Databend v1.2.704-nightly版本发布:查询优化与功能增强
Databend是一款开源的云原生数据仓库,以其高性能、弹性扩展和易用性著称。它采用Rust语言开发,支持标准SQL语法,能够处理PB级别的数据分析任务。最新发布的v1.2.704-nightly版本带来了一系列查询优化和新功能,进一步提升了系统的可用性和性能。
查询功能增强
本次版本在查询功能方面进行了多项改进。首先,新增了对WITHIN GROUP子句的支持,这一特性特别适用于AggregateFunction聚合函数。WITHIN GROUP子句允许用户在有序数据集上执行聚合操作,为窗口函数和排序聚合提供了更灵活的操作方式。
查询结果展示方面,现在支持对角色和用户的授权结果进行折叠显示。这一改进使得当查询SHOW GRANTS命令时,返回的结果更加整洁有序,便于管理员查看和管理权限设置。
性能优化与资源管理
在性能优化方面,v1.2.704-nightly版本引入了查询级别的溢出(Spill)设置功能。溢出机制是数据库管理系统中的重要特性,当内存不足时,系统可以将中间结果临时写入磁盘。现在用户可以在查询级别控制这一行为,根据具体查询需求调整溢出策略,从而在内存使用和查询性能之间取得更好的平衡。
针对Parquet文件格式的处理也进行了优化,改进了元数据缓存机制。新的实现将文件的MD5哈希值、修改时间或查询ID纳入缓存键的考虑范围,确保了缓存的有效性和一致性,减少了不必要的重复计算。
权限与安全管理
权限管理方面,修复了角色显示重写类型错误的问题,确保角色信息展示的准确性。同时,改进了授权结果的组织方式,使得权限管理更加直观和高效。
查询执行优化
查询执行引擎也获得了多项改进。修复了聚合输入与联合输出不匹配的问题,特别是在包含子查询的场景下。这一修复确保了查询计划的正确执行,避免了潜在的结果不一致问题。
递归查询(Recursive Query)的处理也得到了增强,修复了绑定表时可能出现的panic问题,提高了系统稳定性。递归查询是处理层次结构数据(如组织结构、评论树等)的重要功能,这一改进使得相关查询更加可靠。
元数据管理改进
在元数据管理方面,简化了键值映射的处理逻辑,提高了命名一致性。这些内部重构虽然对终端用户不可见,但为系统的长期维护和扩展打下了更好的基础。
总结
Databend v1.2.704-nightly版本通过多项功能增强和问题修复,进一步提升了系统的稳定性和可用性。从查询功能的丰富到性能优化的深入,再到权限管理的完善,这些改进共同为用户提供了更加强大和可靠的数据分析平台。特别是查询级别溢出设置和递归查询稳定性的提升,将为处理大规模复杂查询提供更好的支持。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00