GraphScope 0.30.0版本发布:图计算平台全面升级
GraphScope作为阿里巴巴开源的一款分布式图计算引擎,在0.30.0版本中带来了多项重要改进。本文将详细介绍这次版本更新的核心内容,包括Portal可视化模块的增强、FLEX Interactive引擎的性能优化以及Groot持久化存储的新特性。
项目简介
GraphScope是一个一站式大规模图计算系统,集成了图分析、图查询和图学习三大能力。它支持多种编程语言接口,能够处理超大规模图数据,广泛应用于社交网络分析、推荐系统、金融风控等领域。本次0.30.0版本在多个核心组件上都有显著提升。
Portal可视化模块重大升级
GraphScope Portal在本月连续发布了5个新版本,重点优化了图可视化渲染和布局性能,并新增了"探索"功能模块。
图可视化交互增强
新版Portal大幅提升了用户交互体验,支持多选、单选、悬停效果、高亮选择和拖拽分组等操作。用户可以自由修改边的文本、颜色和标签配置,还能自定义字体图标渲染。系统内置了四种布局机制:预设布局、Dagre布局、力导向布局和组合布局,满足不同场景下的可视化需求。
探索模块创新引入
新增的探索模块让用户无需编写查询语句就能分析图数据,包含三大核心组件:
- 搜索栏组件提供直观的数据搜索功能
- 统计组件支持各类数据分析
- NextQuery组件简化查询流程
该模块目前处于实验阶段,用户可在设置中手动开启体验。这一创新设计显著降低了图数据分析的门槛,使非技术用户也能轻松探索图数据价值。
FLEX Interactive引擎优化
FLEX Interactive引擎在本版本中进行了多项性能改进和问题修复:
- 重构了EdgeColumn实现,显著提升边属性扫描速度
- 完善了C++和Python代码的格式检查机制
- 修复了多个关键问题,包括:
- Collect(labels(n))中的类型推断错误
- NULL边属性检查导致的段错误
- 导入数据时varchar(len)类型未按长度截断
- 特殊前缀标签名(如@person)导致的问题
这些改进使得FLEX Interactive在处理复杂查询时更加稳定高效。
Groot持久化存储增强
Groot存储引擎在本版本中获得了Cypher查询语言支持,并引入了MetricsTool用于分析内存使用、待处理任务和QPS等指标。同时修复了多个重要问题:
- 解决了返回列与查询顺序不一致的问题
- 修复了CBO(基于成本的优化器)中的内存溢出问题
- 修正了Gremlin的elementMap步骤中标签不匹配的错误
这些改进使Groot在持久化存储和大规模图查询场景下表现更加可靠。
技术实现亮点
从技术实现角度看,本次更新有几个值得关注的亮点:
- 在Portal的可视化渲染中,采用了优化的力导向算法,能够更高效地处理大规模图布局
- FLEX Interactive引入的EdgeColumn重构采用了列式存储思想,提升了属性访问的局部性
- Groot的Cypher支持实现了查询计划的智能优化,特别是对shortestpath等复杂查询的优化
- 新增的MetricsTool提供了细粒度的性能监控,帮助开发者识别系统瓶颈
总结
GraphScope 0.30.0版本在多方面都有显著提升,特别是Portal可视化能力的增强和探索模块的引入,使得图数据分析更加直观高效。FLEX Interactive和Groot的性能优化则进一步巩固了GraphScope作为企业级图计算平台的技术优势。这些改进共同推动GraphScope向更易用、更稳定、更高性能的方向发展,为各类图计算应用场景提供了更强大的支持。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00