WAL-G v3.0.5 发布:多数据库备份工具的重大更新
WAL-G 是一个开源的数据库备份和恢复工具,支持多种数据库系统,包括 PostgreSQL、MySQL、MongoDB、Redis 等。它提供了高效的增量备份、时间点恢复(PiTR)等功能,是数据库运维人员的重要工具。最新发布的 WAL-G v3.0.5 版本带来了多项重要改进和新特性。
核心功能增强
Cloudberry 数据库支持
v3.0.5 版本新增了对 Cloudberry 数据库的支持。Cloudberry 是基于 PostgreSQL 的企业级数据库产品,这一新增支持使得 WAL-G 能够为 Cloudberry 用户提供与 PostgreSQL 同样强大的备份恢复能力。特别值得注意的是,该版本修复了 PostgreSQL 12+ 和 Cloudberry 数据库并发备份的问题,提高了备份过程的稳定性。
MongoDB 8.0 支持与分片集群恢复
对于 MongoDB 用户,这个版本带来了两个重要改进:
- 正式支持 MongoDB 8.0 版本,同时更新了对其他次要版本的支持
- 实现了对分片集群的时间点恢复(PiTR)功能,大大增强了 MongoDB 大规模部署的灾难恢复能力
此外,修复了一个潜在问题:当备份过程中文件被删除时,现在会正确报告错误而不是忽略它,提高了备份的可靠性。
关键修复与改进
MySQL 备份可靠性修复
这个版本修复了一个自 v3.0.0 以来存在的严重问题:在某些情况下,损坏的备份会被错误地标记为成功。对于 MySQL 用户来说,这是一个关键修复,强烈建议所有 MySQL 用户升级到此版本。
PostgreSQL 功能改进
PostgreSQL 用户将受益于多项改进:
- 修复了
wal-g copy命令的问题,使备份复制操作更加可靠 - 改进了备份过程,现在会跳过非物理存储对象,提高了备份效率
- 解决了事务状态文件被错误识别为页面文件的问题
其他数据库改进
- Greenplum:增加了多存储支持,提供了更灵活的备份存储选项
- 通用功能:增加了日志记录到文件的功能,便于问题排查
技术实现优化
在底层实现上,v3.0.5 也做了多项优化:
- 解决了 TarFileSet 的并发访问问题,通过添加同步互斥锁提高了线程安全性
- 修复了数据竞争问题,提高了在多线程环境下的稳定性
- 优化了 S3 存储的交互,增加了禁用 100 continue 的选项
兼容性与构建改进
- 更新了构建系统,增加了对 Ubuntu 22.04 和 24.04 的支持
- 升级了 brotli 压缩库和 libsodium 加密库到最新版本
- 优化了测试流程,减少了测试中的硬编码和 sleep 调用,提高了测试可靠性
总结
WAL-G v3.0.5 是一个功能丰富且稳定的版本,特别适合需要可靠数据库备份解决方案的用户。无论是新增的 Cloudberry 支持,还是对 MongoDB 分片集群的 PiTR 功能,都大大扩展了 WAL-G 的应用场景。对于现有用户,特别是 MySQL 用户,升级到这个版本可以解决已知的重要问题。
这个版本体现了 WAL-G 项目对多数据库支持的持续投入,以及对备份可靠性的高度重视,是数据库运维团队值得考虑的备份工具升级选择。
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