AWS SDK for .NET 中 DynamoDBContext 对 DateOnly 和 TimeOnly 的支持
在最新发布的 AWSSDK.DynamoDBv2 4.0.0-preview.10 版本中,AWS .NET SDK 团队为 DynamoDBContext 添加了对 .NET 6+ 新增的 DateOnly 和 TimeOnly 类型的原生支持。这一改进解决了开发者在使用 DynamoDB 存储纯日期或纯时间数据时的痛点。
背景与需求
在数据处理场景中,我们经常遇到只需要存储日期(如生日、事件日期)或时间(如营业时间、会议时间)而不需要完整时间戳的情况。在 .NET 6 之前,开发者只能使用 DateTime 类型,这会导致存储冗余信息(时间部分为默认值)或引入额外的转换逻辑。
.NET 6 引入了两个专门处理这类场景的值类型:
- DateOnly:仅表示日期(年、月、日)
- TimeOnly:仅表示时间(时、分、秒、毫秒)
实现方案
AWS SDK 团队通过添加四个新的转换器来实现这一功能:
- DateOnlyConverterV1
- TimeOnlyConverterV1
- DateOnlyConverterV2
- TimeOnlyConverterV2
这些转换器采用了与现有 DateTime 转换器不同的字符串格式:
- DateOnly 使用 "yyyy-MM-dd" 格式
- TimeOnly 使用 "HH:mm:ss.fff" 格式
这种设计保持了与现有系统的兼容性。即使 .NET Framework 或其他不支持 DateOnly/TimeOnly 的平台访问这些数据,也能通过 DateTime 类型解析这些格式。
技术细节
实现上主要涉及三个方面的修改:
- DynamoDBEntryConversion 中新增转换器注册
- SchemaV1 和 SchemaV2 对新增类型的支持
- 条件编译确保只在支持的目标框架中启用
值得注意的是,由于 DateOnly 和 TimeOnly 是 .NET 6+ 引入的类型,这些功能不会在 .NET Standard 版本中提供。
开发者价值
这一改进为开发者带来了以下好处:
- 更精确的数据建模能力,可以准确表达业务领域中的纯日期/时间概念
- 减少不必要的类型转换代码
- 保持向后兼容性,现有系统仍能读取新格式的数据
- 与 .NET 生态的新特性保持同步
总结
AWS SDK for .NET 团队持续关注开发者需求,通过添加对 DateOnly 和 TimeOnly 的支持,进一步提升了 DynamoDB 在 .NET 应用中的数据建模能力。这一改进体现了 AWS 对 .NET 生态系统的重视,也为开发者处理日期时间数据提供了更专业的工具。
对于正在使用或计划使用 DynamoDB 的 .NET 6+ 项目,建议升级到最新预览版本来体验这一功能。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00