ChartDB v1.12.0 发布:数据库图表工具的重大更新
2025-06-02 03:33:03作者:伍希望
chartdb
Database diagrams editor that allows you to visualize and design your DB with a single query.
ChartDB 是一款功能强大的数据库图表工具,它能够帮助开发者直观地设计和展示数据库结构。通过可视化的方式,用户可以轻松创建、编辑和管理数据库模型,支持多种数据库导入导出格式,包括 DBML、SQL 脚本等。最新发布的 v1.12.0 版本带来了多项重要改进和新功能,特别是在区域管理、性能优化和用户体验方面。
区域管理功能增强
本次更新最引人注目的新特性是"区域"(area)功能的实现。区域允许用户对图表中的元素进行逻辑分组和排列,这在处理复杂数据库结构时特别有用。开发团队通过以下方式完善了这一功能:
- 在示例中全面应用区域功能,帮助用户快速上手
- 确保区域功能与克隆操作兼容,复制图表时会保留区域设置
- 为只读模式添加了适当的限制,防止未经授权的修改
- 更新了图表数据结构,确保区域信息能被正确保存和加载
图像导出功能优化
图像导出功能得到了显著增强,新增了两个实用选项:
- 透明背景导出:方便用户将图表集成到不同背景的文档中
- 图案导出:提供更多样化的视觉效果选择
这些改进使得导出的图表能够更好地适应各种使用场景,无论是技术文档还是演示材料。
性能优化措施
v1.12.0 版本包含多项性能优化,显著提升了工具的运行效率:
- 实现了"仅渲染可见部分"的策略,大幅减少不必要的渲染开销
- 优化字段更新机制,仅在内容确实改变时才触发重新渲染
- 改进了侧边栏数据类型的排序方式,按照使用频率排列,提高查找效率
这些优化使得在处理大型数据库模型时,工具仍然能够保持流畅的响应速度。
导入导出功能改进
数据导入导出功能是本版本的重点改进领域:
- DBML 编辑器增加了内联引用模式,并修复了语法解析问题
- 在显示 DBML 前会自动移除无效字段,并给出明确警告
- DDL 导入时能够自动检测脚本类型,并正确处理数据类型
- 改进了 JSON 导入的容错能力,能够处理部分格式不规范的输入
- 对所有导入数据都增加了净化处理,防止潜在的安全问题
用户体验提升
除了核心功能外,本次更新还包含多项用户体验改进:
- 表格字段的焦点行为更加智能,会考虑表格的悬停状态
- 展开的表格状态现在能够跨渲染保持
- 导航栏可以直接通过图表图标快速打开图表
- 为俄语等语言增加了更多翻译内容
- 示例加载时显示加载指示器,提供更好的反馈
技术细节修复
开发团队还解决了一系列技术问题:
- 修复了 PostgreSQL 外键导入的问题
- 改进了依赖关系图标的显示逻辑
- 确保视图定义在通过查询导入时被正确处理
- 统一了脚本导出的命名规范
ChartDB v1.12.0 通过这些全面的改进,进一步巩固了其作为专业数据库图表工具的地位。无论是数据库设计新手还是经验丰富的架构师,都能从这个版本中获得更高效、更可靠的工作体验。
chartdb
Database diagrams editor that allows you to visualize and design your DB with a single query.
登录后查看全文
热门项目推荐
相关项目推荐
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
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
305
2.68 K
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
136
163
React Native鸿蒙化仓库
JavaScript
233
309
暂无简介
Dart
596
130
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
630
227
仓颉编译器源码及 cjdb 调试工具。
C++
123
642
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.06 K
614
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
195
71
仓颉编程语言测试用例。
Cangjie
36
642