Delta Sharing Python 1.3.2 版本发布:增强OAuth兼容性与数据类型支持
Delta Sharing 是一个开源的数据共享协议,它建立在Delta Lake之上,允许组织以安全、高效的方式共享大规模数据集。该项目通过标准REST协议实现跨平台数据共享,支持多种客户端语言,包括Python、Java等。最新发布的Delta Sharing Python 1.3.2版本带来了一系列重要改进,特别是在OAuth兼容性和数据类型支持方面的增强。
OAuth客户端兼容性提升
在1.3.2版本中,Delta Sharing改进了OAuth客户端的实现,使其能够处理expires_in参数作为字符串的情况。这一改进解决了与某些非标准OAuth实现(如某些自定义OAuth服务器)的兼容性问题。在实际应用中,OAuth 2.0规范虽然建议expires_in应为数字,但有些实现会将其作为字符串返回。新版本通过更灵活的解析逻辑,确保了在这些场景下的稳定运行。
Delta内核升级与时间戳分区修复
本次发布将delta-kernel-rs升级至0.6.1版本,修复了读取基于时间戳分区的表时可能出现的问题。时间戳分区是大数据分析中常见的分区策略,特别是在处理时间序列数据时。这一修复确保了在查询按时间戳分区的表时,数据能够被正确识别和读取,提高了数据处理的准确性。
构建系统改进
在构建系统方面,1.3.2版本包含了delta-kernel-rust-sharing-wrapper的maturin构建改进,现在构建时会包含源代码。这一变化为开发者提供了更好的调试能力,当需要排查底层问题时,可以更方便地查看相关实现细节。
Delta格式协议支持
新版本增加了对Delta格式的表协议和元数据的支持。这意味着Delta Sharing现在能够更完整地处理Delta Lake表的元数据信息,包括表协议版本、格式规范等。这一改进增强了与Delta Lake生态系统的兼容性,使得通过Delta Sharing共享的表能够保持与原生Delta Lake表相同的特性和行为。
时间戳无时区类型支持
1.3.2版本引入了对TimestampNtz(无时区时间戳)类型的支持,特别是在快照查询中。TimestampNtz是一种常见的时间数据类型,它表示不带时区信息的时间戳。在数据分析场景中,许多业务数据(如交易时间、日志时间等)通常不需要时区信息。这一新增支持使得Delta Sharing能够更好地处理这类数据,为数据分析师提供更准确的时间序列分析能力。
总结
Delta Sharing Python 1.3.2版本虽然在版本号上是一个小版本更新,但包含了多项重要的功能改进和问题修复。从OAuth兼容性到数据类型支持,再到内核升级和构建系统改进,这些变化共同提升了Delta Sharing的稳定性、兼容性和功能性。对于正在使用或考虑采用Delta Sharing进行数据共享的组织来说,升级到1.3.2版本将带来更顺畅的数据共享体验和更强大的数据处理能力。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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