GreptimeDB 0.15.0 夜间版本发布:性能优化与功能增强
GreptimeDB 是一款开源的分布式时序数据库,专注于处理大规模时序数据场景。它结合了时序数据库的高效存储和查询能力,同时提供了分布式系统的水平扩展性。本次发布的 0.15.0 夜间版本带来了多项性能优化和新功能,进一步提升了系统的稳定性和查询效率。
核心改进与优化
查询性能显著提升
本次版本在查询性能方面做了多项优化。首先实现了 Prometheus 相关查询计划的交换律规则,使得查询优化器能够更智能地重组查询计划,减少不必要的计算。其次新增了 SlowQueryRecorder 组件,能够自动记录执行时间超过阈值的慢查询到系统表中,帮助开发者分析和优化查询性能。默认的慢查询阈值也从 5 秒调整为更合理的 30 秒。
批量写入功能增强
批量写入功能得到了显著增强,现在支持同时写入多个时间分区,大幅提高了大批量数据导入的效率。同时针对单区域批量插入场景实现了快速路径优化,减少了不必要的处理开销。在原子写入方面也做了改进,现在会保留原子写入目录而不是隐藏它,并在写入失败时自动清理临时文件,提高了写入的可靠性。
分布式系统稳定性提升
在分布式系统层面,改进了流节点选择机制,现在会避免随机选择前端节点,同时优化了锁的使用策略,防止锁饥饿问题。元数据服务增加了推送器注销信号到邮箱接收器的功能,提高了节点间通信的可靠性。当自动主题创建被禁用时,现在会追加无操作条目,保持系统行为的可预测性。
新功能亮点
新型扫描器 SeriesScan
引入了全新的 SeriesScan 扫描器,专门为按系列查询指标数据而设计。这种扫描方式能够更高效地组织数据扫描过程,特别适合需要按时间线聚合的查询场景。配合新增的 PlainBatch 数据结构,为时序数据处理提供了更灵活的基础设施。
导出功能增强
数据导出到 S3 的功能得到了扩展,增加了更多配置选项,为用户提供了更细粒度的控制能力。这使得将 GreptimeDB 中的数据导出到对象存储进行长期归档或进一步分析变得更加灵活方便。
问题修复与细节改进
本次发布还修复了多个问题,包括表元数据收集的准确性、PromQL 正则表达式锚点行为、以及各种拼写错误等。在构建系统方面,更新了 Nix 构建链接器,提高了跨平台构建的兼容性。
总结
GreptimeDB 0.15.0 夜间版本通过一系列性能优化和新功能增强,进一步巩固了其作为高性能时序数据库的地位。从查询优化到批量写入改进,再到分布式系统稳定性的提升,这些变化都体现了开发团队对产品性能和可靠性的持续关注。对于需要处理大规模时序数据的用户来说,这个版本值得关注和试用。
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