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。
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