BemiDB v0.30.0 版本发布:增强PostgreSQL兼容性与系统表支持
BemiDB是一个专注于数据变更追踪与审计的开源数据库系统,它通过记录数据变更历史来提供完整的数据溯源能力。最新发布的v0.30.0版本在PostgreSQL兼容性和系统表支持方面做出了重要改进,使BemiDB能够更好地与现有PostgreSQL生态工具集成。
核心功能增强
新增PostgreSQL系统函数支持
v0.30.0版本新增了对多个PostgreSQL系统函数的支持,包括aclexplode、pg_get_indexdef()以及_pg_expandarray等。这些函数的加入使得BemiDB能够更好地处理PostgreSQL特有的权限模型和数组操作,为开发者提供了更熟悉的开发体验。
特别是pg_get_indexdef()函数的支持,使得开发者能够直接查询索引定义,这对于数据库维护和迁移工作尤为重要。
扩展系统表支持
新版本增加了对pg_matviews、pg_stat_user_tables等系统表的支持。这些系统表是PostgreSQL生态中常用的元数据查询接口,许多数据库管理工具都依赖这些表来获取数据库状态信息。
pg_matviews表提供了物化视图的元数据信息,而pg_stat_user_tables则包含了用户表的使用统计信息。这些支持使得BemiDB能够与现有的PostgreSQL监控工具无缝集成。
查询处理能力提升
v0.30.0在查询处理方面有多项改进:
- 支持了SELECT语句中的间接引用和数组展开操作
- 改进了WHERE子句中嵌套SELECT语句的处理能力
- 修复了扩展查询执行中缺少Bind步骤时的问题
- 为命令添加了完整的command-complete标签
这些改进显著提升了BemiDB处理复杂查询的能力,特别是对于那些使用了PostgreSQL特有语法的查询。
系统优化与修复
时区处理
新版本允许设置和查询时区信息,这对于需要处理时间敏感数据的应用非常重要。开发者现在可以像在PostgreSQL中一样,通过设置时区来确保时间数据的正确处理。
模式验证与系统表优化
v0.30.0加强了对PG函数调用时的模式验证,确保函数调用符合预期的模式结构。同时,对系统表进行了优化:
- 移除了pg_namespace中的重复条目
- 重写了pg_views表的实现
- 改进了对系统PG表的识别,不再强制要求pg_catalog模式
这些优化使得系统表查询更加准确和高效。
错误处理改进
新版本改进了对空查询的处理,现在会返回适当的消息而不是静默失败。这种显式的错误处理机制有助于开发者更快地定位和解决问题。
总结
BemiDB v0.30.0版本通过增强PostgreSQL兼容性和扩展系统表支持,进一步缩小了与原生PostgreSQL的差距。这些改进使得BemiDB能够更好地融入现有的PostgreSQL生态,同时保持其核心的数据变更追踪能力。对于需要数据审计和版本控制的场景,这个版本提供了更加稳定和功能丰富的解决方案。
开发者现在可以更自信地在BemiDB上运行复杂的PostgreSQL查询和应用,同时享受BemiDB提供的数据变更追踪功能。随着兼容性的不断提升,BemiDB正逐渐成为PostgreSQL生态中数据审计领域的重要选择。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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