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。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00