Ora2Pg v25.0 版本发布:Oracle 到 PostgreSQL 迁移工具的重大更新
项目简介
Ora2Pg 是一个开源工具,专门用于将 Oracle 数据库迁移到 PostgreSQL。它能够自动转换 Oracle 的 SQL 和 PL/SQL 代码到 PostgreSQL 兼容的格式,同时支持数据结构、数据内容的迁移以及性能评估等功能。作为数据库迁移领域的成熟工具,Ora2Pg 在 v25.0 版本中带来了多项重要改进和新特性。
核心功能增强
多格式评估报告输出
v25.0 版本现在支持同时生成多种格式的评估报告。这一改进使得用户能够一次性获取不同格式的迁移评估结果,大大提高了工作效率。评估报告是迁移规划阶段的重要参考,能够帮助用户预估迁移难度和工作量。
Oracle 到 PostgreSQL 异常映射扩展
新版本增强了对 Oracle 异常处理到 PostgreSQL 的转换支持。异常处理是 PL/SQL 中的重要组成部分,更完善的映射意味着迁移后的代码能够更好地保持原有逻辑和行为。
配置覆盖功能
现在用户可以通过命令行直接覆盖配置文件中的 PG_SUPPORTS_* 设置,而不再受 PG_VERSION 的限制。这一改进为高级用户提供了更大的灵活性,特别是在需要针对特定 PostgreSQL 版本进行定制化迁移时。
数据迁移优化
并行分区导出
v25.0 显著改进了分区表的导出性能,现在支持并行导出每个分区。相比之前版本中串行处理所有分区的方式,这一优化能够大幅减少大型分区表的导出时间。
一致性数据快照
数据导出现在默认使用当前 SCN(系统变更号)作为快照点,确保多进程导出时所有表的数据都来自同一时间点,保持数据一致性。对于不需要此功能的场景,用户可以使用新增的 --no_start_scn 选项禁用此行为。
oracle_fdw 增强
新版本对 oracle_fdw 的支持进行了多项改进:
- 新增 ORACLE_FDW_COPY_MODE 配置项,支持本地(local)和服务器端(server)两种 COPY 模式
- 新增 ORACLE_FDW_COPY_FORMAT 配置项,可选择二进制(binary)或 CSV 格式
- 优化了数据迁移流程,提高了大容量数据迁移的效率和可靠性
语法转换改进
DBMS_SQL 转换
v25.0 能够将简单的 DBMS_SQL 游标操作转换为 PostgreSQL 的动态查询执行。DBMS_SQL 是 Oracle 中常用的动态 SQL 接口,这一转换使得相关代码能够更好地迁移到 PostgreSQL 环境。
MOD 运算符替换
新增了对 MOD 运算符的转换支持,解决了之前版本中相关表达式无法正确迁移的问题。
时间戳处理优化
修正了 SYSTIMESTAMP 的转换,现在会正确地转换为 statement_timestamp() 而非 CURRENT_TIMESTAMP,确保时间相关逻辑的准确性。
其他重要改进
脚本处理增强
新增 SCRIPT 动作,支持将 sqlplus 脚本作为一个整体处理,而非逐行解析。这一改进特别适用于处理复杂的存储过程或脚本文件。
默认配置调整
使用 --init_project 生成的默认配置文件中,现在将 PG_NUMERIC_TYPE 设为 0,NULL_EQUAL_EMPTY 设为 1,这些默认值更适合大多数迁移场景。
命令行选项扩展
新增 -O | --options 选项,允许用户直接在命令行中覆盖任何配置参数,格式灵活,可以多次使用或使用管道符分隔多个参数。
问题修复
v25.0 版本修复了大量问题,包括但不限于:
- 修复了多进程 TEST_DATA 动作的问题
- 修正了 UPDATE 语句中的赋值符号处理
- 解决了 MySQL 注释和标签转换的问题
- 修复了枚举值 "inf" 被错误扩展为 "Infinity" 的问题
- 修正了 DBMS_LOB.GETLENGTH() 的权限检查
- 解决了 TO_DATE 转换中 NLS 设置相关的问题
- 修复了多种情况下的子查询处理问题
- 修正了 JSON 和 CLOB 数据类型迁移中的多个问题
总结
Ora2Pg v25.0 是一个功能丰富且稳定的版本,在多格式评估报告、并行分区导出、oracle_fdw 支持、语法转换准确性等方面都有显著提升。这些改进使得从 Oracle 到 PostgreSQL 的数据库迁移过程更加高效、可靠。对于计划进行数据库迁移的用户,特别是处理大型复杂数据库系统的团队,升级到 v25.0 版本将能获得更好的迁移体验和结果。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00