在PgCat中实现类似PgBouncer的认证查询功能
2025-06-24 16:47:16作者:申梦珏Efrain
PgCat作为PostgreSQL连接池工具,提供了与PgBouncer类似的认证查询功能,允许通过一个专门配置的认证用户来验证其他数据库用户的凭据,而无需在配置文件中硬编码所有用户的密码。本文将详细介绍如何正确配置PgCat实现这一功能。
认证查询的基本原理
认证查询的核心思想是:当客户端连接时,PgCat会使用预先配置的认证用户连接到PostgreSQL数据库,执行指定的查询语句来验证客户端提供的用户名和密码是否有效。这种方式避免了在PgCat配置文件中存储所有用户的明文密码,提高了安全性。
关键配置项
要实现认证查询功能,需要在PgCat配置文件的pool部分设置以下关键参数:
[pools.your_pool_name]
auth_query = "SELECT usename, passwd FROM user_search('$1')"
auth_query_user = "auth_user"
auth_query_password = "auth_user_password"
这些配置项必须直接放在pool配置下,而不是放在users或shards子节中。
认证查询函数的实现
认证查询需要返回两个字段:用户名和密码哈希值。通常需要创建一个函数或视图来实现这一功能。例如:
CREATE OR REPLACE FUNCTION user_search(input_username text)
RETURNS TABLE(usename name, passwd text) AS $$
BEGIN
RETURN QUERY
SELECT usename, passwd FROM pg_authid
WHERE usename = input_username::name;
END;
$$ LANGUAGE plpgsql SECURITY DEFINER;
这个函数查询pg_authid系统视图,返回指定用户的密码哈希值。SECURITY DEFINER允许函数以创建者的权限执行,即使调用者没有直接访问pg_authid的权限。
用户配置注意事项
在配置认证查询时,需要注意以下几点:
- 认证用户(auth_query_user)必须具有LOGIN权限
- 目标用户的密码必须使用MD5哈希格式存储(目前不支持SCRAM-SHA-256)
- 在users配置节中,目标用户不需要配置密码字段
示例用户配置:
[pools.your_pool_name.users.0]
username = "app_user"
# 不需要password字段
常见问题排查
如果认证查询不工作,可以检查以下几个方面:
- 确认认证查询SQL语句正确,特别是占位符$1需要放在单引号中
- 验证认证用户是否有权限执行查询函数
- 检查目标用户的密码是否使用MD5格式存储
- 确保所有相关用户都有LOGIN权限
通过以上配置,PgCat可以实现与PgBouncer类似的灵活认证机制,既保证了安全性,又简化了用户管理。
登录后查看全文
热门项目推荐
相关项目推荐
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
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 PANTONE潘通AI色板库:设计师必备的色彩管理利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 WebVideoDownloader:高效网页视频抓取工具全面使用指南 基于Matlab的等几何分析IGA软件包:工程计算与几何建模的完美融合 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南 Photoshop作业资源文件下载指南:全面提升设计学习效率的必备素材库 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 高效验证码识别解决方案:OCRServer资源文件深度解析与应用指南
项目优选
收起
deepin linux kernel
C
24
8
Ascend Extension for PyTorch
Python
199
219
暂无简介
Dart
637
145
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
654
278
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
246
316
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.12 K
629
仓颉编译器源码及 cjdb 调试工具。
C++
128
860
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
75
99
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
385
3.74 K