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。
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