Nano Hash - криптовалюты, майнинг, программирование

Получение данных с Breeze, которые игнорируются в базе данных

Я создаю SPA и использую BreezeJS для управления данными. Теперь я хочу иметь возможность устанавливать обработанные данные в моем классе модели, которых нет в базе данных, и отправлять их клиенту. Проблема в том, что ветер тоже игнорирует эти свойства.

public class MyModel{
     public int Id{get; set;}
     public string Name{get; set;}
     public string ProcessedData{get; set;}
}
...
Ignore(model=> model.ProcessedData);

Я понимаю, что Breeze использует те же метаданные, что и мой контекст данных, но должен быть способ переопределить его.

Игнорируемые свойства отправляются контроллером как json, просто нужно заставить ветер разобрать его так, как мне нужно.


Ответы:


Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..