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。
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
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
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