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。
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
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
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-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
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