数据库管理-第402期 不会代码的DBA做一个简单的前端系统(20260122)

数据库管理-第402期 不会代码的DBA做一个简单的前端系统(20260122)

数据库管理402期 2026-01-22

数据库管理-第402期 不会代码的DBA做一个简单的前端系统(20260122)

作者:胖头鱼的鱼缸(尹海文) Oracle ACE Pro: Database PostgreSQL ACE 10年数据库行业经验 拥有OCM 11g/12c/19c、MySQL 8.0 OCP、Exadata、CDP等认证 墨天轮MVP,ITPUB认证专家 圈内拥有“总监”称号,非著名社恐(社交恐怖分子) 公众号:胖头鱼的鱼缸 ZEEKLOG:胖头鱼的鱼缸(尹海文) 墨天轮:胖头鱼的鱼缸 ITPUB:yhw1809 IFClub:胖头鱼的鱼缸 除授权转载并标明出处外,均为“非法”抄袭 
914fcc7ad57defa7868c3be1ca7fb4f5.jpg


在今年的PolarDB开发者大会上,除了PolarDB本身以外,另一个让我感兴趣的技术(或者说叫产品)则是Supabase,这是一个基于PostgreSQL的开发平台,截止今天在Github上已经有96.5k的⭐了。据说使用Supabase可以用非常简单的方式创建一个前端系统。那么本期跟随不会开发的总监,一起来探索一下Supabase的魅力。

1 进入Supabase

Supabase is the Postgres development platform.
Start your project with a Postgres database, Authentication, instant APIs, Edge Functions, Realtime subscriptions, Storage, and Vector embeddings.

Supabase 是一款基于 PostgreSQL 的开发平台。
你可依托 PostgreSQL 数据库、身份验证、即时 API、边缘函数、实时订阅、存储及向量嵌入功能,快速启动项目开发。
Supabase官网地址为:https://supabase.com/

image.png


可以使用Github登录,也可以通过邮箱注册账号。这里我使用个人Github账号登录,登录后需要创建组织(使用免费计划):

image.png


然后创建项目,需要设置数据库密码和区域:

image.png


然后就可以进入项目页面了:

image.png

2 准备环境

本期总监计划完成一个简单连接到Supabase的Recat(完全没接触过)前端项目,主要计划是构建一个简单的仓储系统。
前期准备还需要安装Node.js,使用Qoder进行辅助编程。

image.png

建表

在Supabase的Dashboard界面点击"Table Editor"(表编辑)按钮:

image.png


然后点击"Create a table"(创建表):

image.png


按照下面创建一个简单的表(其中id和created_at为默认字段,不作调整):

image.png


插入少量数据:

image.png


image.png


image.png


image.png


在这里也禁用表的RLS策略:

image.png

3 项目实战

3.1 创建Recat项目

我在本地路径E盘下创建Supabase文件夹,
我使用Qoder打开文件夹:

通过对话方式创建空的Recat项目:

image.png


然后可以看到预览页面:

image.png

3.2 连接Supabase

在Supabase主页页面下滑,"Connect to your project"部分可以看到连接Supabase的信息,包含URL和API Key:

image.png


以对话方式让Recat项目连接至Supabase:

image.png


image.png


这里页面可以正常获取表信息(忘记截图了,就是原表直接显示)。

3.3 调整页面

接下来调整一下页面信息并增加功能:

image.png


这时候正常的输出内容没有了,继续修正:

image.png


现在可以正常看到数据:

image.png

3.4 功能验证

尝试插入商品:

image.png


image.png


image.png


这里可以看到可以正常插入商品,插入后直接刷新了仓储信息,后台数据库也更新了。

3.5 增加功能

接下来我们尝试添加一个修改功能:

尝试修改商品数量:

image.png


image.png


image.png


image.png


功能正常。

插曲

在我查询Supabase相关信息的时候,看到了这个推荐查询:

这算不算是国内开源生态的悲哀呢?!

