RavenDB 6.2.3版本发布:性能优化与稳定性提升
RavenDB简介
RavenDB是一个高性能、跨平台的NoSQL文档数据库,以其出色的ACID事务支持、分布式架构和内置全文搜索功能而闻名。作为一款面向.NET生态的数据库系统,RavenDB特别适合需要处理复杂数据模型和高并发场景的应用程序。
核心改进与修复
集群与事务管理优化
本次6.2.3版本在集群管理方面做出了重要改进。开发团队引入了集群事务执行大小的限制机制,有效防止了因大事务导致的内存过度消耗问题。同时,调整了集群工作节点和监督节点的采样周期参数,将工作节点采样周期从250毫秒调整为500毫秒,监督节点采样周期从500毫秒调整为1000毫秒,这些调整有助于降低系统开销,提高整体稳定性。
针对分布式环境下的数据一致性问题,修复了在没有集群范围事务时比较交换(compare exchange)逻辑删除(tombstones)无法被清理的问题,确保了分布式环境下的数据一致性。
索引与查询引擎增强
Corax搜索引擎作为RavenDB的核心组件,在本版本中获得了多项改进。修复了在使用动态字段时的内存泄漏问题,并修正了当使用OrderBy子句时TotalResults计算不准确的问题。对于使用标准分析器(StandardAnalyzer)的查询,修复了前导通配符搜索可能返回不同结果的问题。
对于Map-Reduce索引,解决了因引用处理不当导致处理时间延长的问题,并禁用了通过并行模式(side-by-side)重置输出到集合的Map-Reduce索引的能力,防止潜在的数据不一致。
备份与数据可靠性
备份子系统得到了稳定性增强,修复了在备份状态保存失败时重复发送保存命令的问题。计数器功能也获得了修复,解决了可能导致计数器损坏的问题,确保了关键业务数据的准确性。
安全审计增强
安全方面,新增了对客户端证书管理操作的审计日志记录功能,为安全合规提供了更好的支持。同时修复了在双因素认证(2FA)视图中使用退格键的问题,提升了安全相关功能的用户体验。
客户端与API改进
HTTP客户端方面,修复了在使用多获取(Multi-Get)和HTTP缓存时可能出现的空引用异常(NRE)问题。会话API增加了对增量时间序列的删除和流式操作支持,并修正了当使用NoCaching会话参数时的缓存行为,为开发者提供了更一致的行为预期。
管理界面(Studio)改进
管理控制台方面,修复了当使用别名配置键时数据库设置内容不显示的问题,使配置管理更加直观。索引视图现在能正确反映自动索引的变化,提高了运维效率。许可证管理界面现在能显示更多关于开发者许可证的信息,帮助用户更好地理解其授权状态。
底层技术栈更新
作为技术基础的重要更新,RavenDB 6.2.3将.NET运行时升级到了8.0.12版本,带来了性能改进和安全修复。同时移除了单文件应用程序(Single File App)的支持,简化了部署选项。
总结
RavenDB 6.2.3版本是一个以稳定性和性能优化为主的更新,在集群管理、查询性能、数据可靠性和安全性等方面都做出了重要改进。这些变化使得RavenDB在分布式环境下的表现更加稳健,为开发者提供了更可靠的数据库基础设施。对于现有用户而言,升级到这个版本将获得更好的系统稳定性和更一致的行为表现。
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