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。
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。C030
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00