YTsaurus QueryTracker 0.0.9版本发布:增强查询管理与监控能力
YTsaurus是一个分布式数据处理平台,其QueryTracker组件负责管理和跟踪系统内的查询执行情况。最新发布的0.0.9版本为QueryTracker带来了多项重要改进,显著提升了查询管理的灵活性、监控能力和系统稳定性。
核心功能增强
本次更新在查询管理方面引入了多项实用功能。首先是查询代理(QT/YQLA)的禁用机制,管理员现在可以根据需要临时禁用特定的查询代理,这在系统维护或故障排查时非常有用。其次,新增了自定义指标功能,允许用户为查询代理定义特定的监控指标,便于更精细地观察系统运行状态。
对于YQL查询,0.0.9版本增加了动态配置支持,使系统能够在不重启的情况下调整查询代理的行为。同时新增了ClickHouse UDF(用户定义函数)支持,扩展了查询处理能力。另一个重要改进是允许为YQL查询指定额外的凭证信息,增强了安全性。
查询处理优化
在查询处理方面,新版本支持为每个查询配置默认的YQL集群,提供了更大的灵活性。对于使用SPYT(Spark on YTsaurus)的查询,现在完全支持Unicode字符,解决了之前可能存在的编码问题。同时新增了SPYT查询结果截断功能,防止过大结果导致系统问题。
性能方面也有显著提升,优化了QueryTracker API调用,减少了不必要的开销。系统现在会限制每个YQL代理同时处理的查询数量,防止资源过载。此外,还对动态表的压缩进行了专门配置,提高了存储效率。
稳定性改进
0.0.9版本修复了多个影响系统稳定性的问题。其中最重要的是解决了YQL查询中止机制的问题,确保查询能够被正确终止。对于结果超过16MB的大型查询,现在能够可靠地完成处理。系统还修复了当负责的QueryTracker崩溃时查询无法完成的问题,以及YQL代理可能出现的死锁情况。
兼容性说明
需要注意的是,此版本仅与24.1.0及以上版本的代理、0.23.1及以上版本的Operator兼容。用户在升级时应当确保整个系统组件的版本匹配,以获得最佳稳定性和功能支持。
总体而言,YTsaurus QueryTracker 0.0.9版本通过新增功能、性能优化和稳定性修复,为大规模数据处理环境提供了更强大、更可靠的查询管理解决方案。这些改进将帮助用户更高效地管理和监控他们的数据处理任务。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00