ArangoDB 釋出 3.4 正式版：全文搜尋、GeoJSON、流式遊標
多模型資料庫的理念是：給你提供了一種多檢視檢視資料的能力。ArangoDB 的資料庫背後的理念是：可以自由的將這些檢視組合到單個查詢中。在 ArangoDB 3.4的更新中，我們進一步的擴充套件了 ArangoDB 的這些功能。對於每次釋出 ArangoDB 的新版本，我們總是感到很興奮，但是，這次釋出的版本有點特別。新版本包括兩個新特性：一個是基於 C++ 的全文搜尋和排序引擎，我們稱之為：ArangoSearch；另一個是：通過整合 Google™S2 Geometry Library 和 GeoJSON，極大的擴充套件了地理空間查詢的功能。加入 ArangoSearch
ArangoDB 3.4版本在各個方面的的效能也獲得了提升，例如改進了在多核心機器中執行的效能和可擴充套件性。我們的測試結果顯示，ArangoDB 3.4 查詢效能在多核心機器上比原來提升了 100%
本次版本更新除了40多項改進，讓我們一起來看一下這些新特性.
ArangoSearch
全文搜尋&相似度排名引擎。
ArangoSearch是整合到ArangoDB中基於 C++搜尋和排名引擎。ArangoSearch允許你將搜尋和ArangoDB其他的訪問模式相結合。
搜尋使用特殊型別的具體檢視，一次性提供了跨多個集合的全文搜尋。
ArangoSearch-檢視的概念：
在本版本中，ArangoSearch 包括以下功能：
基於相關性的匹配
短語和字首匹配
使用布林值進行復雜搜尋
相關執行時調優
搜尋查詢與所有資料模型和訪問模式的均可完美組合
ArangoSearch 不單單是一個搜尋引擎，而且還是一個相似度排名引擎。我們集成了兩種排名演算法（例如：BM25 and TFIDF），你可以對結果進行排名或者提升某些查詢引數，以微調搜尋結果的相關性。此外，這個版本的 ArangoSearch 已經包括了12種語言的解析器，包括：英語、漢語、德語、西班牙語、芬蘭語、荷蘭語等等。
將 ArangoSearch和 ArangoDB’s 圖形資料功能相結合，可以很好加強在其欺詐檢測、知識圖、語義搜尋的應用，甚至在基因組資料的醫學行業都有很好的用例。
ArangoSearch支援叢集，可以用於超過單臺機器的資料集。在設定叢集是，協調器始終負責查詢規劃、優化和執行，將傳輸的查詢資料引導到正確的 DBServer 以在本地處理查詢。使用此體系結構，可以針對駐留在不同計算機上的資料執行更加高效的搜尋查詢。
我們希望你會發現 ArangoSearch 是 ArangoDB 功能非常有用的拓展功能。
瞭解更多關於搜尋的新功能請檢視ArangoSearch 教程 或者根基您的知識能力檢視 ArangoSearch 的架構。
完整的 GeoJSON 支援和 Google S2索引
我們想強調的另外一點是 ArangoDB 在地址位置應用諸多提升。ArangoDB在很久以前就支援了點和距離的簡單地理查詢。隨著 ArangoDB 3.4 釋出和 GeoJSON 的支援，你現在可以有構建基於地理位置查詢的高精度應用。
GetJSON的支援包括所有的原始地理資訊例如：多點資訊、多邊形資訊和很多處理地理位置資訊的相關方法例如：GEO_DISTANCE、GEO_CONTAINS、GEO_EQUALS和GEO_INTERSECTS。當然，你可以將這些新得地理空間功能與所有支援的資料模型以及ArangoSearch 的功能相結合。
你可以通過 GeoJSON 教程來試一試。
地理資訊查詢的結果會通過一個小外掛`OpenStreetMap`顯示出來，這有助於快速檢視瀏覽結果。
新的查詢分析器
