ManticoreSearch 7.0.0 版本中 JSON 属性的 IS NULL/IS NOT NULL 索引支持解析
在数据库查询优化领域,索引加速始终是提升性能的关键手段。ManticoreSearch 作为一款高性能的全文搜索引擎,在最新发布的 7.0.0 版本中针对 JSON 属性查询进行了重要优化,新增了对 IS NULL 和 IS NOT NULL 操作符的二级索引(SI)支持。
技术背景
JSON 数据类型在现代数据库系统中应用广泛,其灵活的结构特性使其成为存储半结构化数据的理想选择。然而,这种灵活性也给查询优化带来了挑战。传统的关系型数据库对 NULL 值的处理已有成熟方案,但在 JSON 数据上实现高效的 NULL 值查询仍需特殊处理。
功能解析
本次更新主要解决了 JSON 属性上 NULL 值查询的索引加速问题。在之前的版本中,虽然 ManticoreSearch 支持对 JSON 字段建立二级索引,但对于 IS NULL 和 IS NOT NULL 这类特殊查询条件,系统无法充分利用已有索引,导致查询性能不佳。
新功能实现后,当用户对 JSON 属性执行如下查询时:
WHERE json_attr IS NULLWHERE json_attr IS NOT NULL
查询引擎能够自动利用为该 JSON 属性建立的二级索引,显著提升查询效率。这对于包含大量 JSON 数据且需要频繁检查字段存在性的应用场景尤为重要。
实现原理
从技术实现角度看,ManticoreSearch 团队对查询优化器进行了扩展,使其能够识别 JSON 属性上的 NULL 检查条件,并将其映射到相应的索引访问路径。具体包括:
- 索引结构扩展:在二级索引中维护了字段存在性信息
- 查询重写:将 IS NULL/IS NOT NULL 条件转换为索引可识别的形式
- 执行计划优化:确保优化器选择最有效的索引访问方式
应用价值
这一改进为以下典型场景带来显著性能提升:
- 数据质量检查:快速找出缺失特定字段的文档
- 条件查询:在复杂查询中结合 NULL 检查过滤数据
- 数据分析:统计字段存在性分布情况
对于开发者而言,这意味着可以更高效地处理 JSON 数据中的可选字段,而无需担心性能问题。系统会自动选择最优执行路径,开发者只需按照业务需求编写直观的查询语句即可。
总结
ManticoreSearch 7.0.0 对 JSON 属性 NULL 值查询的索引支持,进一步完善了其作为全文搜索引擎的数据处理能力。这一改进体现了 ManticoreSearch 团队对实际应用场景的深入理解,以及对查询性能持续优化的承诺。对于处理大量 JSON 数据的应用,升级到新版本将获得明显的性能收益。
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