BemiDB v0.33.0版本发布:增强PostgreSQL兼容性与查询功能
BemiDB是一个开源的数据库系统,旨在提供高性能的数据存储和查询能力。最新发布的v0.33.0版本带来了多项重要改进,特别是在PostgreSQL兼容性和查询功能方面有了显著提升。这些改进使得BemiDB能够更好地支持复杂的SQL查询场景,为开发者提供更流畅的开发体验。
核心功能增强
本次更新最值得关注的是对PostgreSQL特定函数的支持扩展。开发团队新增了对information_schema._pg_expandarray()函数的直接调用支持,这是一个常用于处理数组类型数据的PostgreSQL系统函数。同时,还实现了对pg_get_expr()函数在不带'pretty'参数情况下的支持,这使得BemiDB能够更准确地模拟PostgreSQL的行为模式。
在SQL语法解析方面,v0.33.0允许在列引用中包含模式名称,这一改进使得BemiDB能够更好地处理包含模式限定的复杂查询语句。此外,修复了在CASE语句中使用PostgreSQL函数的问题,确保了条件表达式在各种场景下的正确执行。
函数兼容性改进
format()函数是PostgreSQL中常用的字符串格式化工具,新版本中对这个函数进行了重写,使其行为与PostgreSQL完全兼容。这意味着开发者可以将在PostgreSQL中编写的SQL查询直接迁移到BemiDB中运行,而不必担心函数行为的差异。
内部架构优化
在底层实现上,v0.33.0版本对抽象语法树(AST)的处理进行了统一化改进。通过标准化递归表达式的遍历方式,提高了查询解析的稳定性和一致性。同时,项目开始采用DuckDB的宏系统,这一改变为未来的性能优化和功能扩展奠定了基础。
跨平台支持
新版本继续提供全面的跨平台支持,发布了针对不同操作系统和架构的二进制文件:
- 适用于苹果M系列芯片的Darwin ARM64版本
- 适用于Linux系统的AMD64和ARM64版本
- 必要的运行时库文件
这些预编译的二进制文件大大简化了在不同环境下的部署过程,开发者可以直接下载使用,无需从源代码构建。
总结
BemiDB v0.33.0版本通过增强PostgreSQL兼容性和改进查询功能,进一步巩固了其作为高性能开源数据库的地位。这些改进不仅提高了系统的稳定性和可靠性,也为开发者提供了更接近标准PostgreSQL的开发体验。随着对DuckDB宏系统的引入,BemiDB的未来发展值得期待。
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。C094
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
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
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00