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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00