, 1);
useTime = SW.Do(() =>
{
ChloeQueryTest(takeCount, queryCount);
});
Console.WriteLine("ChloeQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
useTime = SW.Do(() =>
{
ChloeSqlQueryTest(takeCount, queryCount);
});
Console.WriteLine("ChloeSqlQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
//预热
DapperQueryTest(1, 1);
useTime = SW.Do(() =>
{
DapperQueryTest(takeCount, queryCount);
});
Console.WriteLine("DapperQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
//预热
EFLinqQueryTest(1, 1);
useTime = SW.Do(() =>
{
EFLinqQueryTest(takeCount, queryCount);
});
Console.WriteLine("EFLinqQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
//预热
EFSqlQueryTest(1, 1);
useTime = SW.Do(() =>
{
EFSqlQueryTest(takeCount, queryCount);
});
Console.WriteLine("EFSqlQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
Console.WriteLine("GAME OVER");
Console.ReadKey();
}
static void ChloeQueryTest(int takeCount, int loops)
{
for (int i = 0; i < loops; i++)
{
using (MsSqlContext context = new MsSqlContext(DbHelper.ConnectionString))
{
int id = 0;
var list = context.Query<TestEntity>().Where(a => a.Id > id).Take(takeCount).ToList();
}
}
}
static void ChloeSqlQueryTest(int takeCount, int loops)
{
for (int i = 0; i < loops; i++)
{
using (MsSqlContext context = new MsSqlContext(DbHelper.ConnectionString))
{
int id = 0;
var list = context.SqlQuery<TestEntity>(string.Format("select top {0} * from TestEntity where Id>@Id", takeCount.ToString()), DbParam.Create("@Id", id)).ToList();
}
}
}
static void DapperQueryTest(int takeCount, int loops)
{
for (int i = 0; i < loops; i++)
{
using (IDbConnection conn = DbHelper.CreateConnection())
{
int id = 0;
var list = conn.Query<TestEntity>(string.Format("select top {0} * from TestEntity where Id>@Id", takeCount.ToString()), new { Id = id }).ToList();
}
}
}
static void EFLinqQueryTest(int takeCount, int loops)
{
for (int i = 0; i < loops; i++)
{
using (EFContext efContext = new EFContext())
{
int id = 0;
var list = efContext.TestEntity.AsNoTracking().Where(a => a.Id > id).Take(takeCount).ToList();
}
}
}
static void EFSqlQueryTest(int takeCount, int loops)
{
for (int i = 0; i < loops; i++)
{
using (EFContext efContext = new EFContext())
{
int id = 0;
var list = efContext.Database.SqlQuery<TestEntity>(string.Format("select top {0} * from TestEntity where Id>@Id", takeCount.ToString()), new SqlParameter("@Id", id)).ToList();
}
}
}
}
运行效果图：
运行5次，下面是用时结果：
|
ChloeQueryTest(ms) |
ChloeSqlQueryTest(ms) |
DapperQueryTest(ms) |
EFLinqQueryTest(ms) |
EFSqlQueryTest(ms) |
|
|
第1轮 |
15083 |
12594 |
13134 |
41163 |
24339 |
|
第2轮 |
15597 |
12711 |
12133 |
40294 |
25281 |
|
第3轮 |
15356 |
11885 |
11587 |
44913 |
25707 |
|
第4轮 |
16419 |
13089 |
12803 |
46196 |
25635 |
|
第5轮 |
16216 |
12463 |
12221 |
40064 |
23749 |
|
平均 |
15734 |
12548 |
12375 |
42526 |
24942 |
再来看看GC情况：
|
ChloeQueryTest |
ChloeSqlQueryTest |
DapperQueryTest |
EFLinqQueryTest |
EFSqlQueryTest |
|
|
GC回收次数 |
116 |
47 |
49 |
538 |
359 |
不测不知道，一测吓一跳。看到这个结果，我吃了那啥好几斤，不知道是我代码有问题还是怎么回事，EF 居然如此“差强人意”，好伤心。
