分布式图数据库 NebulaGraph v3.6.0 正式发布,强化全文索引能力

这篇具有很好参考价值的文章主要介绍了分布式图数据库 NebulaGraph v3.6.0 正式发布,强化全文索引能力。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

分布式图数据库 NebulaGraph v3.6.0 正式发布,强化全文索引能力,分布式,数据库

本次 v3.6.0 版本,主要强化全文索引能力,以及优化部分场景下的 MATCH 性能。

强化

  • 强化增强全文索引功能,具体 pr 参见:#5567、#5575、#5577、#5580、#5584、#5587

优化

  • 支持使用 MATCH 子句检索 VID 或属性索引时使用变量,具体 pr 参见:#5468、#5553
  • 支持并行启动 RocksDB 实例以加快 Storage 服务的启动速度,具体 pr 参见:#5521
  • 优化 RocksDB 迭代器执行 DeleteRange 操作后的前缀搜索性能,具体 pr 参见:#5525
  • 优化 appendLog 发送逻辑以避免 follower 宕机后影响写性能,具体 pr 参见:#5571
  • 优化 MATCH 语句查询不存在的属性时的性能,具体 pr 参见:#5634

缺陷修复

  • 修复 Meta 数据不一致的问题,具体 pr 参见:#5517
  • 修复 RocksDB 导入操作导致 leader 租约无效的问题,具体 pr 参见:#5534
  • 修复存储的统计逻辑错误的问题,具体 pr 参见:#5547
  • 修复设置无效请求参数的标志导致 Web 服务崩溃的问题,具体 pr 参见:#5566
  • 修复列出会话时打印过多日志的问题,具体 pr 参见:#5618
  • 修复单个大查询导致 Graph 服务崩溃的问题,具体 pr 参见:#5619
  • 修复执行 Find All Path 语句导致 Graph 服务崩溃的问题,具体 pr 参见:#5621、#5640
  • 修复部分过期数据在最底层不会被回收的问题,具体 pr 参见:#5447、#5622
  • 修复在 MATCH 语句中添加路径变量会导致 all() 函数下推优化失效的问题,具体 pr 参见:#5631
  • 修复 MATCH 语句中通过最短路径查询自环时返回结果错误的问题,具体 pr 参见:#5636
  • 修复通过管道符删除边导致 Graph 服务崩溃的问题,具体 pr 参见:#5645
  • 修复 MATCH 语句中匹配多跳时返回结果缺少边属性的问题,具体 pr 参见:#5646

变更

  • 增强全文索引特性,涉及变更内容如下:原有的全文索引功能由调用 Elasticsearch 的 Term-level queries 改为 Full text queries 方式。
  • 变更后除了支持原有的通配符、正则、模糊匹配等方式(但语法发生变化),还增加了对分词的支持(依赖 Elasticsearch 自身使用的分词器),查询结果包含评分结果。更多语法请参见 Elasticsearch 官方文档。

升级

具体步骤参考升级文档:https://docs.nebula-graph.com.cn/3.6.0/4.deployment-and-installation/3.upgrade-nebula-graph/upgrade-nebula-comm/

源码

  • 编译:https://github.com/vesoft-inc/nebula/releases/tag/v3.6.0
  • 下载:https://www.nebula-graph.com.cn/download

贡献者

本次 v3.6.0 版本由以下用户贡献,排名不分先后:

  • @cangfengzhs
  • @yixinglu
  • @luyade
  • @nevermore3
  • @songqing
  • @czpmango
  • @Shylock-Hg
  • @shixiangz

分布式图数据库 NebulaGraph v3.6.0 正式发布,强化全文索引能力,分布式,数据库

最后,特别感谢 @luyade 、 @songqing 、 @shixiangz 对该版本做出的贡献。文章来源地址https://www.toymoban.com/news/detail-651114.html

到了这里,关于分布式图数据库 NebulaGraph v3.6.0 正式发布,强化全文索引能力的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【大数据】分布式数据库HBase

    目录 1.概述 1.1.前言 1.2.数据模型 1.3.列式存储的优势 2.实现原理 2.1.region 2.2.LSM树 2.3.完整读写过程 2.4.master的作用 本文式作者大数据系列专栏中的一篇文章,按照专栏来阅读,循序渐进能更好的理解,专栏地址: https://blog.csdn.net/joker_zjn/category_12631789.html?spm=1001.2014.3001.5482 当