总结

本期总监使用Qoder连接Supabase完成了一个简单的仓储管理系统。
老规矩,知道写了些啥。

Read more

GPT-OSS-20B多用户并发:WEBUI压力测试案例

GPT-OSS-20B多用户并发:WEBUI压力测试案例 1. 引言:为什么我们需要关注多用户并发下的AI推理表现? 你有没有遇到过这种情况:团队里好几个人同时用同一个大模型做内容生成,结果页面卡住、响应变慢,甚至直接报错?这其实不是网络问题,而是推理服务扛不住并发请求。 今天我们来聊一个非常实用的场景——基于 GPT-OSS-20B 模型的 WebUI 多用户并发压力测试。这个模型是 OpenAI 最新开源项目的一部分(注:仅为模拟设定),专为高效推理优化,配合 vLLM 加速框架,在双卡 4090D 上实现了接近生产级的响应能力。 本文将带你从零开始部署镜像,并通过真实压力测试数据告诉你:这套组合在 5 人、10 人同时提问时,到底能不能稳住?延迟多少?吞吐量如何?适合哪些实际应用场景? 无论你是想搭建团队内部的知识助手、客服机器人,还是用于内容批量生成平台,这篇文章都能给你提供可落地的参考依据。 2. 环境准备与快速部署 2.1 硬件要求说明

前端测试(一)Web基础

一、javaweb工程 1.javaweb工程概述 JavaWeb应用指供浏览器访问的程序,通常也简称为web应用。 一个web应用由多个静态web资源(html css js)和动态web资源(实现功能)组成,例如:html、css、js文件,jsp文件、java程序、支持jar包、工程配置文件、图片、音视频等等。 Web应用开发好后,若想供外界访问,需要把web应用所在目录交给Web服务器管理(如:Tomca等),这个过程称之为虚似目录的映射,即web工程目录物理路径映射编程网络访问路径(虚拟目录)。 2.javaweb工程目录结构 Maven构建JavaWeb工程的标准目录 项目根目录/ ├── pom.xml # Maven核心配置文件 ├── src/ │ ├── main/ # 主代码目录 │ │ ├── java/ # Java源代码目录 │ │ │ └── com/example/ # 包目录结构 │ │ │ ├── controller/ # 控制器类 │ │ │ ├── service/ # 业务逻辑接口

GLM-4.6V-Flash-WEB与Qwen-VL对比:视觉理解部署评测

GLM-4.6V-Flash-WEB与Qwen-VL对比:视觉理解部署评测 1. 引言 随着多模态大模型在图像理解、图文生成等任务中的广泛应用,视觉语言模型(Vision-Language Model, VLM)已成为AI工程落地的重要方向。近期,智谱AI推出了轻量级开源视觉大模型 GLM-4.6V-Flash-WEB,主打“网页+API”双推理模式,宣称可在单卡环境下高效部署。与此同时,通义千问系列的 Qwen-VL 也凭借其强大的图文理解能力和开放生态受到广泛关注。 本文将从模型特性、部署流程、推理性能、应用场景和开发友好性五个维度,对 GLM-4.6V-Flash-WEB 与 Qwen-VL 进行系统性对比评测,帮助开发者在实际项目中做出更合理的技术选型。 2. 模型特性对比 2.1 GLM-4.6V-Flash-WEB 核心特点 GLM-4.6V-Flash-WEB 是基于 GLM-4V 系列优化的轻量化版本,专为边缘端和本地化部署设计,具备以下关键特征:

WebAssembly:重塑Web与原生边界的革命性字节码——深度技术全景解析

WebAssembly:重塑Web与原生边界的革命性字节码——深度技术全景解析

在浏览器中运行高性能游戏、在网页里直接编辑4K视频、将C++科学计算库无缝嵌入React应用……这些曾被视为“不可能”的场景,如今正因 WebAssembly(Wasm) 的崛起而成为现实。作为继HTML、CSS、JavaScript之后的第四大Web核心技术,WebAssembly不仅打破了“Web性能天花板”,更正在模糊Web应用与原生应用的边界,开启全栈开发的新纪元。 本文将从设计哲学、核心机制、编译流程、应用场景到未来演进,为你提供一份全面、深入、实战导向的WebAssembly终极指南。 一、为什么需要 WebAssembly?JavaScript 的性能瓶颈 尽管现代JS引擎(V8、SpiderMonkey)通过JIT编译极大提升了性能,但JavaScript作为动态类型、解释执行的语言,在以下场景仍存在先天不足: * CPU密集型计算(如图像处理、物理仿真、加密解密); * 内存敏感操作(如大型数组、手动内存管理); * 复用现有C/C++/Rust代码库(如FFmpeg、TensorFlow、Unity引擎)