不过仔细看测试2.1的测试代码，发现循环体内包含了创建 DbContext 的代码，我在想会不会是因为多次创建 DbContext 而导致 EF 如此慢？如果把创建 DbContext 的代码放到循环体外 EF 会不会更好点？于是就有了测试2.2。
测试2.2：
/// <summary>
/// 测试 ORM 的查询能力。测试方法：一次查询一条数据，循环执行多次查询，计算所用时间和内存分配以及GC次数
/// 该类测试循环体内不包括创建 DbContext 上下文
/// </summary>
class LoopQueryTestWithNotCreateDbContext
{
static int takeCount = 1;
static int queryCount = 20000;
public static void GCMemoryTest()
{
/*
* 内存分配测试通过 vs 自带诊断与分析工具测，vs --> 分析 --> 性能与诊断 --> 内存使用率。
* 每次运行程序只能调用下面中的一个方法，不能同时调用
*/
//ChloeQueryTest(takeCount, queryCount);
//ChloeSqlQueryTest(takeCount, queryCount);
//DapperQueryTest(takeCount, queryCount);
//EFLinqQueryTest(takeCount, queryCount);
EFSqlQueryTest(takeCount, queryCount);
}
public static void SpeedTest()
{
long useTime = 0;
//预热
ChloeQueryTest(1, 1);
useTime = SW.Do(() =>
{
ChloeQueryTest(takeCount, queryCount);
});
Console.WriteLine("ChloeQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
useTime = SW.Do(() =>
{
ChloeSqlQueryTest(takeCount, queryCount);
});
Console.WriteLine("ChloeSqlQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
//预热
DapperQueryTest(1, 1);
useTime = SW.Do(() =>
{
DapperQueryTest(takeCount, queryCount);
});
Console.WriteLine("DapperQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
//预热
EFLinqQueryTest(1, 1);
useTime = SW.Do(() =>
{
EFLinqQueryTest(takeCount, queryCount);
});
Console.WriteLine("EFLinqQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
//预热
EFSqlQueryTest(1, 1);
useTime = SW.Do(() =>
{
EFSqlQueryTest(takeCount, queryCount);
});
Console.WriteLine("EFSqlQueryTest 执行{0}次查询总用时：{1}ms", queryCount, useTime);
GC.Collect();
Console.WriteLine("GAME OVER");
Console.ReadKey();
}
static void ChloeQueryTest(int takeCount, int loops)
{
using (MsSqlContext context = new MsSqlContext(DbHelper.ConnectionString))
{
for (int i = 0; i < loops; i++)
{
int id = 0;
var list = context.Query<TestEntity>().Where(a => a.Id > id).Take(takeCount).ToList();
}
}
}
static void ChloeSqlQueryTest(int takeCount, int loops)
{
using (MsSqlContext context = new MsSqlContext(DbHelper.ConnectionString))
{
for (int i = 0; i < loops; i++)
{
int id = 0;
var list = context.SqlQuery<TestEntity>(string.Format("select top {0} * from TestEntity where Id>@Id", takeCount.ToString()), DbParam.Create("@Id", id)).ToList();
}
}
}
static void DapperQueryTest(int takeCount, int loops)
{
using (IDbConnection conn = DbHelper.CreateConnection())
{
for (int i = 0; i < loops; i++)
{
int id = 0;
var list = conn.Query<TestEntity>(string.Format("select top {0} * from TestEntity where Id>@Id", takeCount.ToString()), new { Id = id }).ToList();
}
}
}
static void EFLinqQueryTest(int takeCount, int loops)
{
using (EFContext efContext = new EFContext())
{
for (int i = 0; i < loops; i++)
{
int id = 0;
var list = efContext.TestEntity.AsNoTracking().Where(a => a.Id > id).Take(takeCount).ToList();
}
}
}
static void EFSqlQueryTest(int takeCount, int loops)
{
using (EFContext efContext = new EFContext())
{
for (int i = 0; i < loops; i++)
{
int id = 0;
var list = efContext.Database.SqlQuery<TestEntity>(string.Format("select top {0} * from TestEntity where Id>@Id", takeCount.ToString()), new SqlParameter("@Id", id)).ToList();
