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. 其他

• 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。