Tarantool 3.4.0发布:跨引擎事务与功能增强解析
项目简介
Tarantool是一款高性能的开源内存数据库和应用服务器,它结合了NoSQL数据库的灵活性与传统关系型数据库的事务支持能力。作为一个混合型数据库系统,Tarantool既可以用作内存数据库,也可以作为持久化存储解决方案,特别适合需要低延迟和高吞吐量的应用场景。
核心特性更新
跨引擎事务支持
3.4.0版本最显著的改进是引入了跨引擎事务功能,特别是支持了memtx和vinyl存储引擎之间的混合事务。这一突破性改进意味着开发者现在可以在同一个事务中同时操作内存表和磁盘表,大大提升了数据处理的灵活性。
要启用这一功能,需要设置配置选项database.memtx_use_mvcc_engine为true。这一改进解决了长期存在的需求(gh-1803),为复杂业务场景提供了更强大的支持。
功能索引与MVCC兼容性
新版本增强了MVCC(多版本并发控制)事务管理器对功能索引的支持。同时,针对memtx MVCC环境下不支持的multikey索引,现在会在创建时明确抛出错误,避免了之前可能导致崩溃或panic的情况(gh-6385)。
复制与集群管理增强
引导策略优化
3.4.0引入了'native'引导策略(bootstrap_strategy),为集群初始化提供了更多选择。在'supervised'模式下:
- 允许在首次
box.cfg()调用前执行box.ctl.make_bootstrap_leader() - 新增了graceful选项,支持更优雅的领导节点切换
- 支持以只读模式初始化数据库
- 在没有上游节点时,会等待
box.ctl.make_bootstrap_leader()命令直至复制连接超时
复制连接管理
新增了replication.reconnect_timeout配置项,用于控制主节点连接失败后的重试间隔(gh-11115)。同时修复了在compat.replication_synchro_timeout = 'new'设置下,用户纤程可能无限期挂起的问题,引入了新的txn_synchro_timeout选项来专门控制同步事务超时。
配置与架构改进
角色管理增强
新版本为配置模块增加了has_role、is_router和is_storage方法,便于检查实例上启用的角色(gh-11288)。同时引入了early_load: true标签,允许角色和脚本在box.cfg之前加载或执行(gh-10182)。
类型系统增强
schema对象的map()方法现在支持复合类型转换(gh-10756),apply_default()也开始支持复合类型的default注解。此外,validate()方法现在会考虑unique_items注解,schema.set()也接受用户提供的validate注解。
性能与监控
日志与监控优化
内置日志现在以JSON格式编码表参数(gh-8611),提高了日志的可读性和解析便利性。移除了index.select()长时间操作的警告日志,因为纤程切片限制已经解决了相关问题。
新统计功能
引入了index:quantile()函数,用于在索引数据范围内查找分位数键值,该功能在memtx和vinyl树索引中实现(gh-11111)。metrics子模块更新至1.3.0版本,修复了复制指标中的只读状态检测问题,并新增了默认启用的cpu_extended指标类别。
升级建议
对于使用Tarantool 2.11的用户,官方建议升级到最新的3.x系列版本。3.x系列在二进制数据布局、客户端-服务器协议和复制协议上都保持兼容,可以实现读写请求的平滑升级。
升级过程中,开发者可以利用compat选项逐步调整应用代码,模仿2.x的行为特性,实现渐进式迁移。特别值得注意的是,3.4.0版本在事务处理、集群管理和类型系统方面的增强,为构建更复杂的分布式应用提供了坚实基础。
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