FreeSql 对 PostgreSQL 中 DateOnly 和 TimeOnly 类型的支持演进
在 .NET 开发中,处理日期和时间是常见的需求。随着 .NET 6 引入了 DateOnly 和 TimeOnly 这两个新类型,开发者能够更精确地处理日期和时间数据。然而,在 ORM 框架中如何与数据库类型正确映射,特别是像 PostgreSQL 这样的数据库,成为了一个值得探讨的技术话题。
FreeSql 作为一款流行的 .NET ORM 框架,近期在其 3.5.100 预览版本中逐步完善了对 PostgreSQL 中 DateOnly 和 TimeOnly 类型的支持。这一演进过程反映了 ORM 框架在处理新型数据类型时面临的挑战和解决方案。
初始支持阶段
FreeSql 最初在 MSSQL Server 中实现了对 DateOnly 和 TimeOnly 的完整支持,但在 PostgreSQL 中的支持相对滞后。这主要是因为 PostgreSQL 的 .NET 数据提供程序 Npgsql 在这些类型的处理上存在版本兼容性问题。
技术挑战
主要的技术挑战来自两个方面:
-
Npgsql 版本兼容性问题:不同版本的 Npgsql 对 DateOnly 和 TimeOnly 的处理方式不同。较新版本的改动较大,升级会导致类型加载错误;而低版本又无法正确处理这些类型。
-
类型转换问题:在查询阶段,框架需要正确处理 TimeSpan 到 TimeOnly 的类型转换,否则会抛出"Object must implement IConvertible"异常。
解决方案演进
FreeSql 团队通过多个预览版本的迭代逐步解决了这些问题:
-
在 3.5.100-preview20240815 版本中初步实现了存储功能,但查询时仍存在类型转换问题。
-
经过分析,发现问题根源在于 Npgsql 改变了传统 ADO.NET 的使用习惯,造成了进退两难的局面。
-
最终在 3.5.100-preview20240821 版本中彻底解决了所有已知问题,实现了完整的支持。
开发者注意事项
对于需要使用这些特性的开发者,建议:
-
确保使用 FreeSql 3.5.100-preview20240821 或更高版本。
-
注意 Npgsql 驱动版本的兼容性,避免混合使用不兼容的版本。
-
在迁移现有项目时,注意检查涉及日期时间类型的查询和存储逻辑。
总结
FreeSql 对 PostgreSQL 中 DateOnly 和 TimeOnly 的支持演进展示了 ORM 框架在处理新型数据类型时的典型挑战和解决路径。通过版本迭代,最终实现了稳定可靠的支持,为开发者提供了更完善的类型处理能力。这一过程也提醒我们,在使用新型数据类型时,需要关注框架和驱动程序的版本兼容性,以确保系统的稳定运行。
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