Pigsty v3.2.2发布:全面支持Omnigres与390个PostgreSQL扩展
Pigsty是一款开源的PostgreSQL数据库管理平台,它通过提供完整的工具链和自动化部署能力,让用户可以轻松构建、管理和监控PostgreSQL数据库环境。最新发布的v3.2.2版本带来了多项重要更新,特别是在扩展支持和功能增强方面。
Omnigres全面支持
本次更新的亮点之一是新增了对Omnigres的完整支持。Omnigres是一个将PostgreSQL转变为全功能应用平台的创新项目,它允许开发者直接在数据库内部构建完整的Web应用。Pigsty v3.2.2集成了Omnigres及其33个相关扩展,为用户提供了开箱即用的PostgreSQL应用开发平台。
Omnigres的加入意味着开发者现在可以在Pigsty环境中:
- 直接在PostgreSQL中处理HTTP请求
- 构建完整的Web应用后端
- 实现服务器端渲染
- 开发实时应用
新增扩展支持
除了Omnigres外,v3.2.2还新增了多个实用的PostgreSQL扩展:
-
pg_mooncake:这个扩展将DuckDB的功能引入PostgreSQL,为用户提供了轻量级分析数据库的能力,特别适合需要快速分析查询的场景。
-
pg_xxhash:一个高效的哈希算法实现,为数据分片和一致性哈希等场景提供支持。
-
timescaledb_toolkit:这是TimescaleDB的补充工具包,增强了时间序列数据分析能力。
-
pg_xenophile:专注于地理空间数据处理的扩展。
-
pg_drop_events:帮助监控和管理数据库中的DROP操作。
-
pg_incremental:为增量数据处理提供专门支持。
重要扩展更新
v3.2.2还对多个已有扩展进行了版本升级:
- Citus升级至13.0.0版本,新增了对即将发布的PostgreSQL 17的支持。
- pgml机器学习扩展升级至2.10.0,增强了数据库内机器学习能力。
- pg_extra_time升级至2.0.0,提供了更丰富的时间处理功能。
- pg_vectorize升级至0.20.0,改进了向量化操作性能。
- pg_search升级至0.14.1,优化了全文搜索体验。
- pg_analytics升级至0.3.0,增强了分析查询能力。
核心功能改进
在数据库核心功能方面,v3.2.2也带来了多项重要更新:
-
IvorySQL升级:将兼容Oracle的IvorySQL升级至4.2版本,基于PostgreSQL 17.2。
-
PolarDB支持扩展:新增了对Arm64架构和Debian系统的PolarDB内核支持,为用户提供了更多部署选择。
-
基础设施增强:默认包含了certbot和certbot-nginx工具,简化了SSL证书管理流程。
-
连接池优化:将pgbouncer的max_prepared_statements参数默认值提升至256,改善了高并发场景下的性能表现。
-
包管理简化:移除了pgxxx-citus包别名,并默认隐藏了pgxxx-olap扩展类别,使扩展管理界面更加清晰。
总结
Pigsty v3.2.2通过引入Omnigres支持和大量新扩展,进一步巩固了其作为PostgreSQL全功能管理平台的地位。无论是需要构建完整应用的开发者,还是专注于数据分析的专业人士,都能从这个版本中找到有价值的改进。特别是对新兴技术如Omnigres和DuckDB的支持,展现了Pigsty项目紧跟技术发展趋势的承诺。
对于现有用户,建议评估新扩展和功能是否能满足业务需求,特别是那些需要构建数据库内应用或进行高级数据分析的场景。新用户可以借助这个版本更轻松地搭建功能全面的PostgreSQL环境,而无需花费大量时间在扩展安装和配置上。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00