Atuin服务器部署中的PostgreSQL权限配置要点
2025-05-09 11:27:15作者:廉皓灿Ida
Atuin作为一款现代化的shell历史记录工具,其服务器端组件在部署时对PostgreSQL数据库有着特定的权限要求。本文将深入分析Atuin服务与PostgreSQL的交互机制,帮助用户正确配置数据库权限。
问题背景
在PostgreSQL 15及更高版本中,默认权限策略发生了重要变化:系统默认会撤销public模式上的CREATE权限,仅数据库所有者保留该权限。这一安全增强措施导致许多应用在部署时遇到权限问题,Atuin服务也不例外。
核心问题分析
当用户创建专用数据库账户(如atuin用户)并授予其数据库全部权限后,Atuin服务仍可能报错"no schema has been selected to create in"。这是因为:
- PostgreSQL 15+默认限制public模式的创建权限
- GRANT ALL ON DATABASE语句不会自动授予模式级别的CREATE权限
- 非数据库所有者无法在public模式创建对象
解决方案
方案一:设置数据库所有者
最规范的解决方法是明确指定atuin用户为数据库所有者:
ALTER DATABASE atuin OWNER TO atuin;
这种方法符合PostgreSQL的安全最佳实践,确保应用账户具有必要的权限而不过度授权。
方案二:显式授权public模式
对于需要保留原有数据库所有者的场景,可以显式授予public模式权限:
GRANT ALL PRIVILEGES ON SCHEMA public TO atuin;
方案三:使用专用模式
更专业的做法是创建专用模式并设置搜索路径:
CREATE SCHEMA atuin_schema;
ALTER ROLE atuin SET search_path TO atuin_schema;
GRANT ALL PRIVILEGES ON SCHEMA atuin_schema TO atuin;
技术原理
PostgreSQL的权限系统采用分层设计:
- 数据库级别权限控制整体访问
- 模式级别权限控制对象创建
- 对象级别权限控制具体操作
从PostgreSQL 15开始,public模式默认不再允许非所有者创建对象,这是重要的安全改进。理解这种分层权限模型对于正确配置生产环境至关重要。
最佳实践建议
- 为Atuin服务创建专用数据库账户
- 明确指定数据库所有者或专用模式
- 避免使用超级用户账户运行应用
- 定期审计数据库权限配置
- 在开发环境测试权限变更
通过合理配置PostgreSQL权限,既能确保Atuin服务正常运行,又能遵循最小权限原则,保障数据库安全。
总结
Atuin服务器的PostgreSQL权限问题本质上是新版数据库安全策略与应用预期的冲突。通过理解PostgreSQL的权限模型,开发者可以灵活选择最适合自身环境的解决方案。建议优先采用设置数据库所有者的方法,既简单又符合安全规范。
登录后查看全文
热门项目推荐
相关项目推荐
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
Spark-Prover-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
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
Spark-Formalizer-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
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
项目优选
收起
deepin linux kernel
C
24
7
暂无简介
Dart
615
138
Ascend Extension for PyTorch
Python
165
184
React Native鸿蒙化仓库
JavaScript
240
314
仓颉编译器源码及 cjdb 调试工具。
C++
126
854
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
369
3.16 K
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
257
91
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
475
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
646
255