ObjectBox V4.1.0 发布:地理坐标向量搜索与同步认证升级
2025-06-13 03:35:59作者:丁柯新Fawn
ObjectBox 是一个专为移动端和物联网设备设计的高性能 NoSQL 数据库,以其轻量级和卓越的性能著称。它特别适合需要在资源受限环境中实现快速数据存储和检索的场景。最新发布的 V4.1.0 版本带来了两项重要功能升级和一些基础改进。
地理坐标向量搜索功能
新版本引入了 VectorDistanceType.GEO 距离类型,这是一个专为地理坐标设计的向量搜索功能。这项技术的核心价值在于:
- 地理位置数据处理:开发者现在可以直接在数据库中存储经纬度坐标,并执行高效的地理位置查询
- 距离计算优化:底层使用优化的算法计算两点之间的地理距离,比手动计算更高效
- 应用场景丰富:特别适合需要实现"附近地点搜索"、"范围查询"等功能的应用程序,如社交应用、本地服务应用等
实现示例:
// 创建包含地理坐标的实体
@Entity
public class LocationPoint {
@Id long id;
double[] coordinates; // [经度, 纬度]
}
// 执行地理搜索
Query<LocationPoint> query = box.query()
.vectorDistance(LocationPoint_.coordinates,
new float[]{targetLng, targetLat},
VectorDistanceType.GEO)
.build();
Android 平台支持调整
从 V4.1.0 开始,ObjectBox 将最低支持的 Android 版本提升至 5.0 (API level 21)。这一变化反映了:
- 现代设备适配:放弃对老旧 Android 版本的支持,可以更好地利用现代硬件特性
- 性能优化:减少兼容代码,提高整体运行效率
- 开发简化:开发者不再需要为极低版本 Android 做特殊处理
Windows JVM 兼容性说明
团队注意到在某些 Windows JVM 版本上创建 BoxStore 时可能出现崩溃问题。经过测试验证,以下 JVM 版本可以稳定运行:
- 8.0.432+6
- 11.0.25+9
- 17.0.13+11
- 21.0.5+11-LTS
建议开发者及时更新到这些经过验证的 JVM 版本,以确保开发环境的稳定性。
同步功能增强
ObjectBox 的同步功能在这个版本中获得了重要升级:
- JWT 认证支持:增加了对 JSON Web Tokens 的支持,为分布式系统提供了更标准的认证方式
- 多凭证登录:同步客户端现在可以发送多个凭证进行登录,提高了认证灵活性
- 安全性提升:为需要高安全级别的应用提供了更多认证选项
这些同步功能的改进使得 ObjectBox 在需要数据同步的跨设备应用中更具竞争力,特别是在企业级应用场景中。
升级建议
对于现有项目,建议评估以下升级因素:
- 如果应用需要地理位置搜索功能,强烈建议升级
- 对于 Android 应用,确认目标用户设备是否都运行 Android 5.0 及以上
- 使用同步功能且需要更灵活认证方式的项目可以从新版本中获益
V4.1.0 的这些改进进一步巩固了 ObjectBox 在嵌入式数据库领域的地位,特别是对于需要高效处理地理位置数据和实现安全同步的应用场景。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
677
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler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。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
116
昇腾LLM分布式训练框架
Python
178
220