Marten 项目中 DateOnly 类型字段索引创建问题解析
2025-06-26 21:53:55作者:宣利权Counsellor
问题背景
在 Marten 6.4.1 版本中,开发者在尝试为包含 DateOnly 类型字段的实体类创建索引时遇到了问题。当使用 SchemaBuilder 为 DateOnly 类型字段创建索引时,系统会抛出 PostgreSQL 特有的错误:"functions in index expression must be marked IMMUTABLE"。
技术细节分析
DateOnly 是 .NET 6 引入的新类型,用于表示仅包含日期部分的值(不包含时间)。Marten 在处理这种类型时,尝试将其映射到 PostgreSQL 的 date 类型,但在创建索引时遇到了函数可变性问题。
错误的核心在于 PostgreSQL 要求索引表达式中的函数必须是 IMMUTABLE(不可变的),这意味着函数对于相同的输入必须始终返回相同的输出,不能依赖于数据库状态或外部因素。Marten 生成的 CAST 转换函数未被标记为 IMMUTABLE,因此 PostgreSQL 拒绝了索引创建请求。
临时解决方案
在官方修复此问题之前,开发者可以采用以下临时解决方案:
- 使用重复字段(Duplicate Field):通过配置将 DateOnly 字段标记为重复字段,这样 Marten 会在文档表中创建一个额外的列来存储该值,可以直接在该列上创建索引。
_.Schema.For<SampleClass>()
.Duplicate(c => c.Date);
- 自定义索引表达式:通过编写自定义的 SQL 表达式来创建索引,确保使用的转换函数是 IMMUTABLE 的。
官方修复情况
Marten 开发团队已经确认了这个问题,并在本地环境中完成了修复。修复方式可能是为 DateOnly 类型实现类似 DateTime 类型的处理机制,确保生成的索引表达式符合 PostgreSQL 的 IMMUTABLE 要求。
性能考量
虽然使用重复字段可以解决索引问题,但需要注意以下几点:
- 写入性能:重复字段会增加写入时的开销,因为 Marten 需要同时更新文档的 JSON 数据和单独的列。
- 存储空间:每个重复字段都会在表中创建额外的列,增加存储需求。
- 查询灵活性:JSON 查询和重复字段查询在性能特征上有所不同,需要根据实际查询模式进行选择。
最佳实践建议
对于生产环境中的 DateOnly 类型字段处理,建议:
- 如果升级到包含修复的 Marten 版本是可行的选择,等待官方发布修复版本是最佳方案。
- 如果必须立即解决,评估使用重复字段对应用性能的影响,特别是在写入密集场景下。
- 考虑业务需求,评估是否真的需要在该字段上创建索引,或者是否有其他查询优化方式。
随着 .NET 生态中 DateOnly 类型使用越来越广泛,Marten 对其的完整支持将变得更加重要,开发团队对此问题的快速响应也体现了项目的活跃维护状态。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
223
246
暂无简介
Dart
672
157
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
313
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
218
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
330
137