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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00