RisingWave v2.3.0 发布:跨数据库查询与资源组管理能力升级
RisingWave 是一款开源的分布式流数据库,专为实时数据处理和分析场景设计。它采用流处理引擎与数据库系统相结合的方式,能够高效处理无界数据流,同时提供与传统数据库类似的 SQL 接口和事务支持。RisingWave 特别适合构建实时数据管道、流式 ETL 和实时分析应用。
核心功能增强
跨数据库查询能力
RisingWave v2.3.0 引入了跨数据库查询支持,这一功能在流处理和即席查询模式下均可使用。开发人员现在可以轻松地在不同数据库之间执行联合查询,无需预先进行数据迁移或复制。这一特性极大地简化了多数据库环境下的数据分析工作流程,特别是在微服务架构中,不同服务可能使用不同数据库的场景下尤为实用。
窗口函数增强
新版本改进了窗口函数的处理能力,特别是在"窗口关闭时触发"(emit-on-window-close)查询中。现在支持同时对 window_start 和 window_end 进行分组操作,这为时间窗口分析提供了更灵活的控制方式。此外,first_value 和 last_value 窗口函数新增了 IGNORE NULLS 选项,可以自动跳过空值,使数据分析结果更加准确。
资源管理与控制
资源组功能预览
v2.3.0 版本推出了资源组管理的公共预览功能。通过新增的 CREATE DATABASE 命令中的 resource_group 参数,管理员可以为不同数据库分配特定的资源组。配套新增的系统目录 rw_resource_groups 提供了资源组配置的全局视图,方便监控和管理资源分配情况。这一功能为企业级多租户部署提供了更精细的资源隔离和控制能力。
权限控制增强
权限管理系统得到了多项改进:
- 支持对视图对象进行权限授予(
GRANT)和撤销(REVOKE) DROP SCHEMA命令新增CASCADE选项,可以级联删除模式及其所有依赖对象- 数据库切换命令增加了
SET DATABASE TO和USE两种语法形式,提高了与不同数据库客户端的兼容性
连接器生态扩展
新一代数据源支持
- 新增对 PostgreSQL 17 的 CDC 支持,可以实时捕获 PostgreSQL 17 的数据变更
- Iceberg 连接器获得多项增强,包括 AWS S3 和 GCS 存储支持,以及分区功能
- 移除了 JDBC 接收器中未指定模式的 DML 语句的模式名称,提高了与目标数据库的兼容性
性能与可靠性改进
- 为 JDBC 接收器新增了
jdbc.auto.commit参数,支持自动提交事务 - 将 JDBC 查询超时时间从 600 秒优化至 60 秒,提高了系统响应性
- 新增
sink_rate_limit运行时参数,可以控制数据接收速率
开发者体验优化
UDF 功能增强
- 提供了细粒度的 UDF 创建控制,可以按需启用或禁用 Python、JavaScript 和 WebAssembly UDF
- JavaScript UDF 新增支持异步和批处理函数,扩展了复杂业务逻辑的实现能力
安装部署简化
生产环境集群现在默认配置了包含 4 个 CPU 核心限制的试用许可证,方便用户小规模评估付费功能。新增的 rw_license() 函数可以方便地查询当前许可证信息。
向后兼容性说明
值得注意的是,v2.3.0 版本中标记了旧版 S3 源为废弃状态,并计划在 v2.4.0 中完全移除。建议用户尽快迁移到新版实现。同时,RisingWave 官方宣布 v2.1 版本将随着 v2.3.0 的发布结束支持,建议仍在使用 v2.1 的用户升级到 v2.2 或更高版本。
RisingWave v2.3.0 的这些改进显著提升了系统的功能性、可靠性和易用性,特别是在多数据库环境集成和资源管理方面,为构建更复杂的实时数据处理解决方案提供了坚实基础。
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