SPQR 2.6.0 版本发布:分布式 PostgreSQL 路由器的重大升级
SPQR 是一个开源的 PostgreSQL 分片路由器项目,它作为 PostgreSQL 的中间层,能够将查询路由到正确的分片,同时对外提供统一的 PostgreSQL 协议接口。SPQR 使得应用程序可以像连接单个 PostgreSQL 实例一样连接分布式数据库集群,而无需关心底层数据分布细节。
核心特性增强
多列分片支持
2.6.0 版本对多列分片路由进行了全面增强。传统分片通常只基于单个列进行数据分布,这在某些业务场景下可能不够灵活。新版本通过以下改进支持了更复杂的多列分片场景:
- 扩展了 COPY 命令处理逻辑,使其能够正确处理多列分片键的数据导入
- 改进了 INSERT 语句的直接路由机制,支持基于多列分片键的路由决策
- 增强了类型系统,支持不同数据类型的多列组合作为分片键
这些改进使得用户可以基于业务需求设计更灵活的分片策略,例如同时基于用户ID和地理位置进行数据分布。
数据重分布功能增强
数据重分布是分布式数据库管理的重要功能,2.6.0 版本对此进行了多项改进:
- 引入了
REDISTRIBUTE KEY RANGE [CHECK|APPLY]命令,提供更安全的数据迁移流程 - 增加了对分布键列的检查机制,确保重分布操作的正确性
- 修复了单分片键对应多行数据时的处理逻辑
- 改进了键范围获取算法,提高了重分布效率
- 新增了
RETRY MOVE TASK GROUP命令,便于处理失败的重分布任务
这些改进使得大规模数据重平衡操作更加可靠和高效,为在线扩容提供了更好的支持。
序列与自增功能
新版本增强了序列支持:
- 实现了完整的序列功能,包括
CREATE SEQUENCE和序列函数 - 支持
AUTO INCREMENT START语法,便于控制自增起始值 - 改进了序列在分布式环境下的行为一致性
这些特性使得从单机 PostgreSQL 迁移到分布式环境时,序列相关的应用代码几乎无需修改。
UUID 支持
新增了对 UUID 数据类型的完整支持,包括生成函数和路由逻辑。这使得用户可以使用 UUID 作为主键或分片键,满足某些特定场景的需求。
查询处理优化
虚拟查询处理
2.6.0 引入了虚拟查询处理机制,能够高效处理一些特殊查询而不需要实际访问后端数据库:
- 实现了
pg_is_in_recovery函数的虚拟处理 - 支持
SELECT 1等简单查询的虚拟执行 - 优化了子查询的处理逻辑
- 改进了伪命令的绑定处理
这些优化减少了对后端数据库的不必要访问,提高了系统整体性能。
读写分离支持
新版本增强了读写分离能力:
- 引入了
__spqr__参数控制读写路由 - 实现了副本只读路由功能(smart-read-write)
- 增加了对
target_session_attrs参数的处理 - 优化了只读状态下的控制台行为
这些改进使得应用程序可以更灵活地利用读写分离提高查询性能。
系统稳定性与运维改进
连接管理优化
- 实现了单分片服务器下的无锁连接管理
- 修复了多数据库连接池中的双重释放问题
- 增加了连接数限制配置
- 优化了客户端失败时的清理逻辑
元数据管理
- 为分布式关系添加了模式元数据支持
- 在
SHOW RELATIONS输出中包含模式名称 - 改进了模式缓存获取失败时的错误处理
监控与诊断
- 新增了
spqr-ping工具用于系统健康检查 - 改进了只读状态的显示
- 优化了系统通知机制
兼容性与测试增强
2.6.0 版本在兼容性和测试方面做了大量工作:
- 重写了多分片测试用例,提高测试覆盖率
- 增加了对 pgbench 工具的兼容性支持
- 修复了多种边界条件下的处理逻辑
- 改进了回归测试套件
- 优化了 Docker 镜像构建
总结
SPQR 2.6.0 版本在多列分片、数据重分布、序列支持、读写分离等方面带来了显著改进,同时增强了系统的稳定性和可运维性。这些变化使得 SPQR 更适合生产环境部署,能够支持更复杂的分布式数据库场景。对于正在考虑或已经使用 PostgreSQL 分片的用户,升级到 2.6.0 版本将获得更好的功能支持和性能表现。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
ruoyi-plus-soybeanRuoYi-Plus-Soybean 是一个现代化的企业级多租户管理系统,它结合了 RuoYi-Vue-Plus 的强大后端功能和 Soybean Admin 的现代化前端特性,为开发者提供了完整的企业管理解决方案。Vue06- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00