ClickHouse-Backup v2.6.19版本发布:关键Bug修复与功能优化
ClickHouse-Backup是一个专为ClickHouse数据库设计的备份工具,它能够高效地备份和恢复ClickHouse数据,支持本地和远程存储,并提供了灵活的备份策略管理。该项目由Altinity团队维护,已成为ClickHouse生态中不可或缺的组件之一。
最新发布的v2.6.19版本主要聚焦于修复多个关键Bug,提升了工具的稳定性和可靠性。以下是本次更新的主要内容:
监控指标修复
本次更新修复了clickhouse_backup_number_backups_remote和last_backup_size_remote两个监控指标在watch命令中的行为问题。这些指标对于监控远程备份状态至关重要,修复后用户能够更准确地获取远程备份的数量和大小信息。
配置参数处理优化
针对配置参数path和object_disk_path的处理进行了优化。在之前的版本中,当path为空而object_disk_path非空时,可能会导致备份对象磁盘数据被意外删除。这一修复确保了数据的安全性,避免了潜在的误删除风险。
存储路径处理改进
修复了与ClickHouse存储配置中<metadata_path>参数相关的问题。在之前的版本中,当该路径不包含尾部斜杠时,恢复操作可能会创建错误的硬链接。这一改进确保了在各种配置下都能正确创建硬链接,提高了恢复操作的可靠性。
Azure Blob存储支持增强
针对使用Azure Blob存储作为备份目标的情况,修复了当storage_account_url在主机名中包含容器作为第一部分时的处理问题。这一改进使得Azure Blob存储的集成更加稳定,特别是在复杂的URL配置场景下。
SQL语句转义修复
修复了表创建查询中特殊字符转义的问题。在v2.6.6至v2.6.18版本中创建的备份,如果表定义包含反斜杠字符,可能需要手动将\替换为\\以确保正确恢复。这一修复避免了未来版本中可能出现的数据定义语言(DDL)解析问题。
总结
ClickHouse-Backup v2.6.19版本虽然没有引入新功能,但对现有功能的稳定性和可靠性进行了重要改进。这些修复涵盖了从监控指标到存储配置、从云存储支持到SQL解析等多个关键方面,使得该工具在生产环境中的表现更加可靠。
对于正在使用ClickHouse-Backup的用户,特别是那些依赖远程监控、使用Azure Blob存储或处理复杂表定义的用户,建议尽快升级到此版本以获得最佳体验和数据安全保障。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00