FerretDB v2.0.0-rc.2 发布:迈向生产就绪的重要一步
FerretDB 是一个开源的 MongoDB 替代方案,它使用 PostgreSQL 作为后端存储引擎。这个项目旨在为开发者提供一个完全兼容 MongoDB 协议的开源解决方案,同时又能利用 PostgreSQL 强大的功能和可靠性。最新发布的 v2.0.0-rc.2 版本标志着 FerretDB 向生产就绪又迈进了一大步。
核心改进与特性
1. 容器化部署增强
本次发布显著改善了 Docker 部署体验。FerretDB 的 Docker 镜像现在重新在官方容器仓库和 quay.io 上可用,为开发者提供了更多部署选择。值得注意的是,latest 标签现在指向这个 RC 版本,但生产环境仍建议使用完整的版本标签(如 :2.0.0-rc.2)以确保稳定性。
2. 嵌入式 Go 包回归
对于 Go 开发者来说,一个重要的改进是 FerretDB 再次可以作为 Go 库嵌入到其他应用中。这个功能通过 github.com/FerretDB/FerretDB/v2/ferretdb 包提供,并且支持灵活的日志配置,使得集成更加方便。
3. 索引功能全面增强
数据库索引是提升查询性能的关键。这个版本修复了多个索引相关问题,并新增了对 TTL 索引的支持。开发团队建议在升级后使用新的 reIndex 命令重建索引以获得最佳性能。
新功能亮点
数据库统计命令
新增的 dbStats 命令为管理员提供了关键的数据库统计信息,帮助监控和优化数据库性能。这个功能对于容量规划和性能调优特别有价值。
改进的日志格式
引入了新的 mongo slog 日志格式,使日志输出更加符合 MongoDB 生态系统的习惯,便于与现有工具链集成。
PostgreSQL 深度集成
FerretDB 现在可以作为 PostgreSQL 的后台工作进程运行,这为深度集成 PostgreSQL 功能提供了新的可能性,同时也优化了资源使用效率。
开发者体验优化
跨平台支持
发布提供了针对 Linux amd64 和 arm64 架构的多种格式安装包,包括直接可执行文件、deb 和 rpm 包,满足不同部署场景的需求。
文档改进
技术文档进行了全面更新,特别是配置标志和 TLS 相关内容的说明更加清晰。所有示例代码也统一使用 JavaScript 格式,提高了文档的一致性。
技术细节优化
在底层实现上,这个版本包含多项改进:
- 移除了对
golang.org/x/exp/maps的依赖 - 使用 Go 1.24.0 进行构建
- 重构了状态和遥测数据的存储方式,改用目录结构
- 优化了错误映射生成机制
总结
FerretDB v2.0.0-rc.2 在功能性、稳定性和开发者体验方面都有显著提升。特别是索引功能的完善和嵌入式使用的回归,使得它更适合作为 MongoDB 的开源替代方案在生产环境中使用。随着这个版本的发布,FerretDB 距离正式 2.0 版本又近了一步,值得开发者关注和试用。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00