翻polars cloud的官方releases页面就能看到，2026年9月9日更新的最新正式版是0.8.5，对应适配的依赖版本为`polars` 1.44.2、`polars-cloud` 0.11.2。官方更新亮点里明确标注，这个版本支持直接在clustercontext上调用`collect`和`collect_batches`接口，还新增了分布式`rolling_min`、`rolling_max`这类滚动聚合表达式的兼容。对于要把polars部署到集群或者本地私有环境的团队来说，这几项更新会直接改变查询结果的收集逻辑，也会影响时间序列窗口计算的运行方式。
来源：Polars Cloud 官方文档
0.8.5还落地了工作节点自动扩缩容能力，优化了shuffle环节的性能与数据分布逻辑，同时完善了指标上报、资源不足场景下的查询错误提示机制。和普通的Python版Polars补丁更新不一样，面向云部署和本地私有部署的版本，更新重点始终放在运行时稳定性和集群调度能力上。开发者关心的点也不只是某个表达式能不能正常执行，更在意worker扩缩容是否流畅、shuffle过程会不会出异常、资源不够的时候报错能不能快速定位根因。
来源：Polars 官方文档
往前看上一个大版本0.7.1的更新路线，当时新增的能力包括通过`sink_batches()`流式返回分布式查询结果、实验性的Miso查询规划器、分布式`pl.collect_all()`、实验性HDFS扫描支持、Iceberg元数据读取支持等等。0.8.5是在这个基础上继续补全ClusterContext的能力边界，拓展分布式执行的覆盖范围，能看出来Polars Cloud后续的更新核心一直围绕大数据场景下的执行效率和可观测性做迭代。
从Polars整个项目的发布记录能看出来，它的更新频率很高，大量改动都集中在惰性引擎、SQL支持、云能力、Iceberg适配、Parquet解析和执行计划优化这几个核心层。数据团队做版本升级验证的时候，别只跑几个简单的DataFrame示例就完事，一定要把真实业务查询、各类文件扫描、分组聚合、表连接、SQLContext调用、云存储读写、流式执行这些路径都覆盖到，才能及时发现默认引擎或者优化器改动带来的隐性差异。
现在官方文档已经把LazyFrame用法、SQL相关内容、API参考、云与本地私有部署的发布说明分开维护了，足以说明Polars早就不是一个单纯的单机DataFrame库。大家选版本的时候一定要分清楚Python版Polars、Rust版Polars、Polars Cloud还有预发布版的区别，生产环境优先选经过校验的稳定补丁版就行，像2.0.0-rc.1这类预发布版本，只适合拿来做新版本兼容性测试演练。
因为Polars的同一个版本更新，往往同时包含接口弃用提示、性能优化、功能增强和bug修复，升级过程中一定要把所有warning输出都留存下来。官方发布页里标注的PR编号，也能帮团队快速定位具体变更的来龙去脉；如果升级后发现查询结果、执行计划或者内存峰值出现异常，直接去对应版本的发布说明和API文档里核对就能找到原因。
信源说明：本文内容全部整理自Polars Cloud官方Releases页面和Polars官方用户指南，云部署/本地私有部署的功能是否可用，完全取决于你实际的部署版本、配置项和许可授权范围。
