如何在Windows环境顺利编译pgvector?5大常见问题的避坑指南
2026-04-19 08:25:20作者:明树来
pgvector是PostgreSQL的向量相似性搜索扩展(向量搜索:一种通过计算向量间距离来实现相似内容快速检索的技术),在Windows平台编译时可能遇到兼容性问题。本文将通过实战案例,帮助开发者定位并解决pgvector编译过程中的关键问题,确保扩展顺利安装。
dllexport重复定义警告→符号冲突排查→代码清理方案
错误现象:编译时出现warning C4141: 'dllexport': used more than once
快速定位:同一函数被多次标记为导出符号
解决方案(适用场景:多扩展开发环境):
- 操作前检查:
# 查询已安装扩展,避免符号冲突 psql -U postgres -c "SELECT * FROM pg_available_extensions WHERE name LIKE 'vector%';" - 执行清理命令:
# 清理残留编译文件 nmake /F Makefile.win clean # 重新编译 nmake /F Makefile.win - 验证步骤:编译日志中无错误提示,生成
vector.dll文件
tupmacs.h头文件错误→编译器架构检查→环境配置修复
错误现象:error C2196: case value '4' already used
快速定位:32位编译器与64位PostgreSQL不兼容
解决方案(适用场景:首次在Windows编译):
- 操作前检查:
# 确认编译器位数 echo %VSCMD_ARG_TGT_ARCH% # 应输出x64 - 执行环境配置:
# 使用64位编译器环境 "C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Auxiliary\Build\vcvars64.bat" - 验证步骤:
echo %SIZEOF_DATUM%返回8(表示64位环境)
环境配置自查清单
| 检查项 | 正确配置 | 常见错误 |
|---|---|---|
| 编译器版本 | Visual Studio 2019+ x64 | 32位编译器或旧版VS |
| PostgreSQL版本 | 12+ 64位 | 32位PostgreSQL |
| 环境变量 | 包含PostgreSQL的include路径 | 缺失PGSQL_INCLUDE_DIR |
| 编译模式 | Release | Debug模式 |
编译器兼容性矩阵
| PostgreSQL版本 | 支持的VS版本 | 不兼容环境 |
|---|---|---|
| 16 | VS2022/2019 | VS2017及以下 |
| 14-15 | VS2019/2017 | VS2015及以下 |
| 12-13 | VS2017/2015 | VS2013及以下 |
完整编译流程(Windows 11 + PostgreSQL 16)
- 克隆代码:
git clone https://gitcode.com/GitHub_Trending/pg/pgvector cd pgvector - 配置环境:
"C:\Program Files\Microsoft Visual Studio\2022\Community\VC\Auxiliary\Build\vcvars64.bat" - 编译安装:
nmake /F Makefile.win # 编译扩展 nmake /F Makefile.win install # 安装到PostgreSQL - 验证安装:
CREATE EXTENSION vector; SELECT vector_version(); -- 应返回当前版本号
社区支持资源
-
错误报告模板:
- 环境信息:Windows版本/PostgreSQL版本/VS版本
- 错误日志:完整的编译输出
- 复现步骤:详细操作流程
-
成功验证标准:
vector.control文件复制到share/extension目录vector.dll文件复制到lib/postgresql目录- PostgreSQL中执行
CREATE EXTENSION vector无错误
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
atomcodeAn open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust023
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00
项目优选
收起
暂无描述
Dockerfile
678
4.33 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.57 K
911
deepin linux kernel
C
28
16
暂无简介
Dart
923
228
Ascend Extension for PyTorch
Python
518
630
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
46
52
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.07 K
559
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
399
305
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.35 K
110
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
134
212