版本发布说明

• 1: pg_mooncake 0.3.0 发布：PGSTY 首版发布，全面适配 DuckDB 2.0、pgrx 0.19.3 与 PostgreSQL 14–18
• 2: pg_mooncake v0.2 架构前瞻：开箱即用的实时列存与逻辑复制
• 3: PostgreSQL 中最简单的极速分析方式：pg_mooncake v0.1 正式发布

1 - pg_mooncake 0.3.0 发布：PGSTY 首版发布，全面适配 DuckDB 2.0、pgrx 0.19.3 与 PostgreSQL 14–18

pg_mooncake 0.3.0（随同 duckdb_mooncake v0.0.2 与 moonlink v0.0.1 同步发布）是由 PGSTY 维护的 Mooncake 实时分析套件的首个正式版本：

• pgsty/pg_mooncake v0.3.0（MIT 许可证）
• pgsty/duckdb_mooncake v0.0.2（MIT 许可证）
• pgsty/moonlink v0.0.1（附带 PG_MOONCAKE LINKING & DISTRIBUTION EXCEPTION 的 BSL-1.1 许可证，客户端 crate 为 MIT）

面向 PostgreSQL 14、15、16、17、18，覆盖 RHEL / Rocky / AlmaLinux 8、9、10 与 Debian 12/13、Ubuntu 22.04/24.04（x86_64 与 aarch64）的 RPM 与 DEB 二进制软件包现已通过 PGEXT 软件源与 Pigsty 正式提供。

pg_mooncake 0.3.0 核心亮点

1. 升级至 pgrx 0.19.3，全面支持 PostgreSQL 14–18

pg_mooncake 已完成向 pgrx = 0.19.3（cargo-pgrx 0.19.3）的迁移，在支持 PostgreSQL 14、15、16、17 的基础上正式引入对 PostgreSQL 18 的原生支持：

• 更新 pg_mooncake.control 中的扩展元数据（default_version = '0.3.0'），并新增升级脚本 sql/pg_mooncake--0.2.0--0.3.0.sql。
• 将所有 GUC 参数定义（mooncake.timeline_id、mooncake.enable_local_bucket、mooncake.default_bucket、mooncake.enable_memory_metadata）全面迁移至 Rust 原生 CStr 字面量（c"..."）。

2. 适配 DuckDB 2.0.0 与 pg_duckdb 1.2.0

pg_mooncake 0.3.0 内嵌 pg_duckdb v1.2.0 与 duckdb_mooncake v0.0.2，基于 DuckDB v2.0.0（d54cbbe3df17e8e5ce68312f483b4155836112aa）构建：

• 将 duckdb_mooncake 完整迁移至 DuckDB 2.0 的 TableCatalogEntry、StorageExtensionInfo 与 TableFilterSet 迭代器接口。
• 修复了 MooncakeScanFunction 中针对 IS NULL 与 IS NOT NULL 谓词下推的列索引重映射缺陷，消除了多列混合过滤条件下推至 Moonlink Parquet 扫描时的段错误（SIGSEGV）。
• 在后台工作进程初始化阶段新增 pg_duckdb 运行时版本校验，强制要求 pg_duckdb = 1.2.0（支持 1.2.0 或 1.2.0-* 预发布后缀；当检测到 1.1.3 或 1.3.0 等不匹配版本时立即快速失败并给出明确提示）。

3. 列存表 LSN 一致性快照读取（pg_current_wal_flush_lsn）

在旧版本中，duckdb_mooncake 以 lsn = 0 构造 Moonlink 表扫描描述符，导致查询不会等待刚刚提交的 PostgreSQL 事务被后台逻辑复制工作进程消费完毕。

在 v0.3.0 中，pg_mooncake 导出了 C 符号 mooncake_get_postgres_lsn()（在常规后端会话中调用 pg_current_wal_flush_lsn()，在恢复模式下返回 0），由 duckdb_mooncake 通过 dlsym(RTLD_DEFAULT, "mooncake_get_postgres_lsn") 动态解析。现在，对 columnstore 表的每一次分析查询都会自动等待 Moonlink 同步至当前 PostgreSQL WAL 刷盘 LSN 后再执行扫描。

4. 分区表层级自动支持（REPLICA IDENTITY FULL）

在对 PostgreSQL 分区表调用 mooncake.create_table(dst, src) 时，pg_mooncake 0.3.0 会自动遍历继承树（find_all_inheritors），在将主表加入逻辑复制发布之前，自动为父表及所有叶子分区表设置 REPLICA IDENTITY FULL。

