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。
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 Notebook0120
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
fun-rec推荐系统入门教程,在线阅读地址:https://datawhalechina.github.io/fun-rec/Python03
so-large-lm大模型基础: 一文了解大模型基础知识01