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。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C032
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00