ClickHouse-Backup 2.6.19版本发布:关键Bug修复与存储优化
ClickHouse-Backup是专为ClickHouse数据库设计的备份工具,它提供了高效、可靠的备份和恢复解决方案。该项目由Altinity团队维护,支持多种存储后端和灵活的备份策略,是ClickHouse生态中不可或缺的工具之一。
最新发布的2.6.19版本主要聚焦于修复一些关键性问题,特别是与远程备份指标、存储路径处理以及特殊字符转义相关的问题。这些改进使得备份过程更加稳定可靠,特别是在处理复杂表结构和特殊存储配置时。
主要Bug修复
1. 远程备份指标监控修复
在watch命令中,clickhouse_backup_number_backups_remote和last_backup_size_remote这两个监控指标的行为得到了修正。这些指标现在能够准确反映远程备份的状态和大小,为管理员提供了更可靠的监控数据。
2. 存储路径配置处理优化
修复了当配置中path为空而object_disk_path非空时可能导致意外删除备份对象磁盘数据的问题。这一改进防止了潜在的数据丢失风险,特别是在使用对象存储作为备份目标时。
3. 元数据路径处理一致性
针对ClickHouse存储配置中<metadata_path>参数的处理进行了优化。现在工具能够正确处理不包含尾部斜杠的路径,避免了在恢复时创建错误目录硬链接的问题。这一修复确保了备份恢复过程在不同存储配置下的可靠性。
4. Azure Blob存储支持增强
改进了对Azure Blob存储磁盘(azblob)的支持,现在能够正确处理在storage_account_url中包含容器作为主机名第一部分的情况。这使得与特定Azure存储账户配置的兼容性更好。
5. 特殊字符转义修复
解决了表创建查询中特殊字符转义不正确的问题,特别是反斜杠字符(\)的处理。该问题影响了2.6.6至2.6.18版本创建的备份,如果表定义中包含反斜杠,可能需要手动将\替换为\\以确保正确恢复。
技术影响分析
这些修复对ClickHouse-Backup的稳定性和可靠性有显著提升:
-
监控可靠性:准确的远程备份指标对于自动化备份系统至关重要,特别是在大规模部署中。
-
数据安全性:路径处理相关的修复减少了意外数据丢失的风险,特别是在复杂的存储配置场景下。
-
兼容性增强:对Azure Blob存储和特殊字符处理的改进,使得工具能够适应更多样化的使用环境。
-
恢复一致性:元数据路径和特殊字符处理的修正确保了备份能够被正确恢复,减少了数据损坏的可能性。
升级建议
对于正在使用2.6.6至2.6.18版本的用户,特别是那些:
- 依赖远程备份监控指标
- 使用Azure Blob存储作为备份目标
- 表定义中包含特殊字符(特别是反斜杠)
建议尽快升级到2.6.19版本。对于包含反斜杠的表定义,升级后可能需要检查并调整备份中的转义字符以确保恢复的正确性。
ClickHouse-Backup 2.6.19版本的这些改进进一步巩固了其作为ClickHouse数据库备份首选工具的地位,特别是在生产环境中的可靠性和稳定性方面。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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