EntityFramework Core 中 DateOnly 与 TimeOnly 类型转换的 SQL Server 实现优化
在 EntityFramework Core 8.0 版本中,微软引入了对 DateOnly 和 TimeOnly 这两种新型日期时间类型的支持。这两种类型分别用于表示纯日期和纯时间,而不包含时区信息。然而,在实际应用中,我们经常需要将 DateOnly 和 TimeOnly 组合成完整的 DateTime 类型。
问题背景
在 C# 代码中,我们可以直接调用 DateOnly 的 ToDateTime 方法,并传入一个 TimeOnly 对象来组合成完整的 DateTime。例如:
dateOnly.ToDateTime(timeOnly)
然而,当这样的代码在 EntityFramework Core 的 LINQ 查询中使用时,EF Core 需要能够将其正确地转换为 SQL 语句。对于 SQL Server 数据库,最合适的转换方式是使用 DATETIMEFROMPARTS 函数。
技术解决方案
EF Core 团队决定实现这一转换,将 C# 中的 DateOnly.ToDateTime(TimeOnly) 方法调用转换为 SQL Server 的 DATETIMEFROMPARTS 函数调用。具体转换逻辑如下:
原始 C# 代码:
dateOnly.ToDateTime(timeOnly)
转换为:
EF.Functions.DateTimeFromParts(
dateOnly.Year, dateOnly.Month, dateOnly.Day,
timeOnly.Hour, timeOnly.Minute, timeOnly.Second, timeOnly.Millisecond)
最终生成的 SQL 语句:
DATETIMEFROMPARTS(
DATEPART(year, dateOnly), DATEPART(month, dateOnly), DATEPART(day, dateOnly),
DATEPART(hour, timeOnly), DATEPART(minute, timeOnly), DATEPART(second, timeOnly), DATEPART(millisecond, timeOnly))
实现注意事项
在实现这一转换时,开发团队考虑了以下几点重要因素:
-
参数重复问题:这种转换方式会导致参数被多次提取(年、月、日、时、分、秒、毫秒)。当参数是简单列值时没有问题,但如果参数是复杂的标量子查询,会导致子查询被多次执行,影响性能。因此,初步实现中不会对这种情况进行转换。
-
数据库兼容性:目前这一转换仅针对 SQL Server 实现,因为不同数据库系统对日期时间处理的函数差异较大。例如,SQLite 就需要不同的处理方式。
-
测试用例:为了确保转换的正确性,需要添加多种测试场景,包括:
- DateOnly 与常量 TimeOnly 的组合
- DateOnly 与属性 TimeOnly 的组合
- 各种边界条件的测试
实际应用示例
在实际应用中,这种转换可以用于各种查询场景,例如:
// 查询特定日期时间组合的记录
var missions = context.Missions
.Where(m => m.Date.ToDateTime(m.Time) == new DateTime(1990, 11, 10, 10, 15, 50, 500))
.ToList();
// 或者与常量时间组合
var eveningMissions = context.Missions
.Where(m => m.Date.ToDateTime(new TimeOnly(21, 5, 19, 94)) == new DateTime(1990, 11, 10, 21, 5, 19, 94))
.ToList();
总结
这一改进使得 EntityFramework Core 能够更自然地在 LINQ 查询中处理 DateOnly 和 TimeOnly 类型的组合操作,同时保持高效的 SQL 转换。对于使用 SQL Server 作为数据库后端的应用程序,这一特性将大大简化日期时间处理的代码,同时保证查询性能。
随着 .NET 对 DateOnly 和 TimeOnly 类型的推广使用,EntityFramework Core 也在不断完善对这些新型日期时间类型的支持,为开发者提供更加类型安全、语义清晰的日期时间处理方式。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0201
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07