Update TXSQL architecture and release notes

docs/guide/17-txsql_architecture.md

@@ -99,7 +99,19 @@ InnoDB的底层结构主要由两部分组成：内存结构和物理文件。
 
 ### 物理文件
 TXSQL的物理文件主要有如下集中类型：
+
+
+
 - 数据文件（data file）是存储引擎存储数据的主要文件，它是由一个或多个固定大小的数据页（data page）组成的文件，每个数据页的大小默认为16KB。数据文件可以是单个文件（ibdata1）或多个文件（ibdata1, ibdata2, …），也可以是按表分割的文件（table_name.ibd）。数据文件中存储了表的数据、索引、元数据等信息。
+
+
+
 - 日志文件（log file）是存储日志的主要文件，它是由两个或多个固定大小的日志段（log segment）组成的循环文件，每个日志段的大小默认为48MB。日志文件可以是单个文件（ib_logfile0）或多个文件（ib_logfile0, ib_logfile1, …）。日志文件中存储了事务的修改记录，用于保证事务的持久性和原子性。
+
+
+
 - 索引文件（index file）是存储索引的辅助文件，它是由一个或多个固定大小的索引页（index page）组成的文件，每个索引页的大小默认为16KB。索引文件可以是单个文件（table_name.MYI）或多个文件（table_name.MYI, table_name.MYI.1, …）。索引文件中存储了表的辅助索引，用于加速数据查询和排序等操作。
+
+
+
 - 临时文件（temp file）是存储临时数据的辅助文件，它是由一个或多个固定大小的临时页（temp page）组成的文件，每个临时页的大小默认为16KB。临时文件可以是单个文件（ibtmp1）或多个文件（ibtmp1, ibtmp2, …）。临时文件中存储了查询过程中产生的临时表、排序结果、分组结果等信息。

docs/release/v5-0.en.md

@@ -0,0 +1,36 @@
+# V5.0-release
+
+The main changes in V5.0-release focus on the following areas:
+
+## 1. Distributed Architecture and Performance Optimization
+
+- Upgraded the transaction mechanism by eliminating the ProcArray performance bottleneck and replacing clog with csnlog, improving performance by more than 50% in high-concurrency TP scenarios.
+- Upgraded the distributed execution architecture with a CN Coordination + DOP + Pipeline execution model, reducing redundant processes and blocking across data shards during distributed query execution and improving parallel query execution efficiency.
+- Optimized the data forwarding layer through mechanisms such as control flow optimization and data flow reuse, reducing data forwarding overhead in large-scale clusters and improving query performance under HTAP mixed workloads.
+
+## 2. Enhanced Oracle Compatibility
+
+- Enhanced Oracle database compatibility by implementing isolation between PG and Oracle modes at the syntax, metadata, and view layers.
+- Enhanced compatibility with Oracle syntax, data types, system views, functions, PLSQL, and other features.
+- Supported the creation of both PG-mode and Oracle-mode databases within the same cluster while reusing the underlying distributed storage and computing framework, reducing the cost of Oracle application migration and adaptation.
+
+## 3. Enhanced Resource Management
+
+- Added SQL firewall capabilities to identify and block abnormal and high-resource-consumption SQL statements.
+- Enhanced real-time database resource monitoring and management, with support for managing resources such as concurrency, memory, and CPU.
+- Added a circuit-breaking mechanism for high-resource-consumption SQL statements, reducing the impact of abnormal SQL on overall cluster workload and stability.
+
+## 4. Enhanced AI and Vector Database Capabilities
+
+- Added distributed adaptation for pgvector, enhancing vector data storage, query, and indexing capabilities in distributed environments.
+- Supported parallel creation of vector indexes, improving indexing efficiency for embedding data.
+- Supported building RAG knowledge bases based on vector retrieval, enabling unified storage and querying of relational and vector data.
+- Added the opentenbase_ai extension, enabling direct invocation of large language model capabilities through SQL.
+- Supported large language models including OpenAI, DeepSeek, Tencent Hunyuan, and Alibaba Tongyi Qianwen, as well as integration with other model services through custom interfaces.
+- Supported AI capabilities including text generation, text summarization, translation, sentiment analysis, Q&A extraction, embedding generation, and image analysis.
+
+## 5. Enhanced Multimodal Data Processing Capabilities
+
+- Enhanced unified processing capabilities for structured, semi-structured, and unstructured data.
+- Supported the storage and analysis of text, images, vectors, and relational data within the same database.
+- Supported joint analysis of relational and multimodal data through SQL, extending OpenTenBase capabilities for scenarios such as intelligent retrieval, knowledge bases, and multimodal data analytics.

docs/release/v5-0.md

@@ -0,0 +1,36 @@
+# V5.0-release
+
+V5.0-release 版本主要修改集中在：
+
+## 1. 分布式架构及性能优化
+
+- 事务机制升级，去除 ProcArray 性能瓶颈，使用 csnlog 替代 clog，高并发 TP 场景性能提升 50% 以上。
+- 分布式执行架构升级，采用 CN 协调 + DOP + Pipeline 执行模式，减少分布式查询执行过程中的冗余进程及分片阻塞，提升并行查询执行效率。
+- 数据转发层优化，通过控制流优化、数据流复用等机制，降低大规模集群下的数据转发开销，提升 HTAP 混合负载场景下的查询性能。
+
+## 2. Oracle兼容性增强
+
+- 增强 Oracle 数据库兼容能力，在语法层、元数据层及视图层实现 PG/Oracle 模式隔离。
+- 增强 Oracle 语法、数据类型、系统视图、函数及 PLSQL 等兼容能力。
+- 支持在同一集群中创建 PG 模式和 Oracle 模式数据库，并复用底层分布式存储及计算框架，降低 Oracle 应用迁移及改造成本。
+
+## 3. 资源管控能力增强
+
+- 增加 SQL 防火墙能力，支持对异常及高资源消耗 SQL 进行识别和拦截。
+- 增强数据库资源实时监控及管控能力，支持对并发数、内存、CPU 等资源进行管理。
+- 增加高消耗 SQL 熔断机制，降低异常 SQL 对集群整体负载及稳定性的影响。
+
+## 4. AI及向量数据库能力增强
+
+- 支持 pgvector 分布式适配，增强分布式环境下的向量数据存储、查询及索引能力。
+- 支持向量索引并行创建，提升 embedding 数据的索引构建效率。
+- 支持基于向量检索构建 RAG 知识库，实现关系数据与向量数据的统一存储和查询。
+- 新增 opentenbase_ai 插件，支持直接通过 SQL 调用大语言模型能力。
+- 支持 OpenAI、DeepSeek、腾讯混元、阿里通义千问等大模型，并支持通过自定义接口接入其他模型服务。
+- 支持文本生成、文本摘要、翻译、情感分析、问答提取、Embedding 生成及图像分析等 AI 能力。
+
+## 5. 多模态数据处理能力增强
+
+- 增强结构化、半结构化及非结构化数据的统一处理能力。
+- 支持文本、图像、向量及关系数据在同一数据库中进行存储和分析。
+- 支持通过 SQL 对关系数据与多模态数据进行关联分析，扩展 OpenTenBase 在智能检索、知识库及多模态数据分析等场景下的应用能力。

mkdocs.yml

@@ -113,6 +113,7 @@ nav:
       - 使用docker构建一个简单集群: guide/15-docker-deploy.md
   - 版本说明:
     - OpenTenBase:
+      - v5.0: release/v5-0.md
       - v2.6.0: release/v2-6-0.md
       - v2.5.0: release/v2-5-0.md
       - v2.4.0: release/v2-4-0.md