GreptimeDB v0.13.0 夜间版本发布:性能优化与功能增强
GreptimeDB 是一款开源的分布式时序数据库,专注于处理大规模时序数据场景。它采用了创新的存储引擎和查询优化技术,能够高效地存储和分析时间序列数据。本次发布的 v0.13.0 夜间版本带来了多项性能优化和新功能增强,进一步提升了系统的稳定性和可用性。
核心功能改进
查询优化与函数增强
本次版本在查询处理方面进行了多项优化。新增了 topk 和 bottomk 函数实现,使得用户能够更方便地获取数据中的极值。同时,对布尔类型的别名支持也得到了改进,提升了查询的灵活性。
在 IP 相关函数方面,新增了对 IP 地址处理的支持,为网络数据分析场景提供了更强大的工具。此外,json_encode_path 函数被重写为 geo_path,采用了复合类型实现,提高了地理空间数据处理的效率。
分布式系统稳定性
在分布式系统层面,针对区域领导者状态验证进行了重构,优化了区域故障转移逻辑,防止区域被错误地转移到同一节点上。同时增加了打开候选区域的超时时间,并记录了耗时日志,便于问题排查。
对于元数据管理,实现了通过 ID 获取表信息的功能,优化了目录管理器的性能。还改进了 DDL 请求的分组处理,特别是在指标引擎中,提高了批量操作的效率。
性能优化
查询执行优化
在查询执行层面,移除了当目标批次大小大于获取限制时的合并批次操作,减少了不必要的计算开销。对于窗口排序场景,修复了当其他列别名与时间索引名称相同时排序不生效的问题。
在分布式查询分析后,增加了对计划模式的恢复机制,确保了查询执行的正确性。同时改进了搜索过滤器时的边界处理,防止出现访问异常问题。
监控与可观测性
追踪系统增强
对 OpenTelemetry 追踪系统进行了重大改进,实现了新的数据建模方式。优化了追踪查询接口的响应格式,提高了用户体验。同时改进了时间戳处理,使用 DateTime 替代 NaiveDateTime,确保时间处理的准确性。
用户体验改进
界面与显示优化
针对中文用户,修复了表格和列注释中 CJK 字符的显示问题。在 SQL 测试工具中,增加了跳过打印完整配置内容的功能,使输出更加简洁。仪表板也更新到了 v0.8.0 版本,提供了更丰富的监控功能。
构建系统改进
在构建系统方面,改用 Ubuntu 22.04 作为基础镜像,提高了构建环境的稳定性。优化了构建过程,通过浅克隆加速了 cargo 构建速度。同时修复了开发构建环境中软件安装的问题。
总结
GreptimeDB v0.13.0 夜间版本在查询性能、系统稳定性和用户体验方面都做出了显著改进。新增的函数支持和优化后的查询执行路径为数据分析提供了更多可能性,而分布式系统的增强则进一步确保了服务的可靠性。这些改进使得 GreptimeDB 在处理大规模时序数据时更加高效和稳定。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust017
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00