Nano Hash - криптовалюты, майнинг, программирование

Получить записи по свойству даты и времени коллекции и сравнению сложности

У меня есть модель со свойствами startDate и endDate. При вставке модели в монго дата и время переводятся в строку даты и времени в формате ISO. Я пытаюсь получить свойства диапазона дат документа, используя LINQ для сбора, как описано в документации mongodb https://mongodb-documentation.readthedocs.io/en/latest/ecosystem/tutorial/use-linq-queries-with-csharp-driver.html#gsc.tab=0

Моя модель кода С#, соответствующая реквизиту:

public DateTime StartWorkDate { get; set; }
public DateTime FinishWorkDate { get; set; }

Соответствующие реквизиты документа mongodb: введите здесь описание изображения

Мой код, где я пытаюсь получить документ по диапазону дат

GetRecordsByDate(DateTime start,DateTime end){
...
var collection = _db.GetCollection<TestModel>("TestCollection");
var query = from test in collection.AsQueryable<TestModel>()
            where (DateTime.Compare(test.StartWorkDate, start) > 0 || DateTime.Compare(test.StartWorkDate, start) == 0) &&
                        (DateTime.Compare(test.FinishWorkDate, end) < 0 || DateTime.Compare(test.FinishWorkDate, end) == 0)
                        select test;
          
return query.ToList();
}

Я получаю следующее исключение: Сообщение: System.InvalidOperationException: 'Compare({document}{StartWorkDate}, 01/01/2019 00:00:00) is not supported

Если я попытаюсь получить все документы, а затем выполнить тот же запрос, результат будет работать отлично:

GetRecordsByDate(DateTime start,DateTime end){
...
var collection = _db.GetCollection<TestModel>("TestCollection");
var resTemp = collection.Find(Builders<TestModel>.Filter.Empty).ToList();

var collectionResult = resTemp.Where(test =>
                 (DateTime.Compare(test.StartWorkDate, start) > 0 || DateTime.Compare(test.StartWorkDate, start) == 0) &&
                 (DateTime.Compare(test.FinishWorkDate, end) < 0 || DateTime.Compare(test.FinishWorkDate, end) == 0)
                 ).ToList();

}

Что подводит меня к моему другому вопросу (это просто полезный вопрос): я знаю, что лучше использовать запрос на монго, потому что его система запросов очень эффективна, но в чем разница между запуском запроса на монго и получением всех документов и затем запустив на них linq, как я сделал в своем рабочем коде


Ответы:


1

Удалось решить это с помощью фильтров, я уверен, что кому-то это будет полезно.

var collection = _db.GetCollection<TestModel>("TestCollection");
var builder = Builders<TestModel>.Filter;
var filter = builder.Gt(t => t.StartWorkDate, start) & builder.Lt(t => t.FinishWorkDate, end);
var res = collection.Find(filter).ToList();
14.01.2021
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..