SPQR 2.4.0版本发布:分布式PostgreSQL路由引擎的重大升级
SPQR是一个开源的PostgreSQL分片中间件,它作为数据库代理层,能够将SQL查询智能路由到后端的多个PostgreSQL实例。SPQR通过透明的分片机制,为应用程序提供了单一数据库入口的体验,同时实现了数据的水平扩展能力。
核心功能增强
本次2.4.0版本带来了多项重要功能升级,显著提升了SPQR的兼容性和实用性。
基础功能支持扩展
新版本增加了对多种PostgreSQL特性的原生支持,包括:
SELECT version()查询:现在可以正确返回SPQR自身的版本信息而非底层PostgreSQL版本- TRUNCATE语句:支持快速清空分片表数据
- CREATE SCHEMA:完整支持模式创建语法
- GRANT SELECT ON TABLE:授权语句现在能够被正确处理
这些改进使得SPQR能够更好地兼容现有应用程序,减少因语法不支持而导致的迁移障碍。
查询路由能力提升
查询路由机制得到了显著优化:
- 支持基于模式限定列引用的路由(如
schema.table.column) - 实现了纯目标列表路由能力,增强了复杂查询的处理能力
- 改进了子计划路由处理,现在会智能跳过而非直接报错
这些改进使得SPQR能够更准确地解析和路由包含复杂引用的SQL语句,提高了查询成功率。
初始化脚本处理增强
新版本支持多行初始化SQL的解析,这使得在SPQR启动时执行复杂的初始化脚本成为可能。这一特性对于需要预先创建大量数据库对象的场景特别有用。
引擎架构革新(Engine V2)
2.4.0版本在内部引擎架构方面进行了重大重构,为未来的分布式事务处理奠定了基础。
事务处理优化
- 重构了事务管理代码,将其整合到统一的执行器中
- 改进了错误处理机制,确保即使在部署错误时也能正确解除客户端路由
- 增强了虚拟事务的状态报告机制,提供更准确的操作反馈
多分片事务支持
新版本引入了多分片事务处理能力:
- 实现了扩展事务处理机制(通过
__spqr__engine_v2标识) - 支持在指定执行目标上执行扩展事务查询
- 修复了多分片同步状态下的部分执行问题
这些改进为未来完整的分布式事务支持打下了坚实基础。
内部架构重构
引擎内部进行了大规模代码重构:
- 简化了中继(relay)模块的内部结构
- 将查询参数封装到统一结构中,提高了代码可维护性
- 移除了过时的路由回调机制
- 优化了复制状态处理,移除了ExpRoute依赖
这些重构使得代码更加清晰,为后续功能开发扫清了障碍。
质量保证与稳定性提升
除了功能增强外,2.4.0版本还包含多项质量改进:
- 增加了大量回归测试用例,特别是针对模式缓存和哈希路由的场景
- 修复了潜在的TOCTOU(检查时间与使用时间)竞争条件问题
- 移除了多处死代码,提高了代码质量
- 更新了依赖库版本,包括golang.org/x/crypto和golang.org/x/sync等
总结
SPQR 2.4.0版本标志着该项目在功能完备性和架构现代化方面迈出了重要一步。通过增加对更多PostgreSQL语法的支持、优化查询路由机制以及重构内部引擎架构,SPQR正逐步成为一个成熟的PostgreSQL分片解决方案。特别是Engine V2的引入,为未来实现完整的分布式事务支持奠定了基础,这将大大提升SPQR在关键业务场景中的适用性。
对于正在考虑或已经使用PostgreSQL分片的用户来说,2.4.0版本提供了更好的兼容性和更稳定的运行表现,值得升级体验。随着项目的持续发展,SPQR有望成为PostgreSQL生态中分片方案的重要选择。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00