dbatools v2.1.29版本发布:数据库管理工具的重要更新
项目简介
dbatools是一个强大的PowerShell模块,专门为SQL Server数据库管理员设计。它提供了数百个命令,可以简化日常的SQL Server管理任务,如备份恢复、性能监控、安全配置等。这个开源工具已经成为许多DBA工具箱中不可或缺的一部分。
版本亮点
本次发布的v2.1.29版本包含了一系列功能增强和错误修复,主要聚焦于提升用户体验和扩展功能覆盖范围。
备份功能增强
-
备份命令新增FileBaseName参数:在
Backup-DbaDbMasterKey、Backup-DbaServiceMasterKey和Backup-DbaDbCertificate命令中新增了FileBaseName参数,允许用户自定义备份文件的基础名称,而不再强制使用默认命名规则。这为备份文件管理提供了更大的灵活性。 -
网络证书管理改进:
Get-DbaNetworkCertificate命令现在能够正确传递凭据,解决了在某些环境下无法获取网络证书的问题。
连接与查询优化
-
数据库连接精确控制:
Connect-DbaInstance命令现在能够正确识别并应用-Database参数,确保连接直接指向指定的数据库,而不是默认数据库。 -
集成身份验证增强:
Invoke-DbaQuery命令改进了使用集成身份验证作为其他用户时的连接处理逻辑,解决了在某些复杂身份验证场景下的连接问题。
安全与权限管理
-
Windows登录测试增强:
Test-DbaWindowsLogin命令新增了属性来检测samaccountname不匹配的情况,帮助管理员更全面地验证Windows登录账户的状态。 -
登录属性修改更透明:
Set-DbaLogin命令现在在使用-WhatIf参数时能够正确报告将被修改的登录名,提高了操作的可预测性。
作业与维护方案
-
多通配符支持:
Find-DbaAgentJob命令现在能够正确处理包含多个通配符的搜索模式,使作业查找更加灵活。 -
维护方案智能处理:
Install-DbaMaintenanceSolution命令现在不会在不需要重新添加表的情况下删除现有表,避免了不必要的数据丢失风险。
其他重要改进
-
数据库收缩操作优化:
Invoke-DbaDbShrink命令现在支持通过管道接收数据库对象,简化了批量操作流程。 -
跟踪标志操作支持模拟:
Enable-DbaTraceFlag和Disable-DbaTraceFlag命令新增了-WhatIf支持,允许管理员在真正执行前预览操作效果。 -
SQL参数创建更严谨:
New-DbaSqlParameter命令改进了对绑定参数的检查逻辑,确保参数创建更加可靠。
技术价值
这个版本的更新体现了dbatools项目对以下几个方面的持续关注:
-
用户体验:通过增加-WhatIf支持和改进错误报告,使命令更加透明和可预测。
-
功能完整性:新增的参数和属性扩展了命令的功能覆盖范围。
-
操作安全性:避免不必要的数据删除操作,增强凭据传递的安全性。
-
批处理支持:通过管道支持简化了批量操作的实现方式。
这些改进使得dbatools在各种SQL Server管理场景中更加可靠和高效,特别是对于需要处理复杂环境或执行批量操作的管理员来说,这些增强功能将显著提升工作效率。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00