PgBouncer 1.24.0 版本发布:连接池管理工具的重大更新
PgBouncer 是一个轻量级的 PostgreSQL 连接池工具,它通过管理数据库连接来提高应用程序的性能和可扩展性。作为 PostgreSQL 生态系统中的重要组件,PgBouncer 能够有效减少数据库连接开销,提高系统在高并发场景下的稳定性。
核心功能增强
最新发布的 PgBouncer 1.24.0 版本带来了多项重要功能改进,显著提升了连接池管理的灵活性和安全性。
连接控制与管理
-
新增连接限制功能:引入了
max_user_client_connections和max_db_client_connections设置,允许管理员分别在用户级别和数据库级别限制最大客户端连接数。这一功能对于多租户环境特别有价值,可以防止单一用户或数据库占用过多连接资源。 -
客户端空闲超时:新增的
client_idle_timeout参数可以自动关闭空闲的客户端连接,释放系统资源。这对于防止连接泄漏和优化资源利用非常有帮助。 -
强制终止连接:管理员现在可以通过
KILL_CLIENT命令强制终止特定的客户端连接,这在处理异常连接或进行紧急维护时非常有用。
认证与安全
-
PAM 认证支持:现在可以在 HBA 文件中配置 PAM 认证,为系统集成提供了更多灵活性。
-
TLS 优化:改进了 RELOAD 操作时的 TLS 处理逻辑,现在只有在 TLS 配置实际发生变化时才会回收连接,避免了不必要的性能开销。
负载均衡与高可用
新增的 load_balance_hosts 参数允许管理员禁用主机间的负载均衡功能,这在某些特定场景下可能更符合业务需求。
配置与监控改进
-
连接统计增强:
SHOW USERS和SHOW DATABASES命令现在会显示current_client_connections计数器,帮助管理员实时监控连接使用情况。 -
预备语句监控:新增了预备语句使用情况的统计信息,可以通过
SHOW STATS查看,这对于诊断性能问题很有帮助。 -
默认值调整:预备语句支持现在默认启用,
max_prepared_statements默认值设为 200,这反映了现代应用对预备语句的普遍需求。
重要变更与兼容性说明
-
参数命名变更:
reserve_pool参数已更名为reserve_pool_size,旧名称仍作为别名支持,但建议更新配置使用新名称。 -
连接池大小语义:
default_pool_size设置为 0 现在表示无限制大小,这与直觉更一致。 -
系统集成:新增了对 systemd 的
Type=notify-reload支持(需要 systemd 253 或更高版本),改善了与现代化系统管理工具的集成。
性能优化与问题修复
-
错误处理改进:优化了各种错误场景的处理,包括内存不足等极端情况,提高了系统稳定性。
-
认证流程优化:改进了
auth_query和复制连接同时使用时的处理逻辑,修复了可能导致连接失败的问题。 -
客户端取消请求处理:现在会忽略客户端在 PgBouncer 配置服务器设置期间发送的取消请求,避免了潜在的竞态条件。
升级建议
对于正在使用 PgBouncer 的用户,1.24.0 版本提供了显著的改进和新增功能。升级时需要注意以下几点:
- 检查预备语句相关配置,特别是如果之前显式禁用了此功能。
- 评估是否需要调整连接限制相关的新参数。
- 考虑将
reserve_pool参数更新为新名称reserve_pool_size。 - 测试系统在 RELOAD 操作时的行为变化,特别是在使用 TLS 的场景下。
PgBouncer 1.24.0 的这些改进使其成为更强大、更灵活的数据库连接池解决方案,特别适合需要精细控制数据库连接的企业级应用场景。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00