pg-safeupdate 的安装和配置教程
1. 项目基础介绍及主要编程语言
pg-safeupdate 是一个为 PostgreSQL 数据库设计的简单扩展,其主要功能是确保在执行 UPDATE 和 DELETE 操作时必须有 WHERE 子句指定条件。这样可以避免意外地删除或更新所有数据,提高数据安全性。该项目的开发主要是为了与 PostgREST 这种无权限限制的 REST API 一起使用,以避免数据被无意中破坏。项目主要使用 C 语言开发,同时也包含了一些 Ruby 代码用于测试。
2. 项目使用的关键技术和框架
- PostgreSQL:一个功能强大的开源对象关系型数据库系统。
- C 语言:用于编写 PostgreSQL 扩展的主要语言。
- Ruby:用于编写测试脚本的语言。
3. 项目安装和配置的准备工作及详细安装步骤
准备工作
在开始安装 pg-safeupdate 前,您需要确保系统中已经安装了以下软件:
- PostgreSQL:数据库系统,pg-safeupdate 将作为其扩展运行。
- GCC:C 编译器,用于编译 C 语言代码。
- make:一个构建系统,用于自动化编译过程。
安装步骤
以下步骤将引导您完成 pg-safeupdate 的安装:
-
克隆项目
首先,您需要从 GitHub 上克隆 pg-safeupdate 项目。打开终端或命令提示符,执行以下命令:
git clone https://github.com/eradman/pg-safeupdate.git这将在当前目录中创建一个名为
pg-safeupdate的新文件夹,其中包含项目文件。 -
编译扩展
进入项目文件夹,使用
make命令编译扩展:cd pg-safeupdate make如果编译成功,您将在当前目录中看到一个名为
safeupdate.so的共享对象文件。 -
安装扩展
要安装扩展,您需要将
safeupdate.so文件复制到 PostgreSQL 的扩展目录中,通常是/usr/local/pgsql/lib或/usr/lib/postgresql/X.Y/contrib(X.Y 是 PostgreSQL 的版本号)。sudo cp safeupdate.so /usr/local/pgsql/lib然后,您需要将扩展的 SQL 脚本运行在 PostgreSQL 中,以创建所需的函数和对象。进入
pg-safeupdate目录,并执行以下命令:sudo make install -
启用扩展
在 PostgreSQL 数据库中启用 pg-safeupdate 扩展。首先,连接到您的数据库:
psql mydatabase然后,运行以下命令来加载扩展:
CREATE EXTENSION safeupdate;或者,如果您想要在所有会话中默认加载该扩展,可以在
postgresql.conf文件中添加以下配置行:shared_preload_libraries='safeupdate'并重启 PostgreSQL 服务。
-
使用扩展
现在您已经安装并启用了 pg-safeupdate 扩展,任何没有 WHERE 子句的 UPDATE 或 DELETE 语句都会引发错误。例如:
UPDATE rack SET fan_speed = 70; -- 这将导致错误您必须始终指定 WHERE 子句来限制更新或删除操作的范围。
通过以上步骤,您已经成功安装和配置了 pg-safeupdate。请确保在实际环境中正确处理所有错误和异常。
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-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。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
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