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。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00