Doltgresql v0.17.0 版本发布:函数创建与执行能力全面增强
Doltgresql 是一个兼容 PostgreSQL 的数据库系统,它结合了 Git 式的版本控制功能与关系型数据库的强大能力。该项目旨在为开发者提供类似 Git 的工作流来管理数据库变更,同时保持与 PostgreSQL 的高度兼容性。
最新发布的 v0.17.0 版本带来了多项重要改进,特别是在用户自定义函数支持方面取得了显著进展。以下是对本次更新的技术解读:
函数创建与执行能力突破
本次更新的核心亮点是实现了对 CREATE FUNCTION 语句的完整支持。开发团队构建了一个全新的解释器基础架构,专门用于处理函数创建和执行逻辑。这个解释器能够:
- 解析 PL/pgSQL 函数定义
- 将函数体转换为可执行的中间表示
- 支持函数调用和执行
值得注意的是,团队采用了创新的方法处理 PL/pgSQL 语法解析问题。由于 PL/pgSQL 与标准 SQL 语法存在难以调和的冲突,他们引入了专门的 pg_analyze 包来处理这部分逻辑,确保了语法解析的准确性。
变量引用与 ALIAS 语句支持
在函数实现细节方面,v0.17.0 改进了变量引用处理机制。新版本采用词法分析技术精确识别变量名,避免了简单的文本匹配可能导致的错误替换。同时,该版本完整实现了 PL/pgSQL 中的 ALIAS 语句支持,进一步提升了与 PostgreSQL 的兼容性。
列默认值与生成列改进
针对表结构定义,本次更新修复了多个与列默认值和生成列相关的关键问题:
- 修正了函数调用语法解析问题,现在支持无参数函数调用
- 实现了
substring()函数的缺失形式 - 添加了
gen_random_uuid()函数实现 - 改进了生成列表达式的括号包装处理
架构优化与错误处理增强
在系统架构层面,v0.17.0 引入了几个重要改进:
- 为各种内部 ID 类型创建了类型安全的包装器,提高了代码健壮性
- 实现了 ID 变更分发机制,使系统组件能够更优雅地处理依赖关系变化
- 将所有
fmt.Errorf()调用替换为 CockroachDB 的错误库,提供了更丰富的错误堆栈信息
兼容性与实用性提升
为了改善用户体验,新版本增加了多项兼容性改进:
- 支持解析但忽略
VACUUM语句(作为无操作实现) - 增强
COPY FROM语句支持,现在可以处理不包含所有列的输入数据 - 增加了忽略不受支持 DDL 操作的环境变量选项
构建系统改进
针对 Windows 平台,修复了引入 CGO 依赖后出现的 SSP(栈溢出保护)链接器错误,确保了跨平台构建的稳定性。
总结
Doltgresql v0.17.0 标志着项目在 PostgreSQL 兼容性道路上迈出了重要一步,特别是在用户自定义函数支持方面取得了实质性进展。这些改进不仅增强了系统功能,也为后续开发奠定了更坚实的基础。随着解释器架构的完善和核心功能的持续增强,Doltgresql 正逐步成为兼具版本控制能力和 PostgreSQL 兼容性的独特数据库解决方案。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C036
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
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