pgrx v0.14.2发布:PostgreSQL扩展开发框架的重要更新
pgrx是一个强大的Rust框架,专门用于开发PostgreSQL扩展。它允许开发者使用Rust语言编写高性能、安全的PostgreSQL扩展,同时提供了丰富的工具链支持。最新发布的v0.14.2版本带来了一些重要改进和新功能,特别是对pg_regress测试框架的支持,这将显著提升扩展开发的测试体验。
核心更新内容
pg_regress测试支持
本次更新最引人注目的新特性是增加了对PostgreSQL原生测试框架pg_regress的支持。pg_regress是PostgreSQL自带的回归测试框架,被广泛用于核心功能的测试验证。通过新增的cargo pgrx regress子命令,开发者现在可以:
- 编写标准的SQL测试脚本
- 自动生成预期输出文件
- 在pgrx环境中运行回归测试
- 轻松集成到CI/CD流程中
这一功能由ParadeDB团队赞助开发,体现了社区合作的力量。对于长期使用PostgreSQL生态的开发者来说,能够使用熟悉的测试工具链无疑降低了学习曲线。
安装路径优化
针对即将发布的PostgreSQL v18版本,pgrx移除了模块路径中的$libdir/前缀。这一变更使得:
- 扩展安装位置更加灵活
- 减少了路径限制
- 提升了与未来PostgreSQL版本的兼容性
- 简化了扩展部署流程
新增系统目录绑定
本次更新增加了对pg_statistic_ext系统目录的绑定支持,这是PostgreSQL中存储扩展统计信息的系统表。开发者现在可以直接通过Rust接口访问这些统计信息,为开发监控类扩展提供了便利。
问题修复
- 修复了
extra_args中tgnargs检查的问题,提高了函数参数处理的健壮性 - 优化了FromDatum trait的实现路径,解决了潜在的命名空间冲突
- 移除了重复的ok检查,精简了代码逻辑
技术细节解析
pg_regress测试的集成实现相当巧妙。pgrx框架在背后自动处理了测试环境的搭建、数据库集群的初始化、测试脚本的执行以及结果比对等复杂流程。开发者只需关注测试用例本身,框架会处理其余的基础设施问题。
对于系统目录绑定的实现,pgrx采用了Rust的强类型特性,将PostgreSQL的系统表映射为安全的Rust结构体,既保持了性能又提供了编译时类型检查的优势。
升级建议
对于现有项目,建议按照以下步骤升级:
- 更新cargo-pgrx工具链:
cargo install cargo-pgrx --version 0.14.2 --locked - 更新项目依赖:在扩展目录中运行
cargo pgrx upgrade - 考虑将现有测试迁移到pg_regress框架,享受更标准的测试体验
未来展望
随着pg_regress支持的引入,pgrx的测试生态将更加完善。期待社区能够基于这一功能构建更多测试工具和最佳实践。同时,随着PostgreSQL v18的临近,pgrx团队也在积极准备相关兼容性工作,确保开发者能够平滑过渡到新版本。
对于Rust和PostgreSQL的结合,pgrx持续证明着这种技术栈的强大之处——既有Rust的性能和安全性,又能深度集成PostgreSQL的丰富功能。v0.14.2版本的发布再次推动了这一愿景的实现。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00