pg_duckdb项目构建失败问题分析与解决方案
在PostgreSQL生态系统中,pg_duckdb作为一个扩展项目,允许用户在PostgreSQL中直接访问DuckDB数据库。近期开发者在构建pg_duckdb时遇到了一个编译错误,这个问题涉及到PostgreSQL 16.4版本中表访问方法(Table Access Method)接口的变化。
问题背景
当开发者尝试在RHEL 8系统上使用PostgreSQL 16.4(经过RHEL补丁的版本)头文件构建pg_duckdb时,编译器报错提示"non-trivial designated initializers not supported"。这个错误发生在初始化TableAmRoutine结构体时,表明编译器不支持特定的初始化器语法。
根本原因分析
深入分析后发现,问题的核心在于PostgreSQL 16.4版本中TableAmRoutine结构体新增了一个成员变量relation_toast_am。这个成员用于指定表的TOAST(The Oversized-Attribute Storage Technique)访问方法。在pg_duckdb的源代码中,初始化TableAmRoutine结构体时没有包含这个新成员,导致编译器报错。
TOAST是PostgreSQL中处理大字段的机制,当字段值超过一定大小时,PostgreSQL会自动将其存储在TOAST表中。relation_toast_am成员就是用来指定这个TOAST表应该使用哪种访问方法。
解决方案
解决这个问题的方法很简单:在初始化TableAmRoutine结构体时,显式地将relation_toast_am成员设置为NULL。修改后的代码如下:
diff --git a/src/pgduckdb/pgduckdb_table_am.cpp b/src/pgduckdb/pgduckdb_table_am.cpp
index c857f7f..6c94cac 100644
--- a/src/pgduckdb/pgduckdb_table_am.cpp
+++ b/src/pgduckdb/pgduckdb_table_am.cpp
@@ -453,6 +453,7 @@ static const TableAmRoutine duckdb_methods = {.type = T_TableAmRoutine,
.relation_size = duckdb_relation_size,
.relation_needs_toast_table = duckdb_relation_needs_toast_table,
+ .relation_toast_am = NULL,
/* can be null because relation_needs_toast_table returns false */
.relation_fetch_toast_slice = NULL,
这个修改明确表示pg_duckdb不需要特定的TOAST访问方法,因为relation_needs_toast_table函数已经返回false,表示不需要TOAST表。
技术影响
这个问题的出现反映了PostgreSQL表访问方法接口的演进。随着PostgreSQL版本的更新,核心数据结构可能会添加新成员,这就要求扩展开发者保持对上游变化的关注。特别是对于像pg_duckdb这样深度集成PostgreSQL核心功能的扩展,需要定期检查与PostgreSQL新版本的兼容性。
最佳实践建议
-
对于扩展开发者,建议在支持新PostgreSQL版本时:
- 仔细检查PostgreSQL的发布说明和API变更
- 测试构建过程是否完整
- 考虑使用条件编译来处理不同PostgreSQL版本间的API差异
-
对于用户,建议:
- 使用与扩展兼容的PostgreSQL版本
- 关注扩展项目的发布说明
- 遇到构建问题时检查是否缺少必要的依赖或头文件
这个问题的解决展示了开源社区如何协作应对API变更,也提醒我们在使用较新数据库版本时需要更加注意扩展兼容性问题。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0202
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07