pg数据库查询ds分区 pg数据库查分区表

pg数据库适合大数据存储吗?

PostgreSQL（简称pg）是一种关系型数据库管理系统，支持 ACID 事务、完整性、复制等特性，具有强大的数据处理能力。在处理中等规模的数据时，它表现非常出色。但是，在处理大数据方面，pg的表现会受到限制，因为它的处理速度可能无法跟上数据增长的速度。

以下是一些可能导致pg不适合大数据存储的原因：

1. 读写效率：当数据量很大时，pg的读写性能可能变得缓慢，因为pg是基于磁盘的存储引擎，需要频繁访问磁盘进行数据读写，