Google Cloud Go Spanner 1.78.0版本发布:搜索索引与多路复用会话支持
Google Cloud Go Spanner是Google Cloud Platform提供的Spanner数据库服务的Go语言客户端库。Spanner是一个全球分布式的关系型数据库服务,提供强一致性、高可用性和水平扩展能力。最新发布的1.78.0版本带来了几项重要更新,包括对搜索索引的支持和会话多路复用功能的增强。
搜索索引功能支持
在1.78.0版本中,Spanner客户端库新增了对tokenlist和创建搜索索引的支持。这一功能扩展了Spanner的全文搜索能力,使开发者能够更高效地实现文本搜索功能。
搜索索引是数据库系统中用于加速文本搜索查询的特殊索引类型。与传统的B-tree索引不同,搜索索引专门为文本内容优化,支持模糊匹配、词干提取等高级搜索功能。tokenlist是搜索索引中用于存储和处理文本标记的数据结构,它能够将文本分解为可搜索的标记单元。
这一功能的加入意味着开发者现在可以直接通过Go客户端库创建和管理Spanner中的搜索索引,而无需依赖外部工具或手动操作。例如,开发者可以为一个包含产品描述的列创建搜索索引,然后使用Spanner的高效全文搜索功能来查找相关产品。
读写事务中的多路复用会话支持
另一个重要改进是对读写事务中会话多路复用功能的增强。会话多路复用(也称为会话池)是Spanner客户端库的一个重要特性,它允许多个客户端请求共享同一个底层会话,从而减少连接建立的开销并提高资源利用率。
在1.78.0版本中,这一功能被扩展到了ReadWriteStmtBasedTransaction类型的读写事务中。这意味着使用语句基础的事务API的应用程序现在也能受益于会话多路复用带来的性能优势。
会话多路复用的工作原理是维护一个可重用的会话池,而不是为每个请求创建新的会话。当应用程序发起请求时,客户端库会从池中获取一个可用会话,使用完毕后将其返回到池中以供后续请求使用。这种方式特别适合高并发的应用场景,可以显著减少连接建立和认证的开销。
安全更新与问题修复
本次发布还包含了一些重要的安全更新和问题修复:
- 更新了
golang.org/x/net依赖至0.37.0版本,修复了潜在的安全漏洞。 - 回滚了ALTS绑定令牌的启用,这可能是因为在某些环境下发现了兼容性问题或性能影响。
ALTS(Application Layer Transport Security)是Google内部使用的一种安全传输协议,用于服务间的认证和加密通信。虽然ALTS提供了高级别的安全性,但在某些部署环境中可能需要更细致的配置和测试。
总结
Google Cloud Go Spanner 1.78.0版本的发布为开发者带来了更强大的文本搜索能力和更高效的会话管理功能。搜索索引的支持使得实现复杂的全文搜索场景变得更加简单,而会话多路复用的扩展则进一步提升了高并发场景下的性能表现。
对于正在使用或考虑使用Google Cloud Spanner的Go开发者来说,升级到1.78.0版本可以获得这些新功能带来的优势。特别是在需要实现产品搜索、内容检索等功能的应用程序中,新的搜索索引支持将大大简化开发工作并提高查询效率。
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