共计 2050 个字符，预计需要花费 6 分钟才能阅读完成。
2023 新年伊始，OpenMLDB v0.7.0 正式公布。本次版本更新重点加强了易用性和稳定性，下文将具体介绍次要改良和更新内容。更多 0.7.0 版本内容详见链接：Release v0.7.0 · 4paradigm/OpenMLDB
系统性改良音讯和错误码，晋升易用性
在以前的版本中，音讯和错误码零碎的欠缺度有余，存在错误信息未被正确捕捉、音讯显示含糊等问题。v0.7.0 开始重构整个音讯和错误码零碎，目前次要改良了 CLI 和 SDK 上的大部分音讯和错误码，其余将在后续版本持续欠缺。
以下举例在 OpenMLDB CLI 下，离线引擎的错误信息改良。
-- v0.6.x 的错误信息输入
127.0.0.1:7125/db> SELECT * FROM t1;
Error: Fail to get TaskManager client从下面能够看到，v0.6.x 错误信息音讯提醒绝对含糊，并未显示具体的谬误起因。
版本改良当前，谬误音讯输入如下：
-- v0.7.0 的错误信息输入
127.0.0.1:7125/db> SELECT * FROM t1;
Error: [2001] async offline query failed--ReturnCode[1003]--Fail to get TaskManager client相比拟以前打印出更多的谬误栈内音讯提醒：
[2001] async offline query failed：第一层捕捉的错误信息，显示离线引擎在异步模式下执行失败，错误码为 2001，须要进一步查看谬误链的后续错误代码或者信息ReturnCode[1003]：第二层捕获的错误信息，错误码为 1003，通过查看错误代码文档可知，该错误码 1003 次要代表：“客户端连贯服务端出错，通常呈现在连贯 TaskManager 失败，可能 TaskManager 并未启动或者不在集群中”
错误代码文档详见如下链接：https://openmldb.ai/docs/zh/m…
设定内存应用下限，加强服务稳定性
依据过往教训，OpenMLDB 作为在线服务，应用过程中最常见的稳定性问题是内存资源耗尽，导致 tablet 被操作系统杀掉，最终造成整体业务下线的危险。而内存资源耗尽往往属于无心中的非正常行为（比方突发流量洪峰，或者某些运维操作），带来极高的问题排查难度。为此，v0.7.0 布局了内存资源隔离及告警零碎两个新性能，升高因为内存耗费带来的业务危险：
- 内存资源隔离，将内存资源耗费在可控范畴内（v0.7.0 局部实现）
- 告警零碎，在内存超过某一个应用阈值时，告诉相干运维零碎或运维人员（布局中，预期 v0.8.0 公布）
v0.7.0 实现了一个针对 tablet 粒度的配置参数 max_memory_mb（见 tablet 配置文件 https://openmldb.ai/docs/zh/m…），该配置会限度以后 tablet 能够应用的最大内存。当内存使用量超过预设值时，写操作将会失败，然而不会影响读操作，服务仍然在线，即读相干的业务仍然能够放弃失常。用户后续能够通过扩容、分片迁徙等伎俩彻底解决内存资源不够的问题，从而将对对于线上业务的影响降至最低。
下图显示了当设置单个 tablet 的内存限度为 500 MB 的时候，在一直写入操作下，该 tablet 的内存资源占用随着时间推移的状况。能够看到在测试场景下，该 tablet 内存占用初始继续上涨，当达到设定的内存最大应用值时，即便一直再进行写入，内存占用不会上涨（写入会返回失败），从而保障了该 tablet 的内存使用量在可控范畴内，防止导致业务下线等重大问题。
新增自动化部署和启动工具，升高应用门槛
OpenMLDB 0.7.0 之前的版本存在较为简单的部署和启动命令，以及一些隐含的程序依赖，往往给使用者带来很多困扰，消耗不必要的精力。以后版本针对性的改良了部署，服务启动和进行命令。
在 v0.7.0 以前，部署并且启动 OpenMLDB 集群服务须要别离对 ZooKeeper、tablets、nameserver、APIServer、TaskManager 五个组件进行部署和启动，总计二十多条命令，并且容易呈现配置不统一而导致启动失败。
v0.7.0 引入了三个自动化命令，deploy-all, start-all, stop-all 别离用于一键化集群部署、启动、进行。用户只须要一次性正确配置环境，就能够正确地进行自动化部署和服务启动 / 进行。
- 手动部署和启动（v0.7.0 以前）
- 一键化部署和启动（v0.7.0 新反对的自动化工具）
下图显示了执行 deploy-all 命令当前的输入信息，能够看到该命令主动进行了 tablet、nameserver、APIServer 等组件的自动化部署。
下图显示了执行 start-all 工具当前的输入信息，能够看到该命令依照正确的程序，主动启动了 tablet、nameserver、TaskManager 等组件。
在应用了 deploy-all 以及 start-all 命令当前，本来简单的部署和启动过程简化为一行命令，大大降低了整体的应用门槛。
