前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >SQL审核 | SQLE 1.2203.0 来啦!

SQL审核 | SQLE 1.2203.0 来啦!

作者头像
爱可生开源社区
发布于 2022-04-06 13:38:05
发布于 2022-04-06 13:38:05
4282
举报

1.2203.0

SQLE Release Notes

SQL审核工具 SQLE 1.2203.0 于今天发布。

一、SQLE 项目介绍

爱可生开源社区的 SQLE 是一款面向数据库使用者和管理者,支持多场景审核,支持标准化上线流程,原生支持 MySQL 审核且数据库类型可扩展的 SQL 审核工具。

SQLE 获取

类型

地址

版本库

https://github.com/actiontech/sqle

文档

https://actiontech.github.io/sqle-docs-cn/

发布信息

https://github.com/actiontech/sqle/releases

数据审核插件开发文档

https://actiontech.github.io/sqle-docs-cn/3.modules/3.7_auditplugin/auditplugin_development.html

在线体验

http://124.70.158.246:8888/ 超级管理员:admin,密码:admin。

二、更新列表

Release Notes

特性

  • [#335] 企业版功能支持商业许可证
  • [#329] 审核插件新增数据源自定义配置,可以兼容不同数据库配置参数;
  • [#394] 支持数据源配置运维时间,限制定时上线和立即上线必须在运维时间内;
  • [#393] 支持工单信息通过微信企业号推送(企业版功能);
  • [#353] 增加邮件配置测试功能;

优化

  • [#232] 工单邮件消息推送完善,新增推送场景,丰富推送的内容;
  • [#375] Oracle 审核任务 TopSQL 展示数据优化;
  • [#268] 优化审核任务的审核列表,提示更多信息,例如:评分,通过率,审核级别;
  • [#404] 优化创建审核任务中添加数据源的时候支持模糊搜索;
  • [#382] 审核任务审核通过时在审核记录列表显式的展示通过的图标;
  • [#367][#406] 优化页面描述,增加对部分功能的引导;
  • [#379] SQL审核结果按审核等级排序展示;
  • [#407] 邮件配置新增可以开启或者关闭的按钮;

