DoltgreSQL v0.50.0 版本发布:PostgreSQL 兼容性深度解析
DoltgreSQL 是一个结合了 Git 版本控制特性的 PostgreSQL 兼容数据库系统。它继承了 Dolt 的版本控制能力,同时提供了 PostgreSQL 的语法和功能兼容性。最新发布的 v0.50.0 版本在 PostgreSQL 兼容性方面取得了显著进展,特别是在处理常见框架和工具生成的 SQL 语句方面。
核心功能增强
1. 数组操作支持
新版本增加了对数组下标操作的支持,目前仅限于一维数组且不支持切片操作。这使得 DoltgreSQL 能够更好地处理包含数组数据类型的查询。
-- 现在支持这样的查询
SELECT my_array[1] FROM my_table;
2. 约束处理改进
ALTER TABLE 语句现在支持 DROP CONSTRAINT IF EXISTS 语法,这在实际数据库维护中非常实用,可以避免因约束不存在而导致的错误。
-- 安全地删除约束
ALTER TABLE users DROP CONSTRAINT IF EXISTS email_unique;
3. 默认值与标识列
修复了 GENERATED BY DEFAULT AS IDENTITY 在 CREATE TABLE 语句中的支持问题,这对于处理 Django 等框架生成的迁移脚本至关重要。
CREATE TABLE users (
id INTEGER GENERATED BY DEFAULT AS IDENTITY PRIMARY KEY,
name TEXT
);
性能优化
1. 索引性能修复
解决了多列索引的性能回归问题,并优化了有限长度 VARCHAR 列的编码方式。现在这些列不再总是使用带外编码,从而提高了查询效率。
2. 自适应内联存储
引入了自适应内联存储机制,这是数据库存储引擎的一项重要优化。它可以根据数据大小自动决定是否将数据内联存储在索引中,从而平衡存储空间和查询性能。
框架兼容性提升
1. Rails 支持
新增了多个 PostgreSQL 特有的函数支持,包括 pg_try_advisory_lock()、pg_advisory_lock() 和 pg_advisory_unlock() 等咨询锁函数,这些是标准 Rails 部署所必需的。
2. Django 兼容
修复了多个影响 Django 迁移的问题:
- 支持
::timestamptz类型转换语法 - 正确处理 ISO8601 日期字符串
- 支持
INSERT ... RETURNING语法
3. psql 工具兼容
改进了与 PostgreSQL 命令行工具 psql 的兼容性,包括:
- 支持
operator(...)语法 - 支持排序规则表达式(目前忽略)
- 支持
default_with_oids参数设置
数据类型处理
1. 时间类型改进
修复了时间戳类型(timestamptz)的解析问题,现在可以正确处理 Django 迁移中使用的类型转换语法。
-- 现在支持这样的类型转换
SELECT created_at::timestamptz FROM orders;
2. 数组与聚合函数
新增了 ArrayFlatten 和 string_agg 函数的支持,扩展了数据处理能力。
数据库维护功能
1. ANALYZE 命令增强
现在支持不带表名的 ANALYZE 命令,这种情况下会分析所有表,与 PostgreSQL 行为一致。
-- 分析所有表
ANALYZE;
2. 外键约束改进
现在允许在 ALTER TABLE ADD COLUMN 语句中指定内联外键约束,提高了表结构修改的灵活性。
总结
DoltgreSQL v0.50.0 版本在 PostgreSQL 兼容性方面迈出了重要一步,特别是对主流框架和工具的支持有了显著提升。从索引性能优化到数据类型处理,再到各种语法兼容性改进,这个版本为开发者提供了更加稳定和功能丰富的 PostgreSQL 兼容环境。
对于考虑将应用从 PostgreSQL 迁移到具有版本控制功能的数据库系统的团队来说,这个版本提供了更好的兼容性和更少的迁移障碍。特别是对使用 Rails 和 Django 等流行框架的项目,许多原本需要修改的迁移脚本现在可以直接运行。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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