Marten项目中的DateTime投影反序列化异常问题解析
问题背景
在使用Marten这个.NET对象文档映射器时,开发人员发现当尝试从存储文档中投影DateTime或DateTimeOffset类型时,会出现反序列化失败的情况。这个问题在Marten 7.5.0和7.6.0版本中都存在,影响了使用System.Text.Json和Newtonsoft.Json两种序列化库的情况。
问题现象
当执行类似以下查询时:
// 获取最大日期
session.Query<UpdateRecord>().MaxAsync(x => x.NextUpdate);
// 或者投影日期列表
session.Query<UpdateRecord>().Select(x => x.NextUpdate).ToListAsync();
系统会抛出反序列化异常。异常的根本原因是数据库返回的日期时间字符串没有被正确包装为JSON格式。
技术分析
异常原因
-
JSON格式问题:数据库返回的日期时间格式如"2024-01-04T09:25:22+10:00"是一个原始字符串,而JSON反序列化器期望的是一个被引号包裹的JSON字符串值,即""2024-01-04T09:25:22+10:00""。
-
序列化器行为:无论是System.Text.Json还是Newtonsoft.Json,在反序列化原始类型时都期望输入是有效的JSON格式。直接传递未加引号的日期时间字符串会导致解析失败。
-
Marten内部处理:Marten在投影简单类型时,直接将数据库返回的值传递给反序列化器,而没有考虑JSON格式要求。
解决方案比较
- 临时解决方案:使用原始SQL查询可以绕过这个问题:
session.Query<DateTime>("select max(d.data ->> 'NextUpdate')::timestamp as data from public.mt_doc_updaterecord as d")
- 根本解决方案:Marten需要在将数据库返回值传递给反序列化器之前,确保数据格式符合JSON规范。对于原始类型如DateTime,应该将值包装为JSON字符串。
深入理解
这个问题揭示了ORM框架在处理原始类型投影时的一个常见陷阱。虽然数据库查询返回了正确的值,但框架需要确保这些值能够被序列化/反序列化层正确处理。
对于DateTime类型,数据库返回的是ISO 8601格式的字符串,但这并不是有效的JSON值。JSON规范要求字符串值必须用双引号包裹。Marten需要在这一层进行适当的转换。
最佳实践建议
-
对于生产环境:如果遇到此问题,可以采用原始SQL查询作为临时解决方案,同时关注Marten的更新。
-
对于框架开发者:在处理原始类型投影时,应该考虑:
- 自动包装原始值为JSON兼容格式
- 提供明确的文档说明支持的投影类型
- 考虑添加专门的日期时间处理逻辑
-
对于应用开发者:在遇到类似问题时,可以:
- 检查数据库返回的实际值
- 验证序列化器期望的输入格式
- 考虑使用DTO对象而不是直接投影原始类型
总结
Marten中的DateTime投影反序列化问题是一个典型的ORM框架与序列化层交互问题。理解JSON格式要求和数据库返回值之间的差异是解决此类问题的关键。虽然目前可以通过原始SQL查询绕过,但长期来看,框架层面的修复将提供更优雅的解决方案。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00