Pagy项目中的多租户查询限制Bug分析与修复
在Ruby on Rails项目中,Pagy是一个非常流行的分页解决方案。最近在8.4.0版本中发现了一个与多租户环境相关的查询限制Bug,该Bug会导致在使用acts_as_tenant等多租户Gem时,分页查询结果被错误地限制为仅返回一条记录。
问题现象
当开发者在多租户环境下使用Pagy 8.4.0版本进行分页查询时,系统会生成带有LIMIT 1的SQL查询,导致只能获取到一条记录,而实际上应该返回多条记录。这个问题在Pagy 8.3版本中并不存在,表明这是8.4.0版本引入的回归问题。
问题重现
通过一个简化的Rails应用可以重现这个问题。应用场景涉及三个主要模型:Company(公司)、Post(文章)和Tag(标签),它们之间存在多对多关系。当尝试通过标签查询关联的文章并进行分页时,生成的SQL查询会错误地添加LIMIT 1限制。
技术分析
深入分析这个问题,我们可以发现:
-
SQL查询异常:正常的分页查询应该使用Pagy配置的items数量作为LIMIT值,但在这个案例中,查询被强制加上了LIMIT 1。
-
多租户影响:问题特别出现在多租户环境下,当查询通过中间表(tag_and_posts)关联时,Pagy的计数查询和实际数据查询都受到了影响。
-
版本差异:8.3版本工作正常,8.4.0版本出现此问题,表明这是新版本引入的回归问题。
解决方案
经过项目维护者的确认,这个问题与另一个已报告的MySQL服务器问题(#704)相关。修复方案已经在一个特定分支(fix-mysql-server-issue)中实现。开发者可以通过以下方式临时解决:
gem "pagy", github: "ddnexus/pagy", branch: "fix-mysql-server-issue"
最佳实践建议
对于使用Pagy进行分页开发的开发者,特别是在多租户环境下,建议:
-
版本控制:在升级Pagy版本时,应充分测试分页功能,特别是涉及复杂关联查询的场景。
-
监控SQL:开发过程中应监控实际生成的SQL语句,确保分页参数正确应用。
-
回归测试:为关键的分页功能编写自动化测试,防止未来版本升级引入类似问题。
总结
这个Bug展示了分页库在多租户复杂关联查询场景下的一个边界情况。Pagy团队已经快速响应并提供了修复方案,体现了开源项目对问题的高效处理能力。开发者在使用时应关注版本更新,并在遇到类似问题时及时报告,共同维护生态系统的稳定性。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
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