FreeSql 项目中对 PostgreSQL 的 DateOnly 和 TimeOnly 类型支持解析
在 .NET 生态系统中,FreeSql 是一个功能强大的 ORM 框架,近期有用户提出了对 PostgreSQL 数据库中 DateOnly 和 TimeOnly 类型支持的需求。本文将深入分析这一特性的实现过程和技术细节。
背景介绍
随着 .NET 6 的发布,引入了 DateOnly 和 TimeOnly 这两个新的日期时间类型,它们分别用于表示纯日期和纯时间值。然而,在 FreeSql 的早期版本中,这两个类型仅支持 MSSQL Server 数据库,对于 PostgreSQL 的支持存在缺失。
技术挑战
实现 PostgreSQL 对 DateOnly 和 TimeOnly 的支持面临几个主要技术难点:
-
Npgsql 版本兼容性问题:Npgsql 作为 PostgreSQL 的 .NET 数据提供程序,其不同版本间的类型处理机制存在较大差异。高版本改动较大,升级会导致类型加载失败;而低版本则无法正确处理 TimeOnly 类型的写入。
-
类型转换异常:在查询阶段会出现类型转换错误,系统尝试将 TimeSpan 类型转换为 TimeOnly 类型时抛出异常,提示"Object must implement IConvertible"。
-
ADO.NET 使用习惯变更:Npgsql 的新版本改变了传统的 ADO.NET 使用模式,这使得兼容性处理变得更加复杂。
解决方案
FreeSql 团队在 v3.5.100-preview20240821 版本中成功解决了这些问题。解决方案主要包括:
-
类型处理适配:针对不同版本的 Npgsql 实现了适配层,确保在各种环境下都能正确处理 DateOnly 和 TimeOnly 类型。
-
查询结果转换优化:改进了查询结果集的类型转换逻辑,确保从数据库读取的数据能够正确映射到 .NET 的 DateOnly 和 TimeOnly 类型。
-
写入处理增强:完善了数据写入时的类型处理,解决了早期版本中 TimeOnly 类型写入失败的问题。
使用建议
对于需要使用这些新类型的开发者,建议:
- 确保使用 FreeSql v3.5.100-preview20240821 或更高版本。
- 检查项目中 Npgsql 的版本兼容性。
- 对于现有项目升级,建议先在测试环境验证类型转换的正确性。
总结
FreeSql 对 PostgreSQL 的 DateOnly 和 TimeOnly 类型的支持完善了其多数据库兼容性,为开发者处理纯日期和纯时间场景提供了更好的支持。这一改进体现了 FreeSql 项目对 .NET 新特性的快速响应能力,也展示了其在处理不同数据库差异方面的技术实力。
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