百度360必应搜狗淘宝本站头条
当前位置:网站首页 > IT知识 > 正文

.NET Framework 和 .NET Core区别总结

liuian 2024-12-02 22:21 19 浏览


.NET Framework 和 .NET Core 是微软开发的两个不同的软件框架,它们都提供了一组广泛的库和API,用于开发Windows、Web和服务器应用程序。.NET Framework 仍然会接收安全更新和一些必要的支持,但不会添加新的功能。微软推荐开发者使用.NET Core或其后继者.NET 5及更高版本进行新项目的开发。


参考文档:https://www.cjavapy.com/article/60/


1、.NET 生态系统


.NET生态系统由多个组件构成,包括运行时(如.NET Framework、.NET Core、Mono)、编程语言(C#、F#、VB.NET)、工具和SDK(如Visual Studio、.NET CLI)、以及大量的库和框架(如ASP.NET、Entity Framework、Xamarin用于移动开发)。这个生态系统支持从简单的桌面程序到复杂的云基础设施的开发,满足不同类型的编程需求和应用场景。NET生态系统结构图如下,



NET生态系统主要包括三大高级组件,.NET Framework, .NET Core, and Xamarin。


1)Xamarin


Xamarin最适合那些希望使用.NET生态系统和C#开发跨平台移动应用程序的企业和开发者。对于需要同时在iOS、Android和Windows上提供高性能、原生感觉应用程序的项目,Xamarin提供了一个高效、成本效益高的解决方案。


2).NET Framework


.NET Framework 是微软推出的一个应用程序开发框架,最早于2002年发布。它提供了一套广泛的类库(称为Framework Class Library,FCL),使开发者能够创建Windows桌面应用程序、Web服务和其他类型的应用程序。.NET Framework 的一个核心组件是公共语言运行库(Common Language Runtime,CLR),它负责程序执行、内存管理、线程管理、垃圾回收等。支持Windows和Web应用程序。可以使用Windows窗体,WPF和UWP在.NET Framework中构建Windows应用程序。ASP.NET MVC用于在.NET Framework中构建Web应用程序。


3).NET Core 和 .NET 5+


随着云计算和移动计算的兴起,跨平台开发的需求日益增加。为了适应这一变化,微软推出了.NET Core,这是一个开源、跨平台的框架,旨在支持Windows、Linux和macOS上的应用程序开发。.NET Core 的设计更加模块化,可以让应用程序仅包含所需的组件,从而减小部署尺寸并提高性能。.NET Core仅支持UWP和ASP.NET Core。UWP用于构建Windows 10目标Windows和移动应用程序。ASP.NET Core用于构建基于浏览器的Web应用程序。


.NET 5 是微软推出的下一代.NET,标志着.NET Core 和 .NET Framework 的合并。从.NET 5开始,微软不再区分“.NET Core”和“.NET Framework”,而是提供一个统一的平台,支持所有类型的.NET应用程序开发,包括桌面应用程序、Web应用程序、云服务和移动应用程序。.NET 5及其后续版本(如.NET 6、.NET 7等)继续沿用.NET Core的开源和跨平台特性,同时引入了更多的性能改进和功能增强。


2、平台选择


.NET生态系统是一个广泛的开发平台,由微软创建,用于构建各种类型的应用程序,包括Web、移动、桌面、游戏和物联网(IoT)应用程序。选择合适的.NET平台主要取决于你的项目需求、目标平台、性能考虑和团队技能。


1).NET Core


.NET Core是一个开源、跨平台的.NET实现,适用于构建现代的、云基础的、互联网连接的应用程序,包括Web应用程序、微服务、工具和控制台应用。.NET Core特别适合那些需要在Windows、Linux和MacOS上运行的应用程序。


2).NET Framework


.NET Framework是用于Windows应用程序的原始.NET实现。它支持构建Web、服务、桌面应用程序和更多。由于它只在Windows上运行,它特别适合那些专注于构建或维护Windows平台应用程序的项目。


3)Xamarin/Mono


Xamarin/Mono用于构建跨平台的移动应用程序,使开发者能够使用.NET和C#来创建iOS、Android和Windows应用程序。Xamarin是那些希望共享代码库并在多个移动平台上提供原生应用体验的项目的理想选择。


4)Blazor


Blazor是一个使用.NET构建交互式Web UI的框架。Blazor允许开发者使用C#而不是JavaScript来构建Web前端应用程序。这对希望将.NET生态系统扩展到Web前端开发的团队来说是一个吸引人的选择。


5)ASP.NET Core


ASP.NET Core 是用于构建现代、高性能的Web应用程序和服务的框架。ASP.NET Core可以在.NET Core上运行,支持跨平台部署,适用于构建企业级Web应用程序。


6)UWP


UWP (Universal Windows Platform) 用于构建在所有Windows 10设备上运行的应用程序,包括PC、平板电脑、手机、Xbox和HoloLens。UWP是为了提供跨Windows设备的一致用户体验而设计的。


需求或场景

推荐的.NET平台

需要高性能稳定,没有UI界面

.NET Core (性能更好,支持Docker容器)

命令行上的大量操作

.NET Core (支持得更好)

有跨平台的需求

.NET Core

使用微服务

.NET Core (为当下需求而设计)