優化複雜的查詢可能非常耗時。為了優化這個過程，我們建立了一個 AQL 的查詢分析器。AQL 查詢分析器顯示完整的查詢配置檔案，包括有關在查詢的每個階段中花費的時間的詳細執行時的系統資訊。使用新的 AQL 查詢分析器，你可以通過新增索引，重新構建查詢或優化資料結構，對潛在的優化做出明確的決策。顯示的執行計劃包括三個新列：
呼叫，每個查詢階段執行的次數;
專案，給定階段的臨時結果行數;
執行時，本次活動中上花費的總時間。
可以通過`db._profileQuery()`或單機 WebUI 的 「查詢」選項卡中選擇「配置檔案」按鈕在 shell 中使用查詢分析器。
想了解更多查詢優化和分析器的更多資訊請檢視 AQL 查詢分析器教程
與 "Explain" 命令想法的是，"Profiler"執行查詢並顯示 AQL 每個步驟與實際實際的時間花費。我們希望在這樣操作有助於簡化查詢優化。
查詢分析器輸出資訊（控制檯）：
查詢分析器輸入資訊（WebUI）
新的流式遊標
在過去的幾個月中，我們收到了很多需求，這些需求希望能夠在查詢很多資料時，尋求一種方式相應時間更快的方法。為了這些需求，我們在 ArangoDB 中添加了流式遊標。通過使用流式遊標，你可以在伺服器上獲取計算的結果；你沒有必要等待查詢結果完全執行，這樣使用者就可以更快的看到顯示結果。此外，使用流式遊標查詢的資料要比使用記憶體查詢的更大。
叢集體驗提升
在過去的幾年中，我們改進並且豐富了 ArangoDB 的叢集功能。雖然我們知道這個功能不是很完美，但是他並沒有阻止我們在每個版本中對其進行改進。 如果你使用 ArangoDB 的叢集功能並且升級到的3.4版本，你將體會到關於叢集的最新功能。
本次功能的改進後，叢集中可以防止不必要的行為，還是可以更快的實現叢集啟動，更快的同步、和更快的進行資料查詢。徹底優化了內部協議和請求處理：Distributed Collect只是叢集範圍查詢中的例子。
對於3.4版本，我們對於叢集的內部進行了徹底的優化，以便於更好的維護鼓掌轉移和集合管理。這樣做導致某些情況下的穩定性提高，操作更塊。
此外，使用最近釋出的ArangoDB Kubernetes運算子，在 k8s 中部署 ArangoDB 只需要一行簡單的命令`kubectl apply -f cluster.yaml`。剩下的操作會被 k8s 和 ArangoDB 運算子自動完成。
在服務不中斷的情況下，升級部署只需要更改 YAML 檔案中的 Docker 映象名稱即可。
想要了解更多關於 ArangoDB Kubernetes 操作符 的相關操作請檢視 快速入門
預設資料儲存引擎是 RocksDB
新安裝的 ArangoDB，從3.4版本開始將 RockDB 作為預設的資料儲存引擎，如果你從以前的版本升級到3.4版本，ArangoDB的引擎將會和你以前的版本設定的一致。我們在優化ArangoDB 中整合的 RocksDB 投入了大量的工作，使其可以更快，並且擴充套件在配置方面的其他可能性.相關重要的改進如下：
優化二進位制儲存格式：新格式針對 RocksDB 進行了優化，新安裝的 ArangoDB 預設採取這種格式。 新格式的一個主要優點是大大提高了資料插入效能。
可選快取：使用者現在可以給每個集合指定一個新屬性 cacheEnabled 來定義要在記憶體中快取的文件和主索引值。這種改進使得在多種情況下，效能將得到顯著提升，特別是在點查詢方面。
減少資料拷貝時間：針對自動故障恢復、叢集和 DC2DC 設定提供了更好的體驗。
我們已經進行了許多優化，使我們的 RocksDB 整合成為預設的儲存引擎。我們相信你們也會很喜歡他。
總之，ArangoDB 3.4提供了40多個優化和改進。我們希望每個人都能從新版中獲得新的體驗。