DoltgreSQL:版本控制的PostgreSQL数据库
项目介绍
DoltgreSQL(又名Doltgres)是Dolt的一个PostgreSQL风格版本,目前处于预阿尔法发布阶段。它旨在将类似于Git的日志、差异、分支和合并功能带到你的PostgreSQL数据库模式和数据中。不同于使用MySQL客户端和MySQL SQL,用户可以利用PostgreSQL客户端与Doltgres交互,并使用PostgreSQL SQL。此项目从Dolt——世界上首个版本控制的SQL数据库发展而来,特别针对想要在数据库层面实现版本控制的需求。
快速启动
安装与设置
首先,下载DoltgreSQL的最新版本。确保你的系统已安装PostgreSQL 15或更高版本。如果你使用的是macOS并且通过Homebrew安装PostgreSQL,可能需要手动添加路径:
export PATH="/opt/homebrew/opt/postgresql@15/bin:$PATH"
然后,运行Doltgres初始化数据库环境:
doltgres
这会在默认目录~/doltgres/databases创建一个名为doltgres的数据库及用户。你可以通过指定--data-dir或调整DOLTGRES_DATA_DIR环境变量来改变存储位置。
连接与基本操作
打开一个新的终端并连接到刚创建的数据库:
psql -h localhost -U doltgres
接下来,在Doltgres中创建示例数据库和表:
create database getting_started;
\c getting_started;
create table employees (id int8, last_name text, first_name text, primary key(id));
create table teams (id int8, team_name text, primary key(id));
create table employees_teams(team_id int8, employee_id int8, primary key(team_id, employee_id), foreign key(team_id) references teams(id), foreign key(employee_id) references employees(id));
进行初次提交以体验版本控制特性:
select * from dolt_status;
call dolt_add('teams', 'employees', 'employees_teams');
call dolt_commit('-m', 'Initial schema created');
select * from dolt_log;
应用案例与最佳实践
虽然Doltgres尚处于实验性阶段,但它适用于那些希望对PostgreSQL数据库进行版本控制的场景。一个典型的使用案例是在团队间协作开发数据库结构和初始数据时,保证数据变更的可追溯性和一致性。最佳实践包括频繁地提交数据库变化,使用清晰的提交信息记录每一次更改的目的,以及定期备份数据。
典型生态项目
由于Doltgres本身就是一个特殊的数据库解决方案,其生态系统围绕版本控制的数据库管理展开。尽管目前没有详细列出具体的“典型生态项目”,但它的存在扩展了数据库管理工具的边界,鼓励开发者探索如何结合其他DevOps工具链,比如CI/CD流程中的数据库版本自动化管理。随着项目成熟,可能会出现更多集成案例,如与GitLab CI/CD或Jenkins的自动化部署结合,或者与数据仓库迁移工具的协同使用,提升数据治理的质量和效率。
请注意,上述信息基于提供的链接资料编撰,实际使用时应参考最新的项目文档和社区更新。
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-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00