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。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00