ClickHouse-Java 0.9.0版本发布:JDBC驱动与客户端的重要更新
ClickHouse-Java项目是ClickHouse列式数据库的官方Java客户端库,为开发者提供了在Java应用中连接和操作ClickHouse数据库的能力。该项目包含多个模块,如JDBC驱动、HTTP客户端、R2DBC驱动等,支持各种Java应用场景下的数据库访问需求。
版本核心变更
本次0.9.0版本带来了多项重要改进和优化,主要集中在JDBC驱动和客户端功能上。最显著的变化是项目对发布产物的精简和优化,移除了多个冗余的artifact,简化了用户的选择和使用成本。
发布产物调整
新版本不再发布clickhouse-jdbc:http、clickhouse-jdbc:shaded-all和clickhouse-jdbc:shaded等artifact,统一推荐使用clickhouse-jdbc:all作为替代。这个all包包含了所有必要的shaded库(除了org.slf4j:slf4j-api,因为该库不应被shaded)。同时,jdbc-v2相关的独立artifact也被移除,因为其功能已经整合到clickhouse-jdbc:all中。
这种调整使得依赖管理更加清晰,开发者不再需要纠结选择哪个artifact版本,减少了潜在的依赖冲突问题。
关键问题修复
JDBC驱动改进
-
SQL解析增强:修复了在FROM子句中使用关键字作为别名时的解析问题,提升了SQL兼容性。同时改进了CREATE USER语句的识别能力,使得DDL操作更加可靠。
-
CTE支持完善:对公共表表达式(CTE)的解析进行了多项改进,解决了多个相关issue中报告的问题,使得复杂查询的编写更加顺畅。
-
参数处理优化:修复了当SQL中包含反引号包裹的函数时参数解析失败的问题,同时解决了设置超时参数时参数传递失效的缺陷。
-
结果集处理:修正了ResultSet#findColumn方法总是返回0的问题,确保了列索引查询的正确性。
-
日志统一:将SQL解析器的日志输出与驱动日志系统进行了整合,使得日志记录更加一致和可管理。
客户端改进
-
参数传递可靠性:修复了在设置超时参数时其他参数可能丢失的问题,确保了所有配置参数都能正确传递到服务器端。
-
配置管理优化:将所有默认配置值集中到ClientConfigurationProperties枚举中管理,提高了代码的可维护性和配置的一致性。
技术细节与最佳实践
对于Java开发者使用ClickHouse-Java客户端,有以下建议:
-
依赖选择:新项目应直接使用
clickhouse-jdbc:all作为依赖,它已经包含了大多数必要的功能。对于特殊场景,可以考虑使用更细粒度的模块。 -
配置管理:利用ClientConfigurationProperties枚举来管理和验证配置参数,可以避免配置错误并提高代码可读性。
-
日志集成:由于SLF4J API未被shaded,应用需要自行提供合适的日志实现,如Logback或Log4j2。
-
升级策略:从旧版本升级时,应注意检查是否使用了被移除的artifact,并相应调整依赖声明。
总结
ClickHouse-Java 0.9.0版本通过精简发布产物、增强SQL兼容性和修复关键问题,显著提升了开发体验和系统稳定性。这些改进使得Java应用与ClickHouse数据库的集成更加顺畅,特别是在处理复杂查询和管理连接配置方面。对于使用ClickHouse的Java开发者来说,升级到这个版本将获得更好的开发效率和运行时可靠性。
随着ClickHouse在数据分析领域的日益普及,其Java客户端的持续优化将为Java生态系统中的大数据应用提供更强大的支持。开发者可以期待未来版本会带来更多性能优化和新功能支持。
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