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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00