5. 对已弃用的 mooncake.load_files 显式返回 0A000 错误

旧版 v0.1 遗留的辅助函数 mooncake.load_files(dst TEXT, files TEXT[]) 现在会显式抛出标准 PostgreSQL 错误码 ERRCODE_FEATURE_NOT_SUPPORTED（0A000）并给出清晰的迁移提示，而不再触发未捕获的 Rust todo!() 崩溃。

6. Cargo 依赖安全审计与加固（RustSec）

全部三个 Cargo 工作区（pg_mooncake、moonlink、duckdb_mooncake/moonlink_ffi）均对照 RustSec 漏洞数据库（2026-11-05）完成了系统性安全升级：

• pg_mooncake/Cargo.lock：已知漏洞从 33 个降至 6 个（-82%），unsound 警告清零（1 -> 0）。
• moonlink/Cargo.lock：已知漏洞从 46 个降至 15 个（-67%），unsound 警告清零（1 -> 0）。
• duckdb_mooncake/moonlink_ffi/Cargo.lock：0 个漏洞、0 个 unsound、0 条警告。
• 升级了 tonic 0.14.5、prost 0.14.3、bincode 2.1.0、opentelemetry 0.31.0、wasmtime 43.0.1、rustls 0.23.37、aws-lc-rs 1.16.3、bytes 1.11.1、tar 0.4.45 与 lz4_flex 0.11.6。完整审计详情请参阅 SBOM 与安全审计。

验证总结

pg_mooncake 0.3.0 已在 Ubuntu 24.04.5 LTS ARM64（PostgreSQL 18.6） 与 Rocky Linux 10.2 ARM64（PostgreSQL 17.11） 双平台上完成端到端实机验证：

• 58/58 项 Moonlink table_handler 单元测试全部通过。
• 3/3 组 pg_Regression SQL 回归测试集（small、partition、unsupported）全部通过（0 失败）。
• 运行时版本门禁实测验证：准确拦截 pg_duckdb 1.1.3 与 1.3.0，放行 1.2.0。
• 11/11 项实时逻辑复制、UPDATE/DELETE、分区表同步、Iceberg 元数据访问及数据库快速重启持久化检查点全部通过。

2 - pg_mooncake v0.2 架构前瞻：开箱即用的实时列存与逻辑复制

在 v0.1 中，我们证明了 PostgreSQL 完全能够提供顶级的分析性能。通过将 DuckDB 向量化执行引擎与列存表相结合，pg_mooncake 成为了 Postgres 生态中唯一同时集成这两大能力的扩展。

实测成绩说明了一切：pg_mooncake 闯入了 ClickBench 全球前十，并打造出了最快的基于 Parquet 的执行引擎。

现在，在 v0.2 中，我们正在攻克下一个核心挑战——我们称之为**“开箱即用的分析（Out-of-the-Box Analytics）”**。

为什么要在 Postgres 内部直接做分析？

绝大多数应用在真正拥有第一套数据仓库或专用分析系统之前，早就已经产生了迫切的分析查询需求。

我们见过无数次相同的故事：团队不得不推迟产品路线图、搭建通往外部系统的数据同步管道、招聘专职数据工程师维护 ETL——同时还要在应用层把 Postgres 里的实时业务数据与外部系统里的分析数据手工拼凑在一起。

pg_mooncake 彻底消除了这种复杂性。借助列存表，开发者可以在同一个 Postgres 数据库中同时处理事务型（OLTP）与分析型（OLAP）负载——没有外部系统，没有脆弱的 ETL 管道，只有纯粹的 Postgres。

在 v0.2 中，我们重点围绕以下几个核心方向展开架构演进：

1. 完善的 Postgres 表访问方法（TAM）与兼容性 (#80)

在 v0.1 中，所有针对列存表的读写都直接穿透到 DuckDB 执行，虽然带来了极高的扫描性能，但也导致部分 Postgres 原生特性（如数据修改 CTE、触发器等）受限。在 v0.2 中，我们将源表的写入完全交回给 Postgres 原生堆表，由 DuckDB 专注于高速列存扫描与计算下推。

2. 基于逻辑复制（Logical Replication）的列存镜像同步 (#90)

