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。
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
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
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- 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