    2024年04月27日
    浏览(48)
  • 分布式数据库-事务一致性

    version: v-2023060601 author: 路__ 分布式数据库的“强一致性”应该包含两个方面: serializability(串行) and linearizability(线性一致) ,上述图为“Highly Available Transactions: Virtues and Limitations”论文中对于一致性模型的介绍。图中箭头表示一致性模型之间的关系。对于异步网络上的分

    2024年02月08日
    浏览(53)
  • 分布式数据库NoSQL(二)——MongoDB 数据库基本操作

    MongoDB 是一个基于分布式文件存储的数据库。由 C++ 语言编写。旨在为 WEB 应用提供可扩展的高性能数据存储解决方案。 MongoDB 是一个介于关系数据库和非关系数据库之间的产品,是非关系数据库当中功能最丰富,最像关系数据库的。它支持的数据结构非常松散,是类似 json 的

    2024年02月06日
    浏览(52)
  • 聊聊分布式 SQL 数据库Doris(三)

    在 Doris 的存储引擎规则: 表的数据是以分区为单位存储的,不指定分区创建时,默认就一个分区. 用户数据首先被划分成若干个分区(Partition),划分的规则通常是按照用户指定的分区列进行范围划分,比如按时间划分。 在每个分区内,数据被进一步的按照Hash的方式分桶,分

    2024年02月05日
    浏览(56)
  • 聊聊分布式 SQL 数据库Doris(一)

    MPP:Massively Parallel Processing, 即大规模并行处理. 一般用来指多个SQL数据库节点搭建的数据仓库系统. 执行查询的时候, 查询可以分散到多个SQL数据库节点上执行, 然后汇总返回给用户. Doris 作为一款开源的 MPP 架构 OLAP 高性能、实时的分析型数据库,能够运行在绝大多数主流的商

    2024年02月05日
    浏览(46)
  • 聊聊分布式 SQL 数据库Doris(六)

    此处的负载均衡指的是FE层的负载均衡. 当部署多个 FE 节点时,用户可以在多个 FE 之上部署负载均衡层来实现 Doris 的高可用。官方文档描述: 负载均衡 。 实现方式 实现方式有多种,如下列举。 开发者在应用层自己进行重试与负载均衡。 JDBC Connector 发现一个连接挂掉,就自

    2024年02月05日
    浏览(54)
  • 聊聊分布式 SQL 数据库Doris(二)

    Doris中,Leader节点与非Leader节点和Observer节点之间的元数据高可用和一致性,是通过bdbje(全称:Oracle Berkeley DB Java Edition)的一致性和高可用实现的。 元数据与同步流程 元数据主要存储四类数据: 用户数据信息. 包括数据库, 表的schema, 分片信息等 各类作业信息. 如导入作业, clo

    2024年02月05日
    浏览(68)
  • 聊聊分布式 SQL 数据库Doris(五)

    阅读 Doris SQL 原理解析,总结下Doris中SQL解析流程: 词法识别:解析原始SQL文本,拆分token 语法识别:将token转换成AST 单机逻辑查询计划:将AST经过一系列的优化(比如,谓词下推等)成查询计划,提高执行性能与效率。 分布式逻辑查询计划:根据分布式环境(数据分布信息

    2024年02月05日
    浏览(55)
  • 聊聊分布式 SQL 数据库Doris(八)

    密集索引:文件中的每个搜索码值都对应一个索引值,就是叶子节点保存了整行. 稀疏索引:文件只为索引码的某些值建立索引项. 稀疏索引的创建过程包括将集合中的元素分段,并给每个分段中的最小元素创建索引。在搜索时,先定位到第一个大于搜索值的索引的前一个索引

    2024年02月05日
    浏览(41)
  • 聊聊分布式 SQL 数据库Doris(九)

    优化器的作用是优化查询语句的执行效率,它通过评估不同的执行计划并选择最优的执行计划来实现这一目标。 CBO: 一种基于成本的优化器,它通过评估不同查询执行计划的成本来选择最优的执行计划。CBO会根据数据库系统定义的统计信息以及其他因素,对不同的执行计划进

    2024年02月05日
    浏览(51)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包