PLV8 扩展在 PostgreSQL 17 中的编译问题解析
问题背景
在构建 PLV8 JavaScript 扩展(PostgreSQL 的 JavaScript 语言扩展)时,用户遇到了编译错误。具体表现为在 PostgreSQL 17 环境下编译时,系统提示 tuplestore_donestoring 函数未声明的错误。这个问题主要出现在 Ubuntu 20.04.6 LTS 系统上,针对 PostgreSQL 17 版本进行编译时。
错误分析
编译过程中出现的核心错误信息是:
plv8.cc:1077:2: error: 'tuplestore_donestoring' was not declared in this scope; did you mean 'tuplestore_rescan'?
这个错误表明 PLV8 源代码中使用了 PostgreSQL 内部 API tuplestore_donestoring,但在 PostgreSQL 17 中这个函数可能已被移除或重命名。tuplestore_donestoring 函数原本用于标记元组存储操作的完成,是 PostgreSQL 内部元组存储处理机制的一部分。
解决方案
经过项目维护者的确认,这个问题是由于 PostgreSQL 主版本更新带来的 API 变更所致。PostgreSQL 的主要版本更新经常会包含破坏性变更,需要扩展进行相应修改才能兼容。
PLV8 项目已经在一个月前发布了 3.2.3 版本,该版本专门添加了对 PostgreSQL 17 的支持。升级到 PLV8 3.2.3 版本即可解决这个编译问题。
技术背景
PostgreSQL 的扩展生态系统与其核心版本紧密相关。PostgreSQL 17 作为主要版本更新,可能对以下方面进行了修改:
- 内部 API 变更:移除了
tuplestore_donestoring这样的内部函数 - 存储引擎改进:可能优化了元组存储的处理流程
- 编译系统调整:可能改变了扩展构建的依赖关系
PLV8 作为 PostgreSQL 的重要扩展,需要及时跟进这些变更以保持兼容性。3.2.3 版本的更新正是为了适应 PostgreSQL 17 的这些变化。
实践建议
对于需要在 PostgreSQL 17 上使用 PLV8 的用户,建议:
- 始终使用 PLV8 的最新稳定版本(当前为 3.2.3 或更高)
- 在升级 PostgreSQL 主版本时,同步检查所有扩展的兼容性
- 关注 PLV8 项目的更新日志,特别是对 PostgreSQL 新版本的支持情况
- 如果遇到类似编译错误,首先考虑扩展版本是否支持目标 PostgreSQL 版本
通过保持软件栈各组件版本的协调一致,可以避免大多数兼容性问题,确保数据库系统的稳定运行。
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