以用户界面为中心的Web应用程序

.NET Framework (直到.NET Core赶上之前)

使用Windows窗体和WPF的Windows客户端应用程序

.NET Framework (已有预先配置的环境和系统)

需要马上构建布署稳定的版本

.NET Framework (更成熟)

存在经验丰富的.Net团队,但时间不是问题,实验是可以接受的,不急于部署

.NET Core (是.NET的未来,有学习曲线)


将.NET应用程序移植到.NET Core


下面文档,解释了将.NET框架应用程序移植到.NET Core的过程。


https://docs.microsoft.com/en-us/dotnet/articles/core/porting/index


注意:并非所有.NET框架应用程序都可以移植到.NET Core。


参考文档:


  • https://blogs.msdn.microsoft.com/dotnet/2016/07/15/net-core-roadmap/
  • https://docs.microsoft.com/en-us/dotnet/articles/standard/choosing-core-framework-server


https://www.cjavapy.com/article/60/

相关推荐

深入解析 MySQL 8.0 JSON 相关函数:解锁数据存储的无限可能

引言在现代应用程序中,数据的存储和处理变得愈发复杂多样。MySQL8.0引入了丰富的JSON相关函数,为我们提供了更灵活的数据存储和检索方式。本文将深入探讨MySQL8.0中的JSON...

MySQL的Json类型个人用法详解(mysql json类型对应java什么类型)

前言虽然MySQL很早就添加了Json类型,但是在业务开发过程中还是很少设计带这种类型的表。少不代表没有,当真正要对Json类型进行特定查询,修改,插入和优化等操作时,却感觉一下子想不起那些函数怎么使...

MySQL的json查询之json_array(mysql json_search)

json_array顾名思义就是创建一个数组,实际的用法,我目前没有想到很好的使用场景。使用官方的例子说明一下吧。例一selectjson_array(1,2,3,4);json_array虽然单独...

头条创作挑战赛#一、LSTM 原理 长短期记忆网络

#头条创作挑战赛#一、LSTM原理长短期记忆网络(LongShort-TermMemory,LSTM)是一种特殊类型的循环神经网络(RNN),旨在解决传统RNN在处理长序列数据时面临的梯度...

TensorBoard最全使用教程:看这篇就够了

机器学习通常涉及在训练期间可视化和度量模型的性能。有许多工具可用于此任务。在本文中,我们将重点介绍TensorFlow的开源工具套件,称为TensorBoard,虽然他是TensorFlow...

图神经网络版本的Kolmogorov Arnold(KAN)代码实现和效果对比

本文约4600字,建议阅读10分钟本文介绍了图神经网络版本的对比。KolmogorovArnoldNetworks(KAN)最近作为MLP的替代而流行起来,KANs使用Kolmogorov-Ar...

kornia,一个实用的 Python 库!(python kkb_tools)

大家好,今天为大家分享一个实用的Python库-kornia。Github地址:https://github.com/kornia/kornia/Kornia是一个基于PyTorch的开源计算...

图像分割掩码标注转YOLO多边形标注

Ultralytics团队付出了巨大的努力,使创建自定义YOLO模型变得非常容易。但是,处理大型数据集仍然很痛苦。训练yolo分割模型需要数据集具有其特定格式,这可能与你从大型数据集中获得的...

[python] 向量检索库Faiss使用指北

Faiss是一个由facebook开发以用于高效相似性搜索和密集向量聚类的库。它能够在任意大小的向量集中进行搜索。它还包含用于评估和参数调整的支持代码。Faiss是用C++编写的,带有Python的完...

如何把未量化的 70B 大模型加载到笔记本电脑上运行?

并行运行70B大模型我们已经看到,量化已经成为在低端GPU(比如Colab、Kaggle等)上加载大型语言模型(LLMs)的最常见方法了,但这会降低准确性并增加幻觉现象。那如果你和你的朋友们...

ncnn+PPYOLOv2首次结合!全网最详细代码解读来了

编辑:好困LRS【新智元导读】今天给大家安利一个宝藏仓库miemiedetection,该仓库集合了PPYOLO、PPYOLOv2、PPYOLOE三个算法pytorch实现三合一,其中的PPYOL...

人工智能——图像识别(人工智能图像识别流程)

概述图像识别(ImageRecognition)是计算机视觉的核心任务之一,旨在通过算法让计算机理解图像内容,包括分类(识别物体类别)、检测(定位并识别多个物体)、分割(像素级识别)等,常见的应用场...

PyTorch 深度学习实战(15):Twin Delayed DDPG (TD3) 算法

在上一篇文章中,我们介绍了DeepDeterministicPolicyGradient(DDPG)算法,并使用它解决了Pendulum问题。本文将深入探讨TwinDelayed...

大模型中常用的注意力机制GQA详解以及Pytorch代码实现

分组查询注意力(GroupedQueryAttention)是一种在大型语言模型中的多查询注意力(MQA)和多头注意力(MHA)之间进行插值的方法,它的目标是在保持MQA速度的同时...

pytorch如何快速创建具有特殊意思的tensor张量?

专栏推荐正文我们通过值可以看到torch.empty并没有进行初始化创建tensor并进行随机初始化操作,常用rand/rand_like,randint正态分布(0,1)指定正态分布的均值还有方差i...