共计 995 个字符，预计需要花费 3 分钟才能阅读完成。
自 3.0 版本公布以来，在研发人员和社区用户的一直致力下，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一直晋升。在咱们为 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”，独特见证 TDengine 下一阶段的新成长。
在大家的共同努力下，TDengine 3.0.5.0 终于胜利公布，这一版本波及到的更新内容包含零碎稳定性与性能优化、系统安全、流计算、数据订阅以及一些能晋升用户体验的细节优化。新版本进一步晋升了零碎稳定性，帮忙用户将资源占用降到更低，欢送大家下载应用，咱们期待收到你的利用反馈。
3.0.5.0 版本具体更新如下：
1. 零碎稳定性与性能优化
- 晋升了在高密度数据写入压力下的零碎稳定性
- 晋升了一些查问场景下的性能
- 通过引入 RAFT Learner，正本变更不会阻塞写入
- 通过写驱动构建缓存，晋升了 last()/last_row() 的查问性能
- 升高了创立 / 删除数据库的延时
- 默认记录长查问，不便诊断利用零碎中耗时较长的查问
- 管制了客户端的缓存下限
- 在 dnode 数据彻底失落后可能复原（企业版）
2. 系统安全
- 表级权限管制（企业版）
- root 用户可通过 SQL 命令来激活或更新受权码（企业版）
3. 流计算
- 大幅升高了流计算对磁盘 I/O 和内存的资源耗费
- 在没有 fill_history 的状况下能够暂停和复原流的运行
4. 数据订阅
- 能够查问 topic 的生产进度
- 可能从指定地位开始生产
- 超级表的数据能够加上过滤条件进行生产 Consumers can subscribe supertable with tag filtering
- 可能获取 topic 的元数据
- 晋升了性能和稳定性
5. 其余
- 最大行长度减少到 64KB
- interp() 能够对超级表进行插值
- 应用“REPLACE”命令可能在线降级 Python UDF，无需再重启服务过程
- Partition by 和 window 子句能够和 ”Having” 子句一起应用
如果你想要理解新版本更加具体的信息，能够移步至 https://github.com/taosdata/TDengine/releases/tag/ver-3.0.5.0 查看公布阐明。欢送大家下载应用，也欢送在评论区提出倡议和意见，如有任何问题请及时分割咱们，取得反对。
正文完