RisingWave v2.2.0 发布:流数据库的新特性与优化
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。它采用了流式计算引擎,能够高效处理持续不断的数据流,同时提供了与传统数据库类似的 SQL 接口,使得开发人员可以轻松上手。RisingWave 特别适合用于实时监控、事件驱动应用、实时分析等场景。
最新发布的 RisingWave v2.2.0 版本带来了多项重要更新和改进,主要集中在 SQL 功能增强、连接器优化以及集群配置管理等方面。这些改进不仅提升了系统的功能性,也增强了用户体验和系统稳定性。
SQL 功能全面升级
在 SQL 功能方面,v2.2.0 版本引入了多项重要改进。首先是 EXPLAIN 命令的增强,现在支持 JSON、XML 和 YAML 格式的输出,这为开发人员提供了更灵活的方式来分析和优化查询执行计划。这些格式化的输出更容易被其他工具解析和处理,便于集成到自动化的工作流中。
另一个值得关注的特性是新增的 ALTER...SWAP WITH...语法,这一功能支持在表、物化视图、视图、源、接收器和订阅之间进行交换操作。这种交换能力为系统维护和升级提供了更大的灵活性,特别是在需要无缝替换对象而不中断服务的情况下。
系统目录方面新增了 rw_internal_table_info 和 rw_rate_limit 两个视图,为管理员提供了更多关于内部表信息和速率限制状态的可见性。这些信息对于系统监控和性能调优非常有价值。
连接器功能显著增强
在连接器方面,v2.2.0 版本有几个值得关注的改进。首先是 PostgreSQL 接收器的原生 Rust 实现进入技术预览阶段,这预示着未来性能的潜在提升。同时新增的 mysql_query 表值函数(TVF)也为 MySQL 数据源的集成提供了新的可能性。
Avro 编码支持了嵌套引用(Ref inside Ref)的能力,这为复杂数据结构的处理提供了更好的支持。对于 Protobuf 编码的消息源,新增的 messages_as_jsonb 参数允许将消息直接存储为 JSONB 格式,增加了数据处理的灵活性。
Iceberg 连接器得到了多项增强,包括支持 REST 认证的不同方式,以及新增的 commit_checkpoint_interval 参数配置能力。这些改进使得与 Iceberg 数据湖的集成更加完善。
特别值得一提的是新增的 webhook 源支持,这使得 RisingWave 可以直接接收来自 webhook 的数据,为构建实时数据管道提供了新的选择。对于 MQTT 和 NATS 源,现在可以包含主题/主题信息,这对于多主题场景下的消息处理非常有用。
集群管理与配置优化
在集群管理方面,v2.2.0 引入了几个重要的运行时参数。batch_expr_strict_mode 会话变量允许控制表达式求值失败时的行为,可以选择是失败还是填充 NULL 值,这为不同严格性要求的场景提供了灵活性。
新增的 backfill_rate_limit 和 dml_rate_limit 参数为系统管理员提供了更精细的流量控制能力。这些速率限制功能对于防止系统过载、保证服务质量非常重要,特别是在高负载或资源受限的环境中。
总结
RisingWave v2.2.0 版本在多个维度上都有显著进步,特别是在 SQL 功能完整性和连接器生态方面。这些改进使得 RisingWave 在实时数据处理领域的竞争力进一步增强。对于正在寻找高性能流数据库解决方案的团队来说,这个版本值得认真评估。随着功能的不断丰富和成熟,RisingWave 正在成为构建现代实时应用的有力选择。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0195
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0124
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07