Javamelody 项目兼容 PostgreSQL 15 数据库的修复方案
背景介绍
Javamelody 是一个用于监控 Java 应用程序性能的开源工具,它能够收集并展示应用程序的各种运行时指标。在监控数据库时,Javamelody 会查询数据库的系统视图来获取相关信息。最近,有用户报告在使用 PostgreSQL 15 数据库时遇到了查询失败的问题。
问题分析
当 Javamelody 尝试获取数据库概览信息时,会执行一个包含 datlastsysoid 列的 SQL 查询。这个查询在 PostgreSQL 15 之前的版本中能够正常工作,但在 PostgreSQL 15 中会失败,原因是 PostgreSQL 15 移除了 pg_database 视图中的 datlastsysoid 列。
PostgreSQL 15 的这一变更属于不兼容性修改,且未在官方发布说明中明确提及。这种变更导致了依赖该列的应用程序出现兼容性问题。
技术细节
原始查询分析
Javamelody 原本执行的查询语句如下:
SELECT datname, pg_get_userbyid(datdba) AS dba,
pg_catalog.pg_encoding_to_char(encoding) AS encoding,
datistemplate, datallowconn, datconnlimit, datlastsysoid,
datfrozenxid, spcname as tablespace,
pg_size_pretty(pg_database_size(datname)) AS size, datacl
FROM pg_database, pg_tablespace
WHERE dattablespace = pg_tablespace.oid
ORDER BY datname
PostgreSQL 15 的变化
PostgreSQL 15 移除了 pg_database 视图中的 datlastsysoid 列,这是为了简化系统视图并移除不再需要的功能。这一变更影响了所有依赖该列的应用程序。
解决方案
Javamelody 开发团队通过以下方式解决了这个问题:
- 条件查询:修改查询语句,使其在不同版本的 PostgreSQL 中都能正常工作
- 向后兼容:确保修改不会影响旧版本 PostgreSQL 的使用
修改后的查询逻辑会检测数据库版本,对于 PostgreSQL 15 及以上版本,查询中不再包含 datlastsysoid 列。
实现方式
在实际代码中,开发团队通过修改 databaseInformations.properties 文件中的查询定义,实现了对不同版本 PostgreSQL 的适配。对于 PostgreSQL 15 及以上版本,使用不包含 datlastsysoid 列的查询语句。
影响范围
这一修复确保了 Javamelody 能够:
- 继续支持 PostgreSQL 15 以下版本的所有功能
- 在 PostgreSQL 15 及以上版本中正常获取数据库概览信息(不包含已移除的列数据)
- 保持整体监控功能的完整性
最佳实践
对于开发者而言,这一案例提供了以下经验:
- 数据库版本兼容性:在开发数据库相关功能时,应考虑不同版本间的兼容性问题
- 系统视图依赖:避免过度依赖可能变化的系统视图结构
- 错误处理:实现良好的错误处理机制,以便在遇到类似问题时能够优雅降级
结论
Javamelody 通过这次更新,成功解决了与 PostgreSQL 15 的兼容性问题,展示了开源项目快速响应和修复问题的能力。这一改进确保了用户在使用最新版 PostgreSQL 时也能获得完整的监控体验。
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