Archery项目从1.9.1升级至1.10.0版本问题分析与解决方案
问题背景
在将Archery数据库管理平台从1.9.1版本升级至1.10.0版本过程中,用户遇到了Server Error (500)错误。该错误主要发生在访问SQL审核功能时,系统日志显示数据库字段缺失的异常信息。
错误现象分析
升级后系统报错的核心信息为"Unknown column 'sql_instance.is_ssl' in 'field list'",这表明数据库结构中缺少了is_ssl字段。进一步检查升级日志发现,执行数据库升级脚本时还出现了"Duplicate column name 'db_name'"的错误提示。
问题根源
经过深入分析,该问题主要由以下几个因素导致:
-
数据库结构未完整同步:新版本1.10.0在sql_instance表中新增了is_ssl字段,但升级过程中未能正确执行数据库结构变更。
-
升级脚本执行异常:尝试执行v1.10.0.sql升级脚本时,由于部分字段已存在(db_name),导致脚本执行中断,后续的字段添加操作未能完成。
-
环境配置问题:系统提示.env文件缺失,这可能影响了数据库连接参数的读取,进而导致升级脚本无法正常执行。
解决方案
完整升级步骤
-
备份现有数据:在进行任何升级操作前,务必完整备份当前数据库和数据文件。
-
更新配置文件:
- 确保/opt/archery/.env文件存在且配置正确
- 检查docker-compose.yml中的镜像版本配置
-
执行数据库升级:
- 使用增量SQL脚本更新数据库结构
- 对于已存在的字段错误,可手动修改升级脚本或临时注释相关语句
-
容器更新:
- 停止旧版本容器
- 启动新版本容器
- 监控日志确认服务正常运行
针对特定错误的处理
对于"Duplicate column name 'db_name'"错误,可以采取以下措施:
- 编辑v1.10.0.sql脚本,注释或删除已存在字段的添加语句
- 仅执行新增字段和表结构的变更部分
- 手动验证每个变更语句的必要性
升级建议
-
使用最新代码分支:考虑使用master分支而非特定版本进行升级,可能包含更多修复。
-
分步验证:升级后逐步验证各功能模块,而非一次性全面切换。
-
日志监控:升级过程中密切监控系统日志,及时发现并解决问题。
-
回滚预案:准备完整的回滚方案,包括数据库备份和旧版本容器镜像。
总结
Archery项目版本升级过程中,数据库结构变更是需要特别关注的重点环节。通过系统化的升级流程、完善的备份机制和详细的日志分析,可以有效避免类似问题的发生。对于复杂系统的升级,建议在测试环境充分验证后再应用于生产环境。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-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