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。
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