PostgreSQL Exporter中pg_stat_statements采集模块在PostgreSQL 17上的兼容性问题分析
PostgreSQL Exporter作为PostgreSQL数据库监控的重要工具,其pg_stat_statements采集模块在最新PostgreSQL 17版本上出现了兼容性问题。本文将深入分析该问题的技术背景、原因及解决方案。
问题现象
当用户在PostgreSQL 17环境中启用stat_statements采集模块时,会出现以下异常情况:
- 监控指标
pg_scrape_collector_success{collector="stat_statements"}显示为0,表示采集失败 - 日志中持续报错:"column pg_stat_statements.blk_read_time does not exist"
技术背景
pg_stat_statements是PostgreSQL中用于跟踪SQL语句执行统计信息的扩展模块。PostgreSQL 17对该模块进行了重大变更,特别是重命名了多个统计字段:
- 旧版本中的
blk_read_time字段被重命名为shared_blk_read_time - 类似地,其他I/O时间统计字段也进行了重命名
PostgreSQL Exporter的代码中实际上已经预见到了这一变更,在代码库中包含了针对PostgreSQL 17的专用查询语句(pgStatStatementsQuery_PG17),但版本检测和查询选择机制出现了问题。
问题根源分析
通过检查PostgreSQL Exporter的源代码,我们发现其采集逻辑包含版本检测机制:
var query string
switch {
case instance.version.GE(semver.MustParse("17.0.0")):
query = pgStatStatementsQuery_PG17
case instance.version.GE(semver.MustParse("13.0.0")):
query = pgStatStatementsNewQuery
default:
query = pgStatStatementsQuery
}
理论上,当检测到PostgreSQL 17+版本时,应该自动选择pgStatStatementsQuery_PG17查询。但实际运行中却仍然使用了旧版查询,导致出现字段不存在的错误。
解决方案
该问题已在PostgreSQL Exporter的0.17.0版本中得到修复。对于暂时无法升级的用户,可以考虑以下临时解决方案:
- 降级PostgreSQL到16.x版本
- 在配置中禁用
stat_statements采集模块 - 手动编译包含修复的master分支代码
最佳实践建议
对于使用PostgreSQL 17的用户,建议:
- 优先升级到PostgreSQL Exporter 0.17.0或更高版本
- 升级前验证版本兼容性矩阵
- 监控系统日志,及时发现类似兼容性问题
- 考虑在测试环境先行验证新版本组合
总结
PostgreSQL 17对性能监控相关的系统视图进行了重大变更,这要求监控工具必须相应更新。PostgreSQL Exporter虽然预见了这一变更,但在版本检测实现上存在缺陷,导致了采集失败。通过升级到0.17.0版本可以彻底解决这一问题,确保监控系统在PostgreSQL 17环境中的正常运行。
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-1.5暂无简介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
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
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