SQLAlchemy 2.0.40版本发布:ORM与SQL功能增强
SQLAlchemy是一个流行的Python SQL工具包和对象关系映射(ORM)框架,它提供了完整的SQL功能集和灵活的对象关系映射能力。最新发布的2.0.40版本带来了一系列改进和修复,主要涉及ORM注解处理、SQL表达式构建以及特定数据库后端的增强。
ORM注解处理的改进
本次版本对ORM的注解处理进行了重要修复。在2.0.37版本引入的回归问题中,当Mapped注解使用了不适当的类型或对象时,会错误地抛出TypeError而非预期的ArgumentError。新版本不仅修复了这个问题,还引入了专门的MappedAnnotationError异常类来统一处理所有与Mapped注解相关的错误场景。
另一个值得注意的修复是针对typing_extension==4.13.0引入的问题,该版本改变了TypeAliasType的实现方式,导致PEP-695类型注解无法正确解析为SQL类型。SQLAlchemy现在能够正确处理这种变化,确保类型注解的预期行为。
SQL表达式功能的增强
在SQL表达式方面,2.0.40版本新增了对GROUPS帧规范的支持,这是窗口函数中的一个重要特性。开发者现在可以通过_sql.over.groups选项来使用这一功能,为数据分析查询提供了更多灵活性。
对于CTE(公用表表达式)构造,修复了涉及多个DDL插入语句时绑定参数名称冲突的问题。同时,解决了表别名处理中的回归问题,该问题会导致生成无效的SQL语句,包含重复的"AS"子句。
异步功能改进
异步接口方面,修复了AsyncSession.get_transaction()和AsyncSession.get_nested_transaction()方法在代理事务被垃圾回收后无法正常工作的问题。这一改进使得异步会话的事务管理更加健壮可靠。
数据库后端特定增强
针对不同数据库后端,2.0.40版本也带来了多项改进:
PostgreSQL方面,现在支持为外键定义的ON DELETE子句中的SET NULL和SET DEFAULT操作指定列列表。同时,改进了空数组字面量的处理,现在会根据指定的类型参数正确渲染SQL表达式。
MySQL连接器方面,重新添加了对mysql+mysqlconnector://URL方案的支持,并修复了服务器默认值反射中包含空格时的问题。
SQLite同样受益于服务器默认值处理的改进,确保包含非单词字符的默认字符串能够正确应用括号。
总结
SQLAlchemy 2.0.40版本虽然在版本号上是一个小版本更新,但包含了对核心功能的多项重要修复和增强。这些改进涉及ORM注解处理、SQL表达式构建、异步接口以及特定数据库后端的兼容性,进一步提升了框架的稳定性和功能完整性。对于使用SQLAlchemy进行数据库开发的Python开发者来说,升级到这个版本将获得更流畅的开发体验和更可靠的运行时行为。
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