这套 Docker 镜像帮你省下几十小时“折腾”时间

本期播客

大学生数据库实践课：这套 Docker 镜像，帮你省下几十小时的“折腾”时间！

【写在前面】
为了让大学生们在 AI 时代不掉队，我把 PostgreSQL 18、DuckDB 以及目前市面上最热门的 AI 向量插件打包成了一个“开箱即用”的 Docker 镜像。与其把精力浪费在环境编译报错上，不如直接站到巨人的肩膀上，去跑 SQL、去搞 RAG 实战！

1. 为什么要做这个镜像？

在制作这个镜像前，我考虑的是如何让教学更贴近工业界现状。目前的数据库已经不仅仅是存表格了，它需要：

• 处理向量：支持 pgvector、pgvectorscale、VectorChord 等。
• 支持搜索：集成了中文分词 pg_jieba、高性能检索 pg_search 和 pgroonga。
• 多模态能力：集成了处理空间地理的 PostGIS 以及 DuckDB 的图查询插件 duckpgq。
  这些插件如果一个个手动编译，对初学者来说就是“劝退”。所以我把它们全部集成到了最新的 PostgreSQL 18 环境中。

2. 制作细节：硬核且严谨

镜像基于 Debian 12 (Bookworm) 官方镜像构建，我在 macOS M2 环境下完成了 ARM64 和 AMD64 双版本的制作。

• 源加速：全面采用阿里云、清华、中科大等镜像源，确保下载不卡顿。
• 编译器：采用了最新的 clang-19 和 Rust 工具链（PGRX），确保插件性能最优。
• 人性化配置：我预写了环境变量脚本（ll、rm -i 等别名），并对 postgres 用户的权限和路径进行了深度调优。

3. 如何“一键拉取”开始实验？

无论你是苹果 M 芯片还是 Intel/AMD 电脑，我都已经把镜像推送到阿里云公开仓库，拉取无需登录：

• ARM64 版（苹果 M1/M2/M3） ：
  docker pull registry.cn-hangzhou.aliyuncs.com/digoal/opensource_database:pg18_arm64
• AMD64 版（Intel/AMD 传统电脑） ：
  docker pull registry.cn-hangzhou.aliyuncs.com/digoal/opensource_database:pg18_amd64

4. 德哥的避坑贴士

1. 架构匹配：千万别拿 AMD 的镜像跑在 M 芯片上，那不是学习，那是磨练耐心（龟速运行）。
2. 空间留足：因为集成了大量重磅插件，镜像体积不小，建议给 Docker 分配足够的磁盘和内存。
3. Windows 友好：如果你在用 Windows，命令写法稍有不同。记得活用 AI，把我的 Bash 命令转换成 PowerShell 格式。

【结语】
掌握这些工具，你就掌握了 AI 应用的核心底层。实验手册和教学大纲都已经备好，大家可以根据我的 GitHub 博客指引，分组打一场真刀真枪的数据库竞赛！