Archery项目中修改MySQL审核默认排序规则的技术指南
2025-06-03 18:17:53作者:韦蓉瑛
背景介绍
在数据库管理工具Archery的实际使用过程中,用户经常会遇到SQL审核规则与生产环境不匹配的情况。特别是在排序规则(collation)方面,当开发环境的默认设置与生产环境不一致时,会导致SQL审核失败,影响正常的数据库变更流程。
问题分析
在Archery项目中,MySQL的SQL审核功能是通过goinception组件实现的。goinception作为一款开源的SQL审核工具,内置了一系列严格的审核规则,其中就包括对数据库排序规则的检查。当提交的SQL语句中使用的排序规则与goinception的默认设置不一致时,就会触发审核失败。
解决方案
要解决排序规则不匹配的问题,我们需要了解goinception的相关配置参数。goinception提供了多个与字符集和排序规则相关的变量,可以通过这些变量来调整审核行为:
- character_set_client:设置客户端字符集
- character_set_connection:设置连接字符集
- character_set_database:设置数据库字符集
- character_set_results:设置结果字符集
- character_set_server:设置服务器字符集
- collation_connection:设置连接排序规则
- collation_database:设置数据库排序规则
- collation_server:设置服务器排序规则
配置建议
对于使用utf8mb4字符集和utf8mb4_unicode_ci排序规则的环境,建议进行以下配置调整:
- 将character_set_server设置为utf8mb4
- 将collation_server设置为utf8mb4_unicode_ci
- 确保其他相关字符集和排序规则设置保持一致
实施步骤
- 确认生产环境的实际字符集和排序规则配置
- 在goinception的配置文件中调整相应参数
- 重启goinception服务使配置生效
- 在Archery中重新提交SQL进行测试
注意事项
- 修改排序规则配置可能会影响现有SQL的审核结果
- 建议在测试环境充分验证后再应用到生产环境
- 对于混合排序规则的环境,需要特别关注跨表查询的性能影响
- 字符集和排序规则的修改可能会影响索引的使用效率
通过合理配置goinception的排序规则参数,可以有效解决Archery中SQL审核不通过的问题,确保数据库变更流程的顺畅进行。同时,统一的排序规则配置也有助于提高数据库的整体性能和可维护性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
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
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
402
3.12 K
Ascend Extension for PyTorch
Python
224
249
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
315
React Native鸿蒙化仓库
JavaScript
262
324
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.2 K
655
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
219