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。
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
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01