SeaQL/sea-query 0.32.5版本发布:函数索引与类型优化
SeaQL/sea-query是一个强大的Rust SQL查询构建器,它提供了类型安全的方式来构建复杂的SQL查询语句。作为SeaQL生态系统的重要组成部分,sea-query支持多种数据库后端,包括PostgreSQL、MySQL和SQLite等,让开发者能够以统一的方式处理不同数据库的SQL语法差异。
函数索引支持
在0.32.5版本中,sea-query新增了对PostgreSQL和MySQL函数索引的支持。函数索引是一种特殊类型的索引,它不是在列值上创建索引,而是在函数或表达式的结果上创建索引。这种索引特别适用于那些需要对列值进行转换或计算后再进行查询的场景。
例如,在PostgreSQL中,我们经常需要对字符串进行大小写不敏感的搜索。传统方法是在查询时使用LOWER函数,但这会导致无法使用普通索引。有了函数索引支持后,我们可以创建一个基于LOWER函数的索引:
use sea_query::{*, tests_cfg::*};
let table = Table::create()
.table(Char::Table)
.col(ColumnDef::new(Char::Id).integer().not_null().auto_increment().primary_key())
.col(ColumnDef::new(Char::FontSize).integer())
.col(ColumnDef::new(Char::Character).string())
.index(
Index::create()
.name("idx_char_lower")
.table(Char::Table)
.col(Expr::col(Char::Character).lower())
.to_owned()
)
.to_owned();
生成的SQL语句会是:
CREATE TABLE `character` (
`id` int NOT NULL AUTO_INCREMENT PRIMARY KEY,
`font_size` int,
`character` varchar(255),
INDEX `idx_char_lower` ((LOWER(`character`)))
);
这个特性极大地扩展了索引的使用场景,使得开发者能够优化更多类型的查询性能。
类型系统改进
0.32.5版本对类型系统做了两处重要改进:
-
改进RcOrArc类型:将
RcOrArc从一个简单的重新导出改为一个文档化的类型别名。这使得代码意图更加清晰,同时也提供了更好的文档支持。RcOrArc是一个智能指针类型,根据编译时特性标志决定使用Rc还是Arc,为单线程和多线程环境提供了统一的接口。 -
直接为&'static str实现Iden trait:现在可以直接使用字符串字面量作为标识符,而不需要先将其包装在
Alias::new中。这简化了代码,使得API更加直观。例如:
// 之前需要这样写
let query = SelectStatement::new()
.column(Asterisk)
.from(Alias::new("users"))
.to_owned();
// 现在可以简化为
let query = SelectStatement::new()
.column(Asterisk)
.from("users")
.to_owned();
这个改进虽然看起来很小,但在实际使用中能显著减少样板代码,提高开发效率。
总结
SeaQL/sea-query 0.32.5版本虽然是一个小版本更新,但带来的函数索引支持和类型系统改进都非常实用。函数索引扩展了查询优化的可能性,而类型系统的改进则让API更加友好和直观。这些变化体现了SeaQL项目对开发者体验的持续关注,也展示了Rust生态系统中SQL工具链的成熟度正在不断提高。
对于正在使用sea-query的项目,升级到这个版本可以立即享受到这些改进带来的便利。特别是对于那些需要优化复杂查询性能的应用,函数索引支持将是一个非常有价值的特性。
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