Marzban面板升级后用户列表无法显示的数据库字段缺失问题分析
问题现象
在使用Marzban面板时,用户报告在将系统升级到新版本后,面板中的用户列表无法正常显示。系统日志显示了一个关键错误信息:MySQL数据库报错"Unknown column 'users.auto_delete_in_days' in 'field list'",表明数据库表中缺少一个预期的字段。
错误原因深度分析
这个问题的本质是数据库模式(SCHEMA)版本与应用代码版本不匹配导致的。具体表现为:
-
数据库迁移缺失:新版本的Marzban代码中引用了
users表的新字段auto_delete_in_days,但实际的数据库结构中这个字段尚未创建。 -
版本兼容性问题:当用户降级回0.4.9版本时问题消失,进一步证实了这是新版本引入的变更导致的兼容性问题。
-
ORM映射错误:SQLAlchemy尝试查询包含新字段的用户数据,但数据库表中该字段不存在,导致操作异常。
解决方案
要解决这个问题,需要执行数据库迁移操作,将数据库模式更新到与代码版本匹配的状态。具体步骤如下:
- 进入Marzban容器环境:
cd /opt/marzban
docker compose exec marzban bash
- 执行Alembic数据库迁移:
alembic upgrade head
技术背景
-
数据库迁移工具Alembic:这是SQLAlchemy的作者开发的数据库迁移工具,专门用于管理数据库模式变更。它通过迁移脚本记录每次数据库结构的变化,确保应用代码和数据库结构保持同步。
-
版本控制的重要性:在Web应用开发中,代码和数据库结构的版本必须严格匹配。Marzban使用Alembic来管理这种同步关系,确保升级过程平滑。
-
MySQL兼容性:虽然用户使用的是MySQL 9,但这个问题与数据库版本无关,纯粹是迁移脚本未执行导致的模式不匹配。
最佳实践建议
-
升级前备份:在执行任何系统升级前,务必备份数据库,以防迁移过程中出现问题。
-
查看变更日志:升级前应查阅版本的变更说明,了解是否有需要特别注意的数据库变更。
-
测试环境验证:在生产环境升级前,先在测试环境验证升级流程,特别是数据库迁移步骤。
-
监控迁移过程:执行迁移命令后,应检查命令输出,确认所有迁移步骤都成功完成。
总结
Marzban面板升级后用户列表无法显示的问题,典型地展示了Web应用中代码与数据库版本不匹配导致的现象。通过理解数据库迁移的原理和正确执行迁移命令,可以有效地解决这类问题。这提醒我们在维护Web应用时,需要特别关注数据库模式的变更管理,确保应用平稳运行。
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
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
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
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
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-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.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- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00