缺陷修复

  • [#355] 修复数据库引擎为 InnoDB 时,审核仍然提示“使用Innodb引擎”的问题(社区群反馈);
  • [#361] 修复 SQL Server 审核插件的默认审核规则模板无法修改的问题(社区群反馈);
  • [#363] 修复使用 gh-ost 进行SQL上线时,失败时界面未显示错误提示的问题(社区群反馈);
  • [#364] 修复普通用户无法看到自己创建的审核任务的问题;
  • [#366] 修复修改完审核任务后退到编辑页面“审核任务类型“与实际不一致的问题;
  • [#374] 修复审核任务慢日志采集中出现 administrator command: Binlog Dump GTID(企业版功能)
  • [#389] 修复MySQL给字段指定非预期的字符集无法触发规则 “必须使用指定数据库字符集的问题
  • [#331] 限制空的工单可以被创建的问题;
  • [#410] 修复审核任务进行特定的Mybatis扫描时报错:Error 1062: Duplicate entry 的问题。
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-04-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 爱可生开源社区 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
2 条评论
热度
最新
谢谢分享,不错的文章,学习了!
谢谢分享,不错的文章,学习了!
回复回复点赞举报
静动态回合网络,长什么样子,还希望出张图
静动态回合网络,长什么样子,还希望出张图
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
有基础(Pytorch/TensorFlow基础)mxnet+gluon快速入门mxnet基本数据结构mxnet的数据载入网络搭建模型训练准确率计算模型保存与载入
import numpy as np import mxnet as mx import logging logging.getLogger().setLevel(logging.DEBUG) # logging to stdout mxnet基本数据结构 ndarray ndarray是mxnet中最基本的数据结构,ndarray和mxnet的关系与tensor和pytorch的关系类似。该数据结构可以看成numpy的一种变体,基本上numpy的操作ndarray都可以实现。与ndarray相关的部分是
月见樽
2018/04/27
2.4K0
有基础(Pytorch/TensorFlow基础)mxnet+gluon快速入门mxnet基本数据结构mxnet的数据载入网络搭建模型训练准确率计算模型保存与载入
深度学习高能干货:手把手教你搭建MXNet框架
导读:相信很多程序员在学习一门新的编程语言或者框架时,都会先了解下该语言或者该框架涉及的数据结构,毕竟当你清晰地了解了数据结构之后才能更加优雅地编写代码,MXNet同样也是如此。
IT阅读排行榜
2019/06/18
1.5K0
深度学习高能干货:手把手教你搭建MXNet框架
MXNet | LeNet-5(卷积神经网络)用于手写字识别
卷积神经网络参考:http://yann.lecun.com/exdb/lenet/ 比赛的官网:https://www.kaggle.com/c/digit-recognizer 若是下载数据集困难,可以去我的百度网盘下载:链接:http://pan.baidu.com/s/1sl50KjV 密码:ca56
努力在北京混出人样
2019/02/18
1.1K0
MxNet+R︱用R语言实现深度学习(单CPU/API接口,一)
MxNet提供给了R一个API接口,但是这个API接口也不是万能的,不同的操作系统有着不同的使用功能。
悟乙己
2019/05/27
1.1K0
MXNet | 手写字MNIST识别比赛
比赛的官网:https://www.kaggle.com/c/digit-recognizer
努力在北京混出人样
2019/02/18
6920
mxnet:结合R与GPU加速深度学习
近年来,深度学习可谓是机器学习方向的明星概念,不同的模型分别在图像处理与自然语言处理等任务中取得了前所未有的好成绩。在实际的应用中,大家除了关心模型的准确度,还常常希望能比较快速地完成模型的训练。一个常用的加速手段便是将模型放在GPU上进行训练。然而由于种种原因,R语言似乎缺少一个能够在GPU上训练深度学习模型的程序包。
悟乙己
2019/05/26
2.1K0
使用Apache MXNet分类交通标志图像
有许多深度学习的框架,例如TensorFlow、Keras、Torch和Caffe,Apache MXNet由于其在多个GPU上的可伸缩性而受到欢迎。在这篇博文中,我们将解决一个计算机视觉问题:使用卷积神经网络对德国交通标志进行分类。该网络将包含交通标志图像的彩色照片作为输入,并试图识别交通标志的类型。 为了完成这个笔记本,我们期望你对神经网络,卷积,激活单位,梯度下降,NumPy,OpenCV有一个非常基本的理解。这些先决条件不是强制性的,但是它会对以后的操作有所帮助。 在结束后,你可以: 准备一个训练神
AiTechYun
2018/03/02
1.7K0
使用Apache MXNet分类交通标志图像
基于mxnet的LSTM实现RNN理论基础代码实现参考文献
RNN理论基础 基本RNN结构 rnn_base.png RNN的基本结构如上左图所示,输出除了与当前输入有关,还与上一时刻状态有关。RNN结构展开可视为上右图,传播过程如下所示: $I_{n}$为当
月见樽
2018/04/27
