SQLAlchemy 2.0.41 版本发布:Python 3.14 兼容与数据库功能增强
SQLAlchemy 作为 Python 生态中最流行的 ORM 和 SQL 工具包之一,其最新发布的 2.0.41 版本带来了多项重要更新和改进。本文将深入解析这个版本的核心变化及其技术意义。
Python 3.14 兼容性改进
随着 Python 3.14 进入 beta 测试阶段,SQLAlchemy 团队已经着手进行兼容性适配工作。在 2.0.41 版本中,主要调整了类注解扫描机制和测试套件,以确保在当前 Python 3.14.0b1 版本下能够正常运行。
值得注意的是,Python 3.14 对注解处理机制进行了显著改动,这直接影响了 SQLAlchemy 的 ORM 注解解析功能。开发团队表示,随着 Python 3.14 后续 beta 版本的发布,可能还需要进一步调整代码以适应新的语言特性变化。
数据库功能增强
PostgreSQL 包含索引支持
2.0.41 版本为 PostgreSQL 用户带来了实用的新功能:现在可以在 UniqueConstraint 和 PrimaryKeyConstraint 中使用 postgresql_include 参数。这个特性允许开发者在创建唯一约束和主键约束时包含额外的非键列,这是 PostgreSQL 特有的功能,可以优化某些查询性能。
Oracle 向量数据类型支持
针对 Oracle 数据库,这个版本新增了 VECTOR 数据类型支持,包括完整的 DDL 和 DQL 功能。新特性包括:
- 三种向量距离计算方法:L2 距离、余弦距离和内积
- 为 Index 结构新增 oracle_vector 参数,支持配置向量索引
- Select.fetch() 子句新增 oracle_fetch_approximate 参数
这些增强使得 SQLAlchemy 能够更好地支持 Oracle 数据库的向量搜索功能。
问题修复与改进
MySQL 默认值渲染修复
修复了 2.0.40 版本引入的一个回归问题,当 MySQL 服务器默认值中使用小写的 "on update" 时,会错误地添加括号,导致 DDL 执行失败。这个问题主要影响使用特定格式的 MySQL 默认值的情况。
SQLite 函数修复
修正了 SQLite 编译器中硬编码的 SQL 函数处理问题,特别是 localtimestamp 函数的内部引号渲染不正确的问题。这个修复确保了 SQLite 特定函数的正确执行。
类型系统改进
移除了 sqlalchemy/init.py 中可能干扰类型检查的 getattr() 规则。这个改动使得类型检查工具能够更准确地分析 SQLAlchemy 代码。
安装包优化
2.0.41 版本从 setup.cfg 中移除了许可证分类器,消除了构建包时的烦人警告。值得注意的是,SQLAlchemy 2.1 将全面采用 PEP 639 规范在 pyproject.toml 中配置许可证信息,而 2.0 系列仍将使用 setup.cfg。
总结
SQLAlchemy 2.0.41 版本虽然是一个小版本更新,但包含了多项重要的功能增强和问题修复。特别是对即将发布的 Python 3.14 的前瞻性支持,以及对 PostgreSQL 和 Oracle 数据库功能的扩展,都体现了 SQLAlchemy 项目对兼容性和功能完整性的持续投入。
对于开发者来说,这个版本提供了更稳定的数据库操作体验,特别是在使用特定数据库的高级功能时。建议用户根据自己使用的数据库和 Python 版本情况,评估升级的必要性和时机。
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