Pigsty 部署中 PostgreSQL 扩展包安装问题分析与解决
问题背景
在使用 Pigsty 项目的 conf/safe.yml 配置模板部署 PostgreSQL 集群时,遇到了两个扩展包无法找到的问题:anonymizer 和 noset。系统环境为 Ubuntu 22.04 LTS,Pigsty 版本为 v3.4.1。
错误现象
在部署过程中,Ansible 任务执行到安装 PostgreSQL 扩展时失败,报错信息显示:
No package matching 'anonymizer' is available
No package matching 'noset' is available
问题分析
-
扩展包命名规则问题
检查/www/pigsty目录发现实际存在的扩展包文件名为:postgresql-17-pg-anon_2.1.1-1PIGSTY~jammy_amd64.debpostgresql-17-noset_0.3.0-1PIGSTY~jammy_amd64.deb
而配置文件中指定的扩展名称为
anonymizer和noset,与实际的包名pg-anon和noset不一致。 -
Pigsty 扩展包命名规范
Pigsty 对 PostgreSQL 扩展包的命名有一定规范,通常以postgresql-<version>-<extension-name>_<version>-<distro>_<arch>.deb格式命名。部分扩展包可能有pg_前缀。
解决方案
-
修改配置文件
将pg_extensions配置项中的:anonymizer改为pg_anonnoset改为pg_noset
修改后的配置如下:
pg_extensions: - passwordcheck, supautils, pgsodium, pg_vault, pg_session_jwt, pg_anon, pgsmcrypto, pgauditlogtofile, pgaudit - pg_auth_mon, credcheck, pgcryptokey, pg_jobmon, logerrors, login_hook, set_user, pgextwlist, pg_auditor, sslutils, pg_noset -
确保包文件存在
复制postgresql-17-noset_0.3.0-1PIGSTY~jammy_amd64.deb为postgresql-17-pg-noset_0.3.0-1PIGSTY~jammy_amd64.deb,确保包文件与配置中的名称一致。
技术原理
-
PostgreSQL 扩展管理
Pigsty 通过 Ansible 自动化安装 PostgreSQL 扩展,这些扩展以 Debian 包形式提供。安装时会根据配置中的扩展名称查找对应的.deb包文件。 -
命名一致性要求
配置中的扩展名称必须与包文件名中的关键部分完全匹配。例如,pg_anon对应postgresql-17-pg-anon_*.deb,pg_noset对应postgresql-17-pg-noset_*.deb。
最佳实践
-
检查扩展包命名
在配置扩展前,应先在/www/pigsty目录下确认实际的包文件名格式。 -
保持命名一致性
确保配置中的扩展名称与包文件名中的关键部分一致,必要时可创建符号链接或复制文件来满足命名要求。 -
测试验证
修改配置后,建议先在小范围测试环境中验证扩展安装是否成功,再应用到生产环境。
总结
Pigsty 部署过程中遇到的扩展包安装问题通常是由于命名不一致导致的。通过理解 Pigsty 的扩展包命名规范,并确保配置与实际包文件名的匹配,可以有效解决这类问题。对于安全增强模板中的特殊扩展,更应仔细检查命名规则,必要时可参考项目文档或社区经验进行调整。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00