RisingWave 2.4.0 版本发布:流数据库的全面进化
RisingWave 是一个开源的分布式流数据库,专为实时数据处理和分析场景设计。它采用了流式计算引擎,能够高效处理持续不断的数据流,同时提供了与传统数据库类似的 SQL 接口,大大降低了实时数据处理的门槛。
核心特性增强
性能分析与优化工具
RisingWave 2.4.0 引入了多项性能分析工具,显著提升了系统可观测性。EXPLAIN ANALYZE 命令现在支持流式作业的实际运行时性能分析,开发人员可以准确了解查询执行过程中的资源消耗情况。新增的 DESCRIBE FRAGMENTS 命令则允许用户检查现有作业的执行片段分布,为性能调优提供了直观依据。
并行处理能力提升
本版本对并行处理能力进行了重要增强,支持为表、索引、视图、sink 和 source 配置独立的 streaming_parallelism 参数。这一改进使得用户能够根据不同类型数据实体的特性,精细调整并行度设置,从而在资源利用率和处理效率之间取得最佳平衡。
数据完整性与安全
约束支持增强
RisingWave 2.4.0 全面支持了 NOT NULL 约束,这一特性同时适用于批处理和流式操作。数据完整性约束的增强使得 RisingWave 能够更好地满足企业级应用对数据质量的要求。
权限管理扩展
权限管理系统在本版本中得到了显著扩展,新增了对连接(connection)、函数(function)和密钥(secret)的权限控制。GRANT 和 REVOKE 命令现在可以管理这些对象的访问权限,同时新增的 has_function_privilege 系统函数提供了便捷的权限检查能力。
连接器生态进化
Iceberg 集成深度优化
RisingWave 2.4.0 对 Apache Iceberg 的集成进行了多项重要改进:
- 支持创建基于 Iceberg 引擎的仅追加表
- 新增
commit_retry_num配置项,可自定义 Iceberg 提交失败时的重试次数 - 增强了对 Azure Blob 存储的支持
- 实现了 Iceberg sink 的精确一次(exactly-once)语义保证
连接器功能扩展
Redis Pub/Sub 消息模式现在可以作为 sink 输出目标,为实时事件通知场景提供了新的选择。同时,2.4.0 版本正式弃用了旧版 S3 source 实现和 Pulsar Iceberg reader,建议用户迁移到新版实现。
系统配置与管理
隔离与稳定性增强
新增的 per_database_isolation 系统参数支持按数据库进行故障隔离,在多租户场景下可以防止单个数据库的问题影响整个集群。ALTER SYSTEM 命令现在能够立即将会话变量变更应用到当前会话,提高了配置管理的实时性。
查询优化控制
引入了两个新的会话变量来优化查询执行:
streaming_enable_materialized_expressions:控制是否启用物化表达式streaming_force_filter_inside_join:强制将过滤条件下推到内连接内部
这些控制参数为高级用户提供了更灵活的查询优化手段。
总结
RisingWave 2.4.0 版本在性能分析工具、并行处理能力、数据完整性、权限管理以及连接器生态等方面都带来了显著改进。这些增强使得 RisingWave 在实时数据处理领域的能力更加全面,同时也提升了系统的稳定性和易用性。对于需要处理实时数据流的企业和应用开发者来说,这个版本提供了更强大的功能和更灵活的控制选项。
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