ClickHouse-Java 0.9.0版本发布:JDBC驱动与客户端的重要更新
ClickHouse-Java项目是ClickHouse数据库的官方Java客户端实现,提供了JDBC驱动、HTTP客户端等多种访问方式。0.9.0版本带来了多项重要改进和问题修复,特别是在JDBC驱动和客户端功能方面进行了显著优化。
核心变更与优化
本次版本最值得关注的变更是对发布产物的精简和重构。项目团队移除了clickhouse-jdbc的多个冗余构件,包括http、shaded-all和shaded变体,统一使用all构件作为标准发布包。这个all构件包含了除slf4j-api之外的所有必需依赖库,因为slf4j-api不应被shade处理。同时,jdbc-v2相关的构件也不再单独发布,因为它已经被整合到clickhouse-jdbc的all构件中。
关键问题修复
SQL解析器在这一版本中得到了多项重要修复:
- 解决了FROM子句中使用关键字作为别名时的解析问题,现在可以正确处理类似
FROM table AS select这样的语句。 - 改进了CREATE USER语句的识别能力,确保这类管理语句能被正确解析。
- 优化了公共表表达式(CTE)的处理逻辑,解决了多个CTE相关的解析问题。
- 修复了间隔值(interval)的解析问题,确保时间间隔表达式能被正确识别。
- 修正了反引号中函数参数的解析逻辑,提高了SQL语句的兼容性。
JDBC驱动方面,修复了ResultSet.findColumn方法总是返回0的问题,现在能正确返回列索引。同时优化了参数传递机制,确保在设置超时参数时不会丢失其他参数。
客户端改进
客户端库(client-v2)进行了内部重构,将所有默认配置值集中到ClientConfigurationProperties枚举中,提高了代码的可维护性。同时修复了参数传递与超时设置冲突的问题,确保在设置超时的情况下参数仍能正确传递。
测试与文档完善
项目团队修复了CI环境中的单元测试和集成测试运行问题,提高了持续集成的可靠性。文档方面,更新了客户端配置参数的详细说明,特别是服务器设置和自定义HTTP头部的配置方法,帮助开发者更好地使用高级功能。
技术细节与最佳实践
对于Java开发者来说,升级到0.9.0版本时需要注意依赖管理的变化。现在推荐直接使用clickhouse-jdbc的all构件,它已经包含了jdbc-v2的实现和必要的依赖库。对于日志处理,项目仍然要求开发者自行提供slf4j-api的实现,这保持了与各种日志框架的兼容性。
在SQL兼容性方面,新版本显著提升了对复杂查询语句的支持,特别是CTE和特殊关键字的使用场景。开发者在编写包含这些特性的SQL时可以更加放心。
这个版本体现了ClickHouse-Java项目对稳定性和兼容性的持续投入,同时也为未来的功能扩展打下了更好的基础。对于正在使用或考虑使用ClickHouse的Java开发者来说,升级到0.9.0版本将获得更稳定和功能更完善的开发体验。
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