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。
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