MariaDB 11.7.0 预览版发布
MariaDB 11.7.0 预览版现已发布。v11.7.0 引入了众多新功能,一些亮点内容包括:
- generate UUID 第 4 版和第 7 版的函数。
- 大型事务的近乎即时的二进制日志(避免复制到二进制日志中)。
- 在异步回滚准备好的事务时,崩溃恢复速度更快。
- 基于成本的 UPDATE 和 DELETE 子查询优化策略选择。
- 新的 GIS functions:
ST_Validate()
,MBRCoveredBy()
,ST_Simplify()
,ST_GeoHash()
,ST_LatFromGeoHash()
,ST_LongFromGeoHash()
, ST_IsValid(),ST_Collect()
。 - Stored functions 可以返回 ROW 值。
- 派生表中的列可以明确命名。这对于表值构造函数(VALUES() syntax)特别有用。
- CREATE SERVER 语句可以接受任意的键/值对,以便引擎理解这些键/值对。也就是说,对于 Spider.NET 而言,添加了 SHOW CREATE SERVER,以查看服务器是如何创建的。
- SESSION_USER() 不再是 USER() 的别名,而是显示创建会话的账户。与 CURRENT_USER 不同,它不会在存储例程中改变。
- CURRENT_TIMESTAMP 现在实际返回的是 TIMESTAMP 值,而不是 DATETIME。这修正了与夏令时变化有关的各种异常情况。
- 与系统变量有关的许多更改--b
binlog_optimize_thread_scheduling
,spider_table_crd_thread_count
, 以及spider_table_sts_thread_count
已被弃用,新增了slave_abort_blocking_timeout
和log_slow_always_query_time
,超过时max_sort_length
会发出警告。
更多详情可查看:https://mariadb.org/mariadb-11-7-0-preview-release-available/

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
【免费大屏】JimuReport 积木仪表盘 v1.8.1 首个集成版本发布
项目介绍 积木报表 JimuReport,是一款免费的数据可视化报表工具,含报表、仪表盘和大屏设计,像搭建积木一样完全在线设计报表!功能涵盖,数据报表、打印设计、图表报表、门户设计、大屏设计等! 可视化报表,DataV、帆软的开源替代方案,比帆软拥有更好体验,更简单的使用方式 Web 版报表设计器,类似于 excel 操作风格,通过拖拽完成报表设计,所见即所得。 秉承 "简单、易用、专业" 的产品理念,极大的降低报表开发难度、缩短开发周期、节省成本、解决各类报表难题。 领先的企业级 Web 报表,采用纯 Web 在线技术,专注于解决企业报表快速制作难题。 当前版本:v1.8.1-beta | 2024-09-25 升级日志 积木报表仪表盘模块专项升级,整体 UI 风格优化,首个稳定集成版本,支持 SpringBoot2 脚手架项目快速集成。 升级 SQL 快速集成文档 集成依赖 <dependency> <groupId>org.jeecgframework.jimureport</groupId> <artifactId>jim...
- 下一篇
Meta 发布 Llama 3.2 多模态 AI 模型
Meta 今天发布了 Llama 3.2 系列开源模型,其中包括小型和中型视觉 LLMs(11B 和 90B),以及适合边缘和移动设备的小型纯文本模型(1B 和 3B),包括预训练和指令调整版本。 LLaMA 3.2 支持同时处理文本、图像和视频,能够理解并生成跨媒体内容。例如,用户可以在同一交互中结合文字和图像。 官方的评估结果显示,Llama 3.2 视觉模型在图像识别和一系列视觉理解任务上与 Claude 3 Haiku 和 GPT4o-mini 的性能相当。 Llama3.2-3B 文本模型在循指令、总结、提示重写和工具使用等任务上优于 Gemma 2 2.6B 和 Phi 3.5-mini 模型。 多模态模型 Llama3.2的11B和90B模型多模态是基于Llama3.1-8B、70B文本模型上,增量增加图像模型。 pretrain阶段: 文本模块由Llama3.1模型初始化,并初始化图像编码器,利用大规模噪声(图像、文本、6B数据对)对数据进行预训练 再用中等规模的高质量的领域、知识增强的(图像、文本、3M数据对)数据预训练。 posting-train阶段: 通过监督微...
相关文章
文章评论
共有0条评论来说两句吧...