许多用户都是在现有 Postgres 业务表遇到慢查询瓶颈后开始引入 pg_mooncake 的。通过引入逻辑复制架构（参见 mooncake.create_table），用户无需修改任何业务端写入代码，只需一条命令即可将现有 Postgres 堆表（或远程 RDS / Cloud SQL / Neon / Supabase 表）的数据实时同步至列存镜像表中。

3. 面向高频小写入的内存/行存写缓冲 (#89)

逻辑复制带来了一个核心工程挑战：如何在高频小事务写入下，避免每个事务都生成一个零碎的 Parquet 小文件和元数据日志？

在 v0.2（基于 Moonlink 引擎）中，高频小批量写入会首先进入内存中的 Arrow 写缓冲区（Write Buffer），达到阈值后再由后台异步刷盘生成紧凑的 Parquet 文件。当查询列存表时，duckdb_mooncake 会自动合并读取内存缓冲区与底层 Parquet 文件（Union Read）。这一机制将 Parquet 文件写入与 OLTP 事务彻底解耦，大幅消除了写放大。

这一突破使得列存表无需业务层手工攒批（Batching）即可直接对接高并发 OLTP 负载，非常适合实时 HTAP、日志分析与时序数据场景。

这为我们带来了什么？

pg_mooncake 是获取 Postgres 原生极速分析最简单的方式。随着 v0.2（以及 PGSTY 维护的 v0.3.0 版本）的落地，三大核心场景得到了全面增强：

1. 面向用户的实时分析（User-Facing Analytics） —— 完整的 ORM 支持、与普通 Postgres 表直接 JOIN、只需运维一套数据库；
2. 日志、对话历史与时序数据 —— 针对高频追加写入深度优化，兼具 Parquet 高压缩率与低存储成本；
3. 开箱即用的开放数据湖仓 —— 将 Postgres 变身为实时生成 Apache Iceberg 快照的引擎，并配合具备文件跳过与行组裁剪能力的极速 Parquet 执行引擎。

3 - PostgreSQL 中最简单的极速分析方式：pg_mooncake v0.1 正式发布

我们在创业第 60 天向世界首次宣布了 pg_mooncake。

今天（第 131 天），pg_mooncake 正式结束 Beta 阶段，发布 v0.1.0。

pg_mooncake 的核心竞争力在于极致易用性与强悍性能。在 v0.1 中，我们在这两个方向上全力加码。

在 Postgres 中运行极速分析最简单的方式

凭借 Postgres 原生列存表，pg_mooncake 将开发者最熟悉的表语义带入分析场景。列存表不仅支持事务性的 INSERT、SELECT、UPDATE、DELETE 和 COPY，还能直接与普通 Postgres 堆表执行关联查询（JOIN）。

在 v0.1 中，我们让向列存表导入数据变得更加简单：

1. 直接读取 Parquet、CSV 与 JSON 文件：

SELECT * FROM mooncake.read_parquet('<file_path>');

2. 直接从 Hugging Face 数据集导入：

COPY reddit_comments FROM 'hf://datasets/fddemarco/pushshift-reddit-comments/data/RC_2012-01.parquet';

3. 直接查询外部现有的 Iceberg 与 Delta Lake 表：

SELECT * FROM mooncake.iceberg_scan('s3://bucket/table');

时序与分析负载性能大幅跃升

pg_mooncake 是唯一同时为 Postgres 提供列式存储与向量化执行的扩展。

在 v0.1 中，我们引入了文件级统计信息与数据块跳过（File Skipping / Segment Elimination），让用户无需传统分片即可轻松承载大规模时序与分析负载。

我们的 ClickBench 官方基准测试成绩将于下周揭晓（剧透：闯入全球前十 🙂）。事实证明，PostgreSQL 完全可以成为一流水准的实时分析数据库。

展望 v0.2

接下来我们将重点聚焦在开发者体验（DevEx）与实时同步能力上，规划中的改进包括：

1. 增强对高频小批量写入、更新与删除的支持
2. 将行存堆表（Rowstore）实时同步至列存表（Columnstore）
3. 索引支持（二级索引与排序键）
4. 时序分析函数

致谢社区

独行快，众行远。衷心感谢我们的社区用户、代码贡献者以及 Neon、Supabase 等 Postgres 生态伙伴的鼎力支持。

我们最珍视的指标，就是 pg_mooncake 开源贡献者人数的持续增长。pg_mooncake 的势头已经势不可挡，Postgres 原生分析时代已然到来 🥮