TDengine 3.3.5.2版本发布:时序数据库的重大优化与功能增强
TDengine作为一款高性能的时序数据库,在3.3.5.2版本中带来了多项重要改进和优化。这个版本不仅增强了核心功能,还修复了多个关键问题,进一步提升了系统的稳定性和可靠性。
核心功能增强
在3.3.5.2版本中,TDengine对taosX工具进行了重要升级,现在支持通过模板为MQTT创建多个超级表。这一改进极大地简化了物联网场景下多设备数据采集和存储的配置工作,用户可以通过定义模板快速创建和管理大量设备的数据表结构。
备份恢复功能也得到了显著优化。新版本改进了taosX工具的备份恢复流程,使得大规模数据迁移更加可靠和高效。特别是在多级存储数据迁移场景下,系统现在能够更好地处理长时间迁移过程中可能发生的Vnode leader切换问题,确保数据一致性。
系统稳定性提升
3.3.5.2版本对系统稳定性进行了多方面优化。首先,调整了taosd进程的systemctl管理策略,如果在60秒内连续三次重启失败,系统将延迟900秒后再尝试重启,避免了频繁重启可能导致的系统资源耗尽问题。
日志系统也得到了改进,消除了日志文件切换过程中可能出现的同步问题。同时,修复了多个可能导致系统异常的场景,包括创建超过100个视图后执行show views命令、频繁执行"drop table with tb_uid"语句等情况下的稳定性问题。
查询与数据处理优化
在查询功能方面,新版本修复了多个关键问题。当子查询来自超级表时,排序信息现在能够正确推送;使用percentile函数和会话窗口查询时出现的异常问题得到解决;SELECT * FROM子查询现在能够正确复制列名;字符串类型数据的max/min函数计算结果更加准确。
对于流计算功能,系统现在会正确报告不支持HAVING子句的错误,而不是静默接受无效配置。视图功能也有所改进,当视图中包含带有别名的ORDER BY子句时,查询不再出错。
数据订阅与写入改进
数据订阅功能(TMQ)在多个方面得到增强。修改子表标签值后,订阅现在能够立即获取新标签值;tmq_consumer_poll函数在调用失败时会正确返回错误码;解决了消费者执行unsubscribe后立即订阅其他主题时的错误问题。
在数据写入方面,修复了stmt2接口的多个问题:当未绑定所有数据列时插入失败的问题、数据库名或表名使用反引号时插入失败的问题。同时,通过STMT接口写入不符合拓扑规范的Geometry数据类型时,系统会给出更准确的错误提示。
系统管理与安全
新版本加强了系统管理能力,修复了动态修改系统参数无效的问题,并禁止创建与系统数据库同名的数据库(如information_schema、performance_schema)。在安全方面,修复了Go连接器中存在的CVE-2022-28948问题。
版本信息显示也更加准确,taos shell现在能够正确区分社区版和企业版。对于复制场景中的随机事务冲突错误,系统进行了针对性修复,提高了数据同步的可靠性。
总结
TDengine 3.3.5.2版本通过一系列功能增强和问题修复,显著提升了系统的稳定性、可靠性和易用性。无论是核心的时序数据处理能力,还是周边的工具链支持,都得到了实质性改进。这些变化使得TDengine在各种时序数据场景下,特别是物联网和大规模监控系统中,能够提供更加稳定和高效的服务。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- 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
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00