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。
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