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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0130
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07