PolarDB for PostgreSQL 的 ARM64 架构支持演进
随着 ARM 架构处理器在服务器领域的广泛应用,越来越多的数据库系统开始提供对 ARM64 架构的原生支持。作为阿里云开源的云原生数据库,PolarDB for PostgreSQL 也顺应这一技术趋势,逐步完善了对 ARM64 架构的支持。
技术背景
ARM64(又称 AArch64)是 ARM 架构的 64 位版本,相比传统的 x86 架构,具有更好的能效比和性价比。近年来,随着苹果 M 系列芯片和 AWS Graviton 处理器的成功,ARM64 架构在数据中心的应用日益广泛。数据库系统作为关键基础设施,对 ARM64 的原生支持变得尤为重要。
支持历程
PolarDB for PostgreSQL 团队在 2024 年就已开始规划 ARM64 支持。最初的技术方案是将所有软件包打包在支持多架构的 Docker 容器中,这为后续的原生支持奠定了基础。但由于当时 GitHub Actions 尚未提供原生的 ARM64 运行环境,完整的 ARM64 软件包发布受到限制。
2025 年 1 月,随着 GitHub 正式推出原生 ARM64 运行环境,PolarDB for PostgreSQL 团队迅速完成了适配工作,并在 2025 年 1 月 17 日的版本中正式提供了 ARM64 架构的完整支持。
技术实现
PolarDB for PostgreSQL 的 ARM64 支持主要涉及以下几个方面:
- 多架构容器支持:通过 Docker 的多架构镜像功能,确保软件可以在不同架构上运行
- 原生编译优化:利用 GitHub Actions 的 ARM64 运行环境进行原生编译,充分发挥 ARM64 架构的性能优势
- 兼容性测试:确保在 ARM64 环境下所有功能都能正常工作
应用价值
对 ARM64 架构的支持为 PolarDB for PostgreSQL 带来了以下优势:
- 可以在更多样化的硬件环境中部署,特别是采用 ARM 处理器的云服务器
- 能够充分利用 ARM 架构的能效优势,降低运行成本
- 为混合架构环境提供了更好的兼容性
- 满足特定行业对国产化芯片的支持需求
未来展望
随着 ARM 生态的持续发展,PolarDB for PostgreSQL 团队表示将继续优化 ARM64 版本,包括:
- 进一步优化 ARM64 架构下的性能表现
- 完善 ARM64 环境下的监控和管理工具链
- 探索 ARM64 特有的优化技术,如特定指令集加速
对于计划在 ARM 服务器上部署 PolarDB for PostgreSQL 的用户,建议关注官方发布的最新版本,以获取最佳的 ARM64 支持体验。
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-X1-7BSpark-Prover-X1-7B 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-X1-7BSpark-Formalizer-X1-7B 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).Dockerfile015
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