PgBouncer 1.24.1版本发布:修复密码有效期验证问题
项目简介
PgBouncer是一个轻量级的PostgreSQL连接池工具,它通过管理数据库连接来提高PostgreSQL服务器的性能和可扩展性。作为PostgreSQL生态系统中的重要组件,PgBouncer能够有效减少数据库连接开销,优化资源利用率,特别适合高并发场景下的数据库应用。
安全更新:CVE-2025-2291问题修复
本次1.24.1版本最重要的更新是修复了一个安全问题(CVE-2025-2291),该问题涉及用户密码有效期验证机制。在之前的版本中,PgBouncer在执行auth_query查询用户密码哈希时,没有考虑密码的VALID UNTIL(有效期至)属性。这意味着即使用户密码已经过期,PgBouncer仍可能允许连接通过。
这一问题在PgBouncer作为PostgreSQL透明代理使用时尤为关键。某些用户可能利用已过期的密码进行连接,绕过数据库的安全策略。为解决此问题,新版本修改了默认的auth_query实现,并在文档中更新了自定义auth_query函数的示例,确保密码有效期检查被正确纳入认证流程。
对于使用自定义auth_query的用户,建议立即更新查询逻辑以包含有效期检查。而使用默认配置的用户,可以选择升级到1.24.1版本,或者在旧版本中手动更新auth_query配置。
其他重要修复
除了安全更新外,1.24.1版本还包含多个功能修复:
-
PAM认证支持回滚:1.24.0版本引入的PAM认证在HBA文件中的支持被发现存在问题,新版本已回滚这一变更。这一修复确保了使用PAM认证的系统能够继续正常工作。
-
用户连接计数修正:修复了用户连接计数递减时的错误。值得注意的是,虽然这个修复已经包含在GitHub的1.24.0标签中,但官方发布的tarball包中遗漏了这一修改,1.24.1版本确保了这一修复的正确包含。
-
测试套件完善:新增了test_load_balance_hosts.py测试文件到发布包中,并解决了多个测试相关问题,使测试能够在Debian打包环境中顺利运行。
文档改进
新版本还改进了文档中的auth_query示例,增加了安全的search_path设置建议。这一改进有助于防止潜在的SQL注入风险,提升系统整体安全性。
升级建议
对于所有使用PgBouncer的生产环境,特别是那些作为PostgreSQL透明代理的场景,强烈建议尽快升级到1.24.1版本。这次更新不仅修复了重要的安全问题,还提高了系统的稳定性和可靠性。升级时应注意:
- 检查当前使用的auth_query配置,确保包含密码有效期检查
- 如果使用PAM认证,验证认证流程是否正常
- 在测试环境中验证所有修复是否按预期工作
对于无法立即升级的系统,至少应手动更新auth_query配置以包含密码有效期检查,作为临时解决方案。
PgBouncer团队持续关注产品安全性和稳定性,这次更新再次体现了他们对产品质量的承诺。用户应保持对PgBouncer更新的关注,及时应用安全补丁,确保数据库连接层的安全性。
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。C031
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
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
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