Squidex 7.18.0版本发布:全面支持SQL数据库与性能优化
Squidex是一个开源的内容管理系统(CMS)和内容协作平台,基于.NET技术栈构建。它提供了强大的内容建模、API优先的设计理念以及灵活的内容管理能力,特别适合开发者和内容团队使用。Squidex采用现代化的架构设计,支持多种存储后端和扩展机制,使其能够适应不同规模的项目需求。
SQL数据库支持成为亮点
在7.18.0版本中,Squidex迎来了一个重要的里程碑——全面支持主流SQL数据库。这一更新为那些更倾向于使用关系型数据库的用户提供了更多选择,同时也增强了Squidex在不同技术栈中的适应性。
新增数据库支持
本次更新增加了对三种主流SQL数据库的支持:
- MySQL支持:作为最流行的开源关系数据库之一,MySQL的加入使得Squidex可以更好地融入现有的MySQL生态系统。
- PostgreSQL支持:PostgreSQL以其强大的功能和扩展性著称,现在也成为Squidex的可选后端存储。
- SQL Server支持:对于企业级用户,特别是那些已经投资于微软技术栈的组织,SQL Server支持提供了无缝集成的可能性。
这些新增的数据库支持经过了大量测试,确保了功能的稳定性和可靠性。不过开发团队也明确指出,这仍然是早期版本,用户在实际生产环境中部署时需要谨慎评估。
性能优化与架构精简
除了新增功能外,7.18.0版本还对系统架构进行了优化,以提高性能和减少资源占用。
构建过程改进
构建系统现在采用了并行步骤,显著提升了构建性能。这一改进对于持续集成/持续部署(CI/CD)流程特别有价值,能够缩短开发周期,提高团队效率。
组件精简策略
为了优化容器大小和运行时性能,开发团队做出了两个重要的架构决策:
-
移除了ImageMagick:这个图像处理库已被.NET原生的ImageSharp库取代。ImageSharp能够处理所有常见的图像格式,且作为托管代码实现,与Squidex的.NET环境更加契合。对于有特殊需求的用户,仍然可以通过自定义构建参数重新启用ImageMagick支持。
-
移除了Kafka支持:同样为了减少容器体积,Kafka支持被移出了默认构建。需要消息队列功能的用户可以通过构建参数显式启用Kafka集成。
这些改变体现了Squidex团队对系统精简和性能优化的持续关注,同时也保持了足够的灵活性以满足不同用户的需求。
关键问题修复
7.18.0版本还包含了一系列重要的错误修复,提升了系统的稳定性和用户体验:
- 事件重放机制:修复了当达到MongoDB提交日志末尾时事件无法重放的问题,确保了事件溯源机制的可靠性。
- 身份认证流程:改进了注销后的重定向行为,现在用户可以正确地被重定向到指定的URL。
- 全文搜索集成:修复了与Azure Search和Elastic Search集成的相关问题,提升了搜索功能的准确性和稳定性。
总结
Squidex 7.18.0版本的发布标志着这个开源CMS平台在数据库支持方面迈出了重要一步。通过新增对MySQL、PostgreSQL和SQL Server的支持,Squidex为不同技术背景的用户提供了更多选择。同时,通过构建优化和组件精简,系统性能和资源效率得到了提升。这些改进加上关键问题的修复,使得Squidex成为一个更加成熟和可靠的内容管理解决方案。
对于考虑采用Squidex的用户,7.18.0版本提供了一个评估不同数据库后端性能的机会。而对于现有用户,升级到这个版本可以获得更好的稳定性和性能体验。随着SQL支持的引入,Squidex正在向更广泛的企业应用场景迈进。
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
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00