Slick 3.6.0 发布:数据库访问库的重要更新
Slick 是一个用于 Scala 语言的现代数据库查询和访问库,它允许开发者以类型安全的方式与数据库交互。Slick 将数据库表映射为 Scala 集合,使得数据库操作可以像操作普通集合一样自然流畅。最新发布的 3.6.0 版本带来了一些重要的变更和改进。
主要变更内容
破坏性变更
3.6.0 版本中移除了导致构建失败的 Oracle 实现。这是一个破坏性变更,意味着依赖这些实现的用户需要寻找替代方案或暂时停留在旧版本。Oracle 数据库支持在后续版本中可能会重新评估和实现。
功能增强
本次更新修复了 Invoker.first 方法的错误消息格式化问题,使得错误信息更加清晰可读。此外,还向 HikariCPJdbcDataSource 添加了 KeepAlive 配置支持,解决了连接池在某些情况下的稳定性问题。
问题修复
针对 H2 数据库版本 2 的支持进行了多项修复,确保 Slick 能够更好地兼容最新版的 H2 数据库。这些修复涉及连接处理和查询执行等多个方面。
依赖项更新
3.6.0 版本包含了大量依赖项的更新,提升了整体稳定性和安全性:
- 将 SLF4J 更新至 2.0.x 系列最新版本
- HikariCP 连接池升级到 6.x 版本
- 各数据库驱动更新到最新稳定版
- 构建工具链相关插件更新
Scala 3 迁移指南
文档部分新增了 Scala 3 迁移指导,帮助用户从 Scala 2 平滑过渡到 Scala 3。这对于计划升级 Scala 版本的用户非常有价值。
技术影响分析
Slick 3.6.0 的发布标志着该项目在保持稳定性的同时,积极跟进生态系统发展。移除有问题的 Oracle 实现虽然带来短期不便,但长期来看有利于维护代码库健康。对 H2 v2 的支持修复显示了项目对新兴数据库技术的响应能力。
依赖项的大规模更新不仅带来了性能改进和安全修复,也确保了 Slick 能够与现代 Scala 工具链良好协作。特别是 HikariCP 6.x 的引入,为连接池管理带来了更多配置选项和更好的资源处理能力。
升级建议
对于现有用户,升级到 3.6.0 版本时应注意:
- 如果使用 Oracle 数据库,需要评估移除实现的影响
- 检查 HikariCP 配置,特别是新增的 KeepAlive 参数
- 对于 H2 数据库用户,可以测试新版本下的兼容性
- 关注依赖项变更可能带来的传递性影响
总体而言,Slick 3.6.0 是一个注重稳定性和兼容性的维护版本,建议大多数用户计划升级以获取最新的改进和修复。
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