DoltgreSQL v0.50.1版本发布:触发器与DML增强功能解析
DoltgreSQL是一个开源的PostgreSQL兼容数据库,它结合了Git风格的版本控制功能与传统的关系型数据库能力。该项目旨在为开发者提供既能满足标准SQL需求,又能享受版本控制优势的数据库解决方案。
最新发布的v0.50.1版本带来了多项重要功能增强,主要集中在触发器支持和DML操作改进方面。这些更新显著提升了DoltgreSQL的功能完备性和与PostgreSQL的兼容性。
触发器功能全面增强
v0.50.1版本实现了对触发器的全面支持,这是数据库自动化响应数据变更的关键功能。新版本支持了以下触发器特性:
- 基本触发器操作:支持创建、删除触发器,并能自动随表删除关联触发器
- WHEN条件支持:新增对触发器WHEN条件的解析和执行,允许基于特定条件触发
- 多种触发时机:支持BEFORE/AFTER等常见触发时机
- 行级触发:实现了FOR EACH ROW级别的触发机制
目前暂未支持的特性包括FOR EACH STATEMENT、TRUNCATE触发、INSTEAD OF时机等高级功能,这些将在后续版本中逐步实现。
DML操作改进
在数据操作语言(DML)方面,本次更新主要增强了RETURNING子句的支持:
- UPDATE...RETURNING:新增对UPDATE语句中RETURNING子句的支持,允许在更新数据后返回指定列
- INSERT...RETURNING修复:修复了INSERT语句中使用RETURNING时引用模式(schema)的问题
- DML中的函数调用:修复了DML语句中包含解释函数时数据修改失效的问题
这些改进使得DoltgreSQL的DML操作更加灵活,特别是在需要获取操作后数据的应用场景中。
类型系统与兼容性优化
针对类型系统和兼容性方面,本次更新包含以下改进:
- 移除自定义Literal类型:统一使用GMS的Literal类型,解决表达式兼容性问题
- dolt_表类型转换:为dolt_系统表的字段添加类型转换,解决类型不兼容导致的查询错误
- TEXT类型支持:增强对TEXT类型列在键和约束中的支持
外键约束增强
在外键约束方面,v0.50.1版本新增了对SET DEFAULT引用动作的支持,进一步完善了外键约束的功能集。这使得在引用行被更新或删除时,可以自动将引用列设置为默认值。
总结
DoltgreSQL v0.50.1版本通过引入触发器支持和增强DML操作能力,向功能完备的PostgreSQL兼容数据库又迈进了一步。这些改进不仅提升了功能丰富度,也增强了与现有PostgreSQL应用的兼容性。对于需要版本控制功能的数据库应用场景,DoltgreSQL正成为一个越来越有吸引力的选择。
开发者现在可以利用触发器实现更复杂的数据变更响应逻辑,同时通过增强的DML操作更灵活地处理数据。随着项目的持续发展,我们可以期待DoltgreSQL在功能完备性和性能方面继续取得进展。
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