TDengine 3.3.5.0版本发布:时序数据库的重大升级
时序数据库TDengine近日发布了3.3.5.0版本,这是一次包含多项重要改进和功能增强的更新。TDengine作为一款专为物联网、工业互联网等场景设计的高性能时序数据库,此次更新在稳定性、性能、功能完备性等方面都有显著提升。
核心架构优化
本次版本对MQTT模块进行了重构,显著提升了稳定性和性能表现。MQTT作为物联网领域广泛使用的轻量级通信协议,其性能优化对于TDengine在物联网场景下的表现至关重要。重构后的MQTT模块能够更好地处理高并发连接和大规模数据传输。
在存储引擎方面,新版本对taosX增量备份恢复功能进行了重构,使得大规模数据备份恢复更加可靠高效。同时增加了taosX-agent内存缓存队列容量配置选项,用户可以根据实际硬件资源情况灵活调整,在内存使用和性能之间取得平衡。
查询与分析能力增强
查询引擎方面,新版本引入了INTERVAL子句中AUTO关键字的使用,可以自动指定窗口偏移量,简化了时间窗口分析的语法。对于跨数据库的超表查询,优化了单vnode情况下的处理逻辑,解决了之前可能出现的查询错误问题。
在SQL兼容性方面,修复了UNION ALL查询在处理varchar类型常量字符串时的字节长度不一致问题,以及包含NULL值的子查询在UNION操作中的处理问题。这些改进使得TDengine能够更好地兼容各种SQL查询场景。
数据写入与管理改进
数据写入方面,新版本显著提升了在启用Last Cache功能时的写入性能。Last Cache是TDengine为最新数据设计的缓存机制,优化后能够更好地支持高频写入场景。
对于数据库管理,新增了通过SQL语句动态修改全局配置参数并持久化的能力,管理员无需重启服务即可调整关键参数。同时增加了对指定数据库磁盘空间的SQL统计功能,便于容量规划和管理。
安全与稳定性提升
安全性方面,新版本强制要求用户设置强密码策略,密码必须为8到16个字符,且包含大写字母、小写字母、数字和特殊字符中的至少三种类型。这一改进显著提升了系统的安全性。
在稳定性方面,修复了WAL中数据块损坏可能导致taosd无法启动的问题,以及流计算在高负载场景下更新检查点可能导致的死锁问题。同时优化了日志文件频繁切换时的丢失问题,增强了系统的可靠性。
开发者体验优化
对于开发者而言,新版本在多个编程语言连接器中增加了stmt2 API支持,包括JDBC(通过WebSocket连接)和Rust连接器。这一改进使得预处理语句的使用更加方便,能够提升批量数据操作的效率。
taos-CLI工具现在会在错误提示中包含错误代码,便于开发者快速定位和解决问题。同时,taosdump工具增加了连接超时或中断后的重试机制,提高了大数据量导出的可靠性。
生态系统集成
在生态系统集成方面,新版本支持SuperSet通过Python连接器连接TDengine,为数据分析师提供了更强大的可视化工具选择。同时改进了Grafana集成,在资源管理器中支持可配置的仪表板,方便用户根据需求自定义监控视图。
总的来说,TDengine 3.3.5.0版本在核心功能、性能、稳定性和生态系统支持等方面都有显著提升,为时序数据处理提供了更加强大和可靠的解决方案。这些改进将特别有利于物联网、工业互联网等需要处理海量时序数据的应用场景。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00