}
}
}
}
运行5次，得到以下结果：
|
ChloeQueryTest(ms) |
ChloeSqlQueryTest(ms) |
DapperQueryTest(ms) |
EFLinqQueryTest(ms) |
EFSqlQueryTest(ms) |
|
|
第1轮 |
15281 |
11858 |
11981 |
31394 |
19309 |
|
第2轮 |
15194 |
12177 |
12314 |
31464 |
18161 |
|
第3轮 |
15967 |
12348 |
12366 |
31082 |
18030 |
|
第4轮 |
15371 |
11793 |
12479 |
32314 |
18356 |
|
第5轮 |
15350 |
11921 |
11937 |
35023 |
18356 |
|
平均 |
15411 |
12019 |
12215 |
32255 |
18442 |
GC 情况：
|
ChloeQueryTest |
ChloeSqlQueryTest |
DapperQueryTest |
EFLinqQueryTest |
EFSqlQueryTest |
|
|
GC回收次数 |
111 |
41 |
47 |
368 |
205 |
看起来改后测试数据较测试2.1稍微提升了点，提升幅度最明显的就是 EF，时间减少近 10 秒，GC 次数也减少了很多。如此看来，EF 创建和销毁 DbContext 上下文也是个挺耗性能的环节。不测还真不知道。不过， EF 的测试结果仍然不尽人意，EFLinqQueryTest 耗时依然比同为对象化查询的 ChloeQueryTest 多出一倍的时间，GC 次数是 ChloeQueryTest 的3倍还高。而且作为 EF 原生 sql 查询的 EFSqlQueryTest 在耗时、GC次数上居然比 ChloeQueryTest 要差，有点说不过去~真想知道 EF 内部做了什么不为人知的工作！
DapperQuery 和 ChloeSqlQuery 都是原生 sql 查询，在测试2.1中 DapperQuery 稍微快点，但在测试2.2中 ChloeSqlQuery 实现了反超。仔细想想，其实也不难理解，Chloe 的 DbContext 创建会伴随很多对象的创建，也耗不少资源，在测试2.2中，只创建了一个 DbContext 对象，随之，各方面提升也是肯定的。ChloeQuery 跟前两者压根没可比性，毕竟前两者没任何解析和生成 sql 过程，ChloeQuery 相对慢那是必然的。慢的那几秒就是用于解析 lambda 和生成 sql 。鱼和熊掌不可兼得，想要获得开发方便，性能损耗在所难免！
EF…“名副其实”的慢，不说了，都是泪- -。跪求大神来给 EF 正名！
结论：
1.速度：取平均值，EFLinqQuery < EFSqlQuery < ChloeQuery < ChloeSqlQuery ≈ DapperQuery
2.GC 次数：EFLinqQuery < EFSqlQuery < ChloeQuery < DapperQuery < ChloeSqlQuery
评测总结
- 映射能力：从 DataReader 向实体转换过程，Dapper 和 Chloe 都是利用 Emit 动态生成委托的方式，我相信 EF 也是这样。因此，在创建实体和属性赋值环节3者都相当。但不同的是，Chloe 在读 DataReader 数据的上做到了极致，所以在映射转换性能上相对比 Dapper 和 EF 要高些。Dapper 和 EF 则差不多。其实，速度上3者都相当，主要差别就是在内存开销上。
- 查询能力：查询能力是指框架执行一次完整的查询所耗时多少与内存开销大小。从测试2.1和测试2.2测试结果数据中我们可以看到，Dapper 和 Chloe 的原生 sql 查询性能几乎一样，差距不大，Chloe 的对象化查询较前两者稍微差点，主要是生成 sql 过程比较消耗性能。EF “不负众望”，以垫底的姿势存在，无论是在速度还是GC次数上都比前两者差一大截。EF 的映射能力其实不差(从映射能力测试数据中可以知道)，查询速度之所以慢，毫无疑问，问题出现在执行 sql 之前的环节。不过，EF 完美支持 Linq，丰富强大的功能着实让众多草根框架望尘莫及，希望 EntityFramework Core 版本性能有所大幅度提升。
关于 Chloe.ORM
我的开发原则是，只要在我的能力范围内，不影响大局，要做就做到极致，这是一种追求。Chloe.ORM 还有部分地方可以优化，但优化后对性能提升也不会很大，最近忙，也懒得折腾了。目前框架整体架构、功能都已经稳定，现在只支持 SqlServer，接下来的发展目标是支持 MySql，对 Chloe 感兴趣的同学可加入《.NET技术共享》群(群号：325936847)。为防止一些不相干人等混入群内，申请加群时需要您回答问题，只要你愿意，即可进群！谢谢合作。
关于源码，目前很缺乏注释与规范，一些类、方法以及变量的命名不是很好(英文，硬伤- -)，给对源码感兴趣的同学阅读带来很大的困扰，在此说声抱歉。往后，我会适当的加上一些注释。很多时候，除了一些极其关键点，我一般不会去写注释，特别是开发阶段，代码变换太频繁，维护代码的同时还要维护相应的注释，太幸苦，咱吃不消。所谓好代码就是最好的注释，像我这种懒人，不习惯注释，如果代码也不好好写的话，回过头我自己读自己的代码我估计都读不懂。因此，不写注释，也形成了一种自我逼迫，促使我必须把代码写得干净利落、优雅、易读。如果有必要，往后有空我也可以出篇 Chloe.ORM 框架内部架构设计和实现介绍的文章。
结语
本次测试并不是想证明谁好谁坏，只是想通过对比去了解各个 ORM 之间在性能上的差异，以便我们更好的为项目做技术选型。一样东西，存在必然有它存在的价值，项目开发，选择合适的框架才是重要的。Dapper 堪称性能之王，但它极度依赖手写 sql，开发效率低，容错率不高，如果一个项目不是高性能要求，选择一个快速开发框架就好，短时间内完成项目才是主要的。我们要做的就是利益最大化。实际上，并非个个项目都是 *！倘若一个项目数据层用 Dapper 也好，用 EntityFramework 也罢，在同样的服务器上跑，都可以完美运行，用户完全感觉不到差别，我们为何不选开发效率高的 EntityFramework 呢？就目前，我们公司里部分项目，用户群体不是面向大众，我们就是用 EntityFramework，用它开发效率就是高，项目进展快，我们没理由用其它框架，很简单。
作为一名开发人员，很多时候真正的价值并不是你代码写得多好，程序运行多快，而是如何能在同样的时间内给用户、公司、社会带来最大的收益。
ps：所有的测试代码都已同步在 GitHub，地址：https://github.com/shuxinqin/Chloe/tree/master/src/DotNet/ChloePerformanceTest。