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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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