1.4K0
基于mxnet的LSTM实现RNN理论基础代码实现参考文献
MXNet - 网络结构可视化
MXNet网络结构可视化 mx.viz.plot_networks 以由节点和边组成的计算图的方式表示网络结构. 输入: Symbol,网络定义、node_attr属性、节点的shape参数. Prerequisites Graphviz Examples 1 - 线性矩阵分解网络 import mxnet as mx user = mx.symbol.Variable('user') item = mx.symbol.Variable('item') score = mx.symbol
AIHGF
2019/02/18
1.7K0
MXNet - 网络结构可视化
MXNET学习笔记(一):Module类(1)
本文介绍了MXNet的Module类,包括其基本用法、如何组织代码、如何初始化参数和优化器、如何定义和调用网络层和激活函数、如何加载和保存模型等。同时,还通过一个简单的例子演示了如何使用MXNet的Module类进行深度学习模型的搭建和训练。
ke1th
2018/01/02
1.2K0
MXNet定义计算步骤的方式以及数据流编程和 Symbol
symbol 可以说是 MXNet 最重要的一部分API了,主要定义了计算流程。在此之前,我觉得有必要说一下不同的编程方式:
泽霖
2023/11/26
1670
mxnet框架样本,使用C++接口
哇塞,好久么有跟进mxnet啦,python改版了好多好多啊,突然发现C++用起来才是最爽的. 贴一个mxnet中的C++Example中的mlp网络和实现,感觉和python对接毫无违和感。真是一级棒呐. // // Created by xijun1 on 2017/12/8. // #include <iostream> #include <vector> #include <string> #include <mxnet/mxnet-cpp/MxNetCpp.h> #include <mxnet/
Gxjun
2018/03/27
1.9K0
资源 | 一张速查表实现Apache MXNet深度学习框架五大特征的开发利用
选自AWS blog 机器之心编译 参与:Smith Apache MXNet 是一个功能全面,且具有高度可扩展性的深度学习框架,可支持创建和训练最新型的深度学习模型。通过它,你可以创建卷积神经网络,LSTM 网络和其它的模型。它支持多种语言,包括但不限于 Python、Scala、R和 Julia 。本文将对 MXNet 五大特征的实现进行介绍。 在本篇文章中,我们对使 MXNet 在 AWS 云中成为开发者友好型框架的一些特征进行了展示。对于更喜欢符号式表现形式的开发者,我们也提供了一张速查表,以在 M
机器之心
2018/05/09
8200
资源 | 一张速查表实现Apache MXNet深度学习框架五大特征的开发利用
具有mxnetR的前馈神经网络
本文介绍了如何使用MXNet库创建前馈神经网络、卷积神经网络和递归神经网络,并使用示例数据集进行训练和预测。主要内容包括:定义神经网络层、选择激活函数、定义损失函数和优化器、训练神经网络、使用API进行预测以及创建混淆矩阵。
大数据弄潮儿
2017/12/20
1.6K0
具有mxnetR的前馈神经网络
MXNet | 在R语言中使用
无疑,这些将MXNet推向深度学习的热潮中,成为热捧的项目。当然,学习MXNet也是很有必要的。哈哈,加油深度学习。
努力在北京混出人样
2019/02/18
2.1K0
mxnet-Gluon(一):mxnet-Gluon 入门
本文介绍了如何使用MXNet处理深度学习中的梯度下降问题。首先介绍了MXNet的特点和适用场景,然后详细讲解了如何使用MXNet实现梯度下降。最后,展示了一个简单的示例,说明了如何使用MXNet进行深度学习建模。
ke1th
2018/01/02
1.3K0
MXNet安装和NDArray
关于这个网上一堆教程,在我看来都是非常错误的,一堆驱动错误什么的,乱七八糟。这里推荐我的方法,在ubuntu18.04上试验通过:
泽霖
2023/11/26
2870
【mxnet速成】mxnet图像分类从模型自定义到测试
这一次我们讲讲mxnet,相关的代码、数据都在我们 Git 上,希望大家 Follow 一下这个 Git 项目,后面会持续更新不同框架下的任务。
用户1508658
2019/07/25
6570
MXNet Scala 学习笔记 二 ---- 创建新的 Operator
(比如Python、Scala)采用现有的操作子来组合,比如实现 Selu 激活函数。
Ldpe2G
2018/06/22
6780
资源 | 从VGG到ResNet,你想要的MXNet预训练模型轻松学
选自AWS Blog 作者:Julien Simon 机器之心编译 参与:Pedro、路 本文介绍了如何利用 Apache MXNet 预训练出的多个模型。每个模型在特定图像上的表现略有不同,训练多个模型旨在找出更适合特定任务的模型。 在这篇博文中,你将会了解如何使用 Apache MXNet 预训练出的多个模型。为什么要尝试多个模型呢?为什么不直接选择准确率最高的呢?稍后我们会在文章中看到,尽管这些模型是在相同的数据集上训练的,并且都针对最大准确率进行了优化,但它们在特定图像上的表现略有不同。此外,(不同
机器之心
2018/06/08
1.3K0
推荐阅读
相关推荐
有基础(Pytorch/TensorFlow基础)mxnet+gluon快速入门mxnet基本数据结构mxnet的数据载入网络搭建模型训练准确率计算模型保存与载入
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档