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。
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
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
MiniCPM-SALAMiniCPM-SALA 正式发布!这是首个有效融合稀疏注意力与线性注意力的大规模混合模型,专为百万级token上下文建模设计。00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01