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。
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