Databend v1.2.736-nightly版本发布:查询优化与存储增强
Databend是一个开源的云原生数据仓库,以其高性能、弹性扩展和易用性著称。最新发布的v1.2.736-nightly版本带来了一系列重要的功能增强和性能优化,特别是在查询处理和存储管理方面有了显著提升。
核心功能增强
查询工作负载管理
新版本引入了通过SQL管理查询工作负载的能力,使管理员能够更灵活地控制和优化系统资源分配。这一功能对于多租户环境尤为重要,可以有效防止资源争用问题。
Iceberg数据缓存支持
Databend现在支持Iceberg格式的数据缓存,这一改进显著提升了处理Iceberg格式数据的性能。通过本地缓存机制,减少了远程数据访问的延迟,特别适合频繁访问的场景。
Ngram索引优化
实现了针对Fuse表的Ngram索引功能,大幅提升了LIKE查询的性能。这一优化特别适合处理文本数据的模糊匹配场景,使得包含通配符的查询能够更快执行。
存储管理改进
自动清理机制
新增了表选项enable_auto_vacuum,允许用户控制是否启用表的自动清理功能。同时引入的data_retention_num_snapshots_to_keep设置,让用户可以精细控制保留的快照数量,在存储空间和恢复能力之间取得平衡。
虚拟列增强
改进了虚拟列的支持,新增了fuse_virtual_column函数用于显示虚拟列的大小信息。这一功能为存储优化和性能调优提供了更多可见性。
性能优化与稳定性提升
查询执行优化
优化了FLATTEN函数的执行效率,特别是在带有过滤条件的情况下。同时改进了排序操作的稳定性,即使启用了溢出机制也能避免OOM问题。
元数据服务改进
重构了元数据服务的本地测试支持,移除了嵌入式元存储的实现,使架构更加清晰。新增的初始化完成标志为监控提供了更好的支持。
总结
Databend v1.2.736-nightly版本在查询性能、存储管理和系统稳定性方面都有显著提升。特别是新增的工作负载管理、Iceberg缓存支持和Ngram索引等功能,使得Databend在处理复杂分析工作负载时更加高效可靠。这些改进进一步巩固了Databend作为现代云原生数据仓库的地位,为数据密集型应用提供了更强大的支持。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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