DoltgreSQL v0.18.0 版本解析:主键与函数支持的重大更新
DoltgreSQL 是一个开源的 PostgreSQL 兼容数据库,它结合了 Git 风格的版本控制功能,使开发者能够像管理代码一样管理数据库。该项目旨在为 PostgreSQL 用户提供版本控制、分支和合并等现代开发工作流功能。
主键与索引功能增强
本次 v0.18.0 版本在主键和索引功能方面进行了多项重要改进:
-
主键命名与操作改进:现在支持使用 PostgreSQL 默认名称来删除主键,解决了之前必须知道确切名称才能操作的问题。这一改进使得 DoltgreSQL 在行为上更加贴近原生 PostgreSQL。
-
外键引用支持:新增了对列定义中内联外键引用的支持,这意味着开发者可以在创建表时直接在列定义中指定外键关系,而不需要单独声明。同时,外键的默认命名规则现在也与 PostgreSQL 保持一致。
-
地址列主键支持:一个重要的架构改进是允许主键包含地址列,并按解析后的值排序。这一特性使得 TEXT 或 BLOB 等变长类型可以作为主键,同时只在索引中存储地址而非值前缀,提高了存储效率。
PL/pgSQL 功能扩展
在存储过程和函数支持方面,v0.18.0 带来了多项增强:
-
RAISE 语句支持:PL/pgSQL 函数中现在可以使用 RAISE 语句来生成通知和错误消息。虽然目前还不支持异常处理,但基本的通知消息功能已经实现,消息会在会话中排队并在结果返回前发送给客户端。
-
CASE WHEN 支持:PL/pgSQL 函数中现在支持 CASE...WHEN 条件表达式,增强了函数的逻辑处理能力。
-
函数持久化改进:创建的函数现在会持久化到根值(root value)中,而不是添加到全局函数列表。这一改变同时支持了函数重载功能,为更复杂的函数管理奠定了基础。
JSON 功能增强
本次版本新增了几个重要的 JSON 相关函数:
- json_build_array:用于从可变参数构建 JSON 数组
- json_build_object:用于构建 JSON 对象
- 其他 JSONB 函数:增加了对 JSONB 数据类型的更多操作支持
其他重要改进
-
生成列修复:修复了生成列值在创建主键时的问题,以及引号处理不当的 bug。
-
ALTER TABLE 支持:增加了对文本键(text keys)在 ALTER TABLE 语句中的支持。
-
DROP FUNCTION 初步支持:虽然还不支持级联删除和依赖检测限制,但基本的函数删除功能已经实现。
-
时间类型默认值修复:解决了时间类型列默认值无法插入的问题。
总结
DoltgreSQL v0.18.0 版本在主键管理、函数支持和 JSON 处理等方面都有显著进步,特别是对 PostgreSQL 兼容性的持续改进,使得开发者能够更顺畅地将现有 PostgreSQL 应用迁移到 DoltgreSQL 平台。随着 PL/pgSQL 功能的不断完善,DoltgreSQL 正在成为一个兼具版本控制能力和完整 PostgreSQL 特性的有吸引力的数据库解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00