GraphScope 0.31.0版本发布:交互式图计算与持久化存储的重大升级
GraphScope是阿里巴巴开源的一款分布式图计算系统,它整合了图分析引擎(GAE)、图交互式查询引擎(GIE)和图学习引擎(GLE)三大组件,为用户提供了一站式的图计算解决方案。本次发布的0.31.0版本主要针对FLEX Interactive交互式查询引擎和Groot持久化存储进行了多项重要改进。
FLEX Interactive引擎的显著增强
字符串类型支持扩展
本次更新中,FLEX Interactive引擎新增了对VarChar字符串类型的支持。这一改进使得系统能够更灵活地处理各种文本数据,特别是在社交网络分析、知识图谱等场景中,字符串类型数据的处理能力至关重要。开发人员现在可以在图模型中定义字符串属性,并在查询中直接使用这些属性进行过滤和匹配操作。
运行时架构重构
团队对交互式运行时的实现进行了深度重构,这一架构层面的优化显著提升了系统的执行效率和整体性能。重构后的运行时能够更有效地管理内存和计算资源,特别是在处理大规模图数据时表现出更好的稳定性和响应速度。
创新的分片模式
引入全新的sharding_mode配置选项是本次更新的另一大亮点。默认情况下,系统会采用exclusive分片模式,这种设计巧妙地解决了管理请求可能被长时间运行的图查询阻塞的问题。通过智能的资源隔离机制,系统现在能够同时保证后台管理任务和前端查询请求的及时响应。
查询优化突破
针对Scan+Limit模式的查询进行了专项优化。这类查询在现实应用中非常常见,比如分页查询和Top-N分析场景。优化后的执行引擎能够更智能地识别这类查询模式,并采用更高效的执行策略,显著减少了不必要的全图扫描操作。
边三元组多属性支持
扩展了边三元组的属性支持能力,现在每条边可以携带多个属性信息。这一改进极大地丰富了图数据的表达能力,使得边不仅可以表示实体间的关系,还能携带更丰富的上下文信息。例如,在社交网络分析中,一条表示好友关系的边现在可以同时记录建立时间、亲密度等多个维度的信息。
Groot持久化存储的重要更新
Gremlin HTTP服务支持
Groot存储引擎现在提供了HTTP Gremlin服务接口,开发者可以通过标准的HTTP协议发送Gremlin查询,并以JSON格式接收响应结果。这一特性极大地简化了系统集成工作,使得各种编程语言和工具都能方便地与图数据库交互。
数据类型对齐
为了确保系统间的一致性,Groot存储引擎的数据类型现在与FLEX Interactive引擎完全对齐。这种统一的数据模型设计消除了组件间的数据转换开销,同时也降低了用户的学习成本。
关键缺陷修复
本次更新修复了多个影响系统稳定性的关键问题,包括:
- 修复了从空条目获取属性的异常处理
- 解决了聚合列顺序不匹配的问题
- 修正了Union操作中别名ID处理的缺陷
- 修复了Groot图表中STORE_COUNT设置的错误
系统部署与升级
对于希望体验新版本的用户,项目提供了预构建的Docker镜像。Flex Interactive引擎镜像和开发环境镜像都已更新至最新版本,用户可以直接拉取使用。此外,系统也提供了多种架构的.deb安装包,方便不同环境下的部署需求。
技术价值与展望
GraphScope 0.31.0版本的发布标志着该项目在交互式图计算和持久化存储方面又迈出了坚实的一步。通过持续的性能优化和功能增强,GraphScope正在成为企业级图计算应用的可靠选择。特别是对字符串类型的支持和查询优化,使得系统能够更好地应对现实世界中的复杂图分析场景。
未来,随着图计算技术的不断发展,我们可以期待GraphScope在分布式处理能力、查询语言支持以及生态系统集成等方面带来更多创新。对于正在构建图计算应用的企业和开发者来说,这一版本无疑提供了更加强大和稳定的技术基础。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00