PostgreSQL 学习笔记
更新: 11/3/2025 字数: 0 字 时长: 0 分钟
为什么说 PostgreSQL 是数据库天花板？
PostgreSQL (简称 PG) 被誉为人类历史最强关系型数据库，它不仅可以完全替代 MySQL，还在大部分场景下可以当作 MongoDB、Elasticsearch、Redis、InfluxDB 来使用。
PG 之所以如此全能，核心在于它原生支持各种各样的索引，并且架构上支持扩展。
索引是什么
数据库本质上是用来读写数据的服务。为了快速查找数据，数据库需要一个类似书本目录的工具，这个工具就是 索引。
不同类型的索引可以加速搜索不同类型的数据。
B-Link Tree
B+ 树是关系型数据库最常见的索引，用于加速等值查询和范围查询。
- 原理：通过树状结构，上层的数据页可以快速缩小查找范围，加速定位到要查找的数据页。
- PG 的优化：PG 在 B+ 树的基础上做了一些优化，称为 B-Link 树，主要提升了并发处理能力。
GIN
Generalized Inverted Index 通用倒排索引，通过词元反查主键 ID，做交并集。
主要用于全文搜索和 JSONB 数据类型的查询。
- 全文搜索：
- 原理：对文本进行切分（分词），记录词元和文本 ID 的映射关系。搜索时，通过词元反查文本 ID，实现快速匹配。
- 应用：让 PG 在很多场景下可以替代 Elasticsearch。
- JSONB 查询：
- JSONB：PG 对 JSON 格式进行了优化，去掉了冗余信息，使用二进制格式存储，称为 JSONB (JSON Binary)。
- 原理：可以将 JSONB 里的键值对拆分生成二进制哈希，构建倒排索引。当需要查询时，先将查询的键值对转换为对应的哈希值，然后再查找这个哈希值，得到主键 ID。
- 应用：在 GIN 索引的加持下，百万级别的 JSONB 文档也能保持毫秒级别的查询性能，因此很多人说 PG 可以直接替代 MongoDB。
GiST
Generalized Search Tree 通用搜索树，用于处理多维数据，尤其在地理信息系统 (GIS) 领域表现出色。
- 原理：将多维数据（如经纬度）放入树状结构中，非叶子节点存放多维数据范围（如矩形），叶子节点存放实际数据。通过判断范围是否相交来快速定位数据。
- 扩展性：GiST 是一个统一的搜索框架，可以扩展到三维甚至更高维度的数据。
- 应用：使 PG 成为一个专业的地理信息系统、R-Tree（Rectangle Tree 矩形树）。
BRIN
Block Range Index 块范围索引，适用于按时间顺序插入的海量数据（时序数据），如日志、监控打点数据。
- 原理：不为每一行数据建索引，而是为每一批数据页建立一个范围摘要，记录这批数据页中某个字段的最大值和最小值。查询时，通过扫描这个小小的范围摘要表，快速确定数据所在的页范围。
- 优点：以极小的存储代价换取相当可观的查询性能。
- 应用：让 PG 可以直接替代 InfluxDB 这类时序数据库。
总结
PostgreSQL 之所以强大，是因为它通过支持多种索引，实现了对不同数据类型的高效处理：
- B-Link 树：提供了关系型数据库的高效精确查询能力。
- GIN 索引：拥有了全文搜索和复杂 JSON 文档查询能力。
- GiST 索引：拥有了地理信息处理能力。
- BRIN 索引：拥有了时序数据处理能力。
更重要的是，PG 还支持通过插件接入自定义索引，具备无限的扩展可能性。
贡献者
LI SIR