Psycopg3与CockroachDB 25.1的DDL操作兼容性问题分析
问题现象
在使用Psycopg3连接CockroachDB 25.1版本时,开发人员发现当执行多个DDL(数据定义语言)操作后,会出现"unknown portal"错误。具体表现为:在连续执行8次表创建/删除操作后,程序会抛出psycopg.errors.InvalidCursorName异常,提示"unknown portal"错误。
值得注意的是,这个问题在CockroachDB 24.3版本中并不存在,同时在使用Psycopg2连接CockroachDB 25.1时也不会出现。
技术背景
这个问题与CockroachDB 25.1引入的一个重要变更有关:默认启用了autocommit_before_ddl设置。这个设置是CockroachDB为了支持在线模式变更而引入的特性,它会在执行DDL语句前自动提交当前事务。
Psycopg3与Psycopg2的一个关键区别在于,Psycopg3默认会使用预处理语句(prepared statements),而Psycopg2不会。预处理语句是一种优化技术,可以预先编译SQL语句并重复使用,提高执行效率。
问题根源
当autocommit_before_ddl启用时,CockroachDB会在执行每个DDL语句前自动提交事务。然而,Psycopg3使用的预处理语句依赖于事务上下文来维护"portal"(一种PostgreSQL协议级别的游标概念)。事务被自动提交后,相关的portal会被清理,导致后续操作无法找到之前创建的portal,从而产生"unknown portal"错误。
解决方案
目前有以下几种可行的解决方案:
-
修改CockroachDB会话设置:可以通过设置autocommit_before_ddl=off来禁用这个特性。这个设置可以在会话级别修改,也可以通过ALTER ROLE命令设置为用户默认值。
-
禁用Psycopg3的预处理语句:Psycopg3提供了关闭预处理语句的选项。由于Psycopg2不使用预处理语句,所以不会遇到这个问题。
-
升级CockroachDB:CockroachDB开发团队已经确认并修复了这个问题,修复将在25.1.3版本中发布。根据测试,3月18日之后的构建版本已经解决了这个问题。
技术建议
对于生产环境,建议采取以下措施:
- 如果必须使用CockroachDB 25.1.2或更早版本,建议采用第一种或第二种解决方案
- 长期来看,升级到包含修复的CockroachDB版本是最佳选择
- 在应用程序中实现DDL操作时,应考虑将DDL和DML操作分开在不同的连接中执行
总结
这个问题展示了数据库驱动与数据库引擎版本间复杂的交互关系。作为开发人员,在升级数据库版本时,不仅需要关注新特性,还需要注意默认行为的改变可能带来的兼容性问题。Psycopg3作为新一代的PostgreSQL驱动,采用了更先进的特性,但这也可能带来与特定数据库版本的交互问题。理解这些底层机制有助于开发人员更好地诊断和解决类似问题。
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