ProxySQL 2.7.2版本发布:增强查询日志与性能优化
ProxySQL作为一款高性能的MySQL中间件,在数据库代理领域广受欢迎。它能够实现读写分离、查询缓存、负载均衡等核心功能,帮助开发者和运维人员构建更稳定、高效的数据库架构。最新发布的2.7.2版本在原有功能基础上进行了多项改进,特别是引入了强大的事件日志系统,并优化了多项性能指标。
核心特性增强
1. 增强的事件与查询日志系统
ProxySQL 2.7.2最显著的改进是引入了全新的实时事件日志和分析功能。这套系统采用了环形缓冲区和SQLite数据库(内存和磁盘两种形式)的组合设计,既保证了数据的高效存取,又能合理控制资源使用。
新系统的主要特点包括:
- 实时查询日志记录,可通过
stats_mysql_query_events和history_mysql_query_events表查看 - 通过
stats_mysql_global和Prometheus导出器提供监控指标 - 可配置的日志保留策略,不影响实时流量处理性能
这套系统为数据库管理员提供了更强大的监控手段,可以实时洞察应用程序行为和数据库性能变化,有助于快速定位性能瓶颈和异常查询。
2. 协议压缩级别控制
新版本增加了mysql-protocol_compression_level变量,允许用户精细控制MySQL协议的压缩级别。这一改进特别适合网络带宽有限或跨地域部署的场景,用户可以根据实际需求在性能和带宽消耗之间找到最佳平衡点。
功能改进与优化
1. 配置灵活性提升
mysql_hostgroup_attributes表现在支持通过配置文件进行配置,这为自动化部署和配置管理提供了更多便利。运维团队可以通过统一的配置文件管理主机组属性,简化了大规模集群的管理工作。
2. 缓存TTL优化
ProxySQL 2.7.2改进了缓存TTL的排队和分发机制,采用了随机化策略。这一优化减少了辅助线程的需求,提高了整体系统的资源利用率,特别是在高并发场景下能够带来更稳定的性能表现。
3. 安全性增强
新版本增加了对MySQL数据包中畸形column-count的完整性检查,有效预防了潜在的安全风险和系统崩溃问题。这种防御性编程的改进提升了ProxySQL在面对异常输入时的健壮性。
重要问题修复
1. 稳定性改进
开发团队修复了多个可能导致系统不稳定的问题:
- 修复了Admin接口接收空查询时的崩溃问题
- 解决了
PROXYSQL RESUME命令可能导致系统挂起的问题 - 修复了辅助线程SSL缓存泄漏的问题
2. 内存管理优化
- 修复了监控连接使用
ssl_params时的小内存泄漏 - 修正了查询缓存存储空结果集的行为,现在会正确遵守
mysql-query_cache_stores_empty_result设置 - 修复了
mysql_thread___threshold_resultset_size可能存在的溢出问题
技术价值与应用场景
ProxySQL 2.7.2的这些改进特别适合以下场景:
- 需要详细查询分析的生产环境:新的事件日志系统可以帮助DBA团队快速定位慢查询和异常模式。
- 资源受限的部署环境:协议压缩控制和内存优化使得ProxySQL在资源受限的环境中运行更加高效。
- 高可用性要求严格的系统:稳定性改进进一步降低了系统意外终止的风险。
对于已经使用ProxySQL的用户,升级到2.7.2版本可以带来更稳定的运行体验和更丰富的监控能力。对于新用户,这个版本提供了更全面的功能集,是开始使用ProxySQL的良好起点。
作为数据库架构中的重要组件,ProxySQL持续演进的功能集展现了其在现代数据架构中的关键价值。2.7.2版本的发布再次证明了开发团队对性能、稳定性和可观测性的持续关注,这些特性对于构建可靠、高效的数据库服务至关重要。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00