Pigsty v3.2.1 发布:PostgreSQL扩展生态与自托管能力全面升级
Pigsty是一个开源的PostgreSQL数据库管理平台,它提供了从部署、监控到扩展的一站式解决方案。作为一个专为PostgreSQL设计的现代化管理工具,Pigsty通过Ansible实现自动化部署,集成了Prometheus、Grafana等监控组件,并提供了丰富的PostgreSQL扩展支持。
最新发布的Pigsty v3.2.1版本带来了多项重要更新,特别是在PostgreSQL扩展生态和自托管能力方面有了显著提升。这个版本不仅增加了对IvorySQL 4.0的支持,还引入了351个PostgreSQL扩展,其中包括备受期待的数据匿名化工具postgresql-anonymizer 2.0。
核心亮点
1. 扩展生态大幅增强
v3.2.1版本新增了12个高质量的PostgreSQL扩展,使得总扩展数量达到351个。这些扩展覆盖了数据分析、时序处理、数据安全等多个领域。特别值得一提的是postgresql-anonymizer 2.0,它为PostgreSQL提供了强大的数据匿名化能力,可以帮助企业满足数据隐私法规的要求。
其他值得关注的新扩展包括:
- omnisketch和ddsketch:用于高效的数据概要和近似计算
- pg_duration:增强的时间间隔处理功能
- pg_task:简化数据库任务管理
- pg_xxhash:高性能哈希算法实现
2. IvorySQL 4.0全面支持
Pigsty现在正式支持IvorySQL 4.0在EL 8/9系统上的部署。IvorySQL是一个兼容PostgreSQL的企业级数据库,提供了额外的企业级特性和增强。这一支持使得用户可以在Pigsty平台上更灵活地选择数据库引擎。
3. 自托管能力扩展
v3.2.1版本新增了对Odoo的支持,这是一个流行的开源企业资源规划系统。Pigsty提供了Odoo的部署模板和配置支持,使得企业可以轻松地在自己的环境中部署和管理Odoo系统。
4. 安装体验优化
新版本引入了pig命令行工具,大大简化了安装流程。用户现在可以通过简单的命令序列完成Pigsty的安装和配置,降低了使用门槛。
技术细节与改进
扩展生态更新
除了新增扩展外,v3.2.1还对多个核心扩展进行了版本升级:
- PostGIS升级到3.5.1版本,提供了更强大的地理空间数据处理能力
- pg_partman升级到5.2.4,分区表管理更加便捷
- pg_repack升级到1.5.2,在线表重组更加稳定
- tdigest升级到1.4.3,数据分布分析更加精确
监控系统升级
Prometheus组件升级到3.1.0版本,提供了更高效的指标收集和存储能力。监控系统现在能够更好地处理大规模PostgreSQL集群的监控需求。
跨平台一致性
v3.2.1版本在所有支持的Linux发行版上统一使用Pigsty编译的Citus、TimescaleDB和pgroonga扩展,确保了不同环境下功能和行为的一致性。
总结
Pigsty v3.2.1通过扩展PostgreSQL生态、增强自托管能力和优化用户体验,进一步巩固了其作为PostgreSQL一站式管理平台的地位。无论是需要处理敏感数据的企业,还是寻求开源企业资源规划解决方案的组织,都能从这个版本中获得显著价值。
对于PostgreSQL管理员和开发者来说,v3.2.1提供了更丰富的工具集和更简化的管理体验,是升级现有环境或部署新系统的理想选择。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07