版本发布 | TDengine 3.0.5.0 让流计算、数据订阅更好用

自 3.0 版本发布以来,在研发人员和社区用户的不断努力下,时序数据库(Time Series Database)TDengine 做了大量更新,产品稳定性和易用性也在不断提升。在我们为 TDengine 筹备六岁生日“Party”的同时,TDengine 的研发小伙伴们也在加班加点地进行优化迭代的工作,想要在六岁生日的节点上为 TDengine 用户送上一个新版本“大礼包”,共同见证 TDengine 下一阶段的新成长。

在大家的共同努力下,TDengine 3.0.5.0 终于成功发布,这一版本涉及到的更新内容包括系统稳定性与性能优化、系统安全、流计算、数据订阅以及一些能提升用户体验的细节优化。新版本进一步提升了系统稳定性,帮助用户将资源占用降到更低,欢迎大家下载使用,我们期待收到你的应用反馈。

3.0.5.0 版本具体更新如下:

1. 系统稳定性与性能优化

  • 提升了在高密度数据写入压力下的系统稳定性
  • 提升了一些查询场景下的性能
  • 通过引入 RAFT Learner,副本变更不会阻塞写入
  • 通过写驱动构建缓存,提升了 last()/last_row() 的查询性能
  • 降低了创建/删除数据库的延时
  • 默认记录长查询,方便诊断应用系统中耗时较长的查询
  • 控制了客户端的缓存上限
  • 在 dnode 数据彻底丢失后能够恢复 (企业版)

2. 系统安全

  • 表级权限控制(企业版)
  • root 用户可通过 SQL 命令来激活或更新授权码(企业版)

3. 流计算

  • 大幅降低了流计算对磁盘 I/O 和内存的资源消耗
  • 在没有 fill_history 的情况下可以暂停和恢复流的运行

4. 数据订阅

  • 可以查询 topic 的消费进度
  • 能够从指定位置开始消费
  • 超级表的数据可以加上过滤条件进行消费 Consumers can subscribe supertable with tag filtering
  • 能够获取 topic 的元数据
  • 提升了性能和稳定性

5. 其

  • 最大行长度增加到 64KB
  • interp() 可以对超级表进行插值
  • 使用“REPLACE”命令能够在线升级 Python UDF,无需再重启服务进程
  • Partition by 和 window 子句可以和"Having"子句一起使用

如果你想要了解新版本更加详细的信息,可以移步至 https://github.com/taosdata/TDengine/releases/tag/ver-3.0.5.0查看发布说明。欢迎大家下载使用,也欢迎在评论区提出建议和意见,如有任何问题请及时联系我们,获得支持。

你可能感兴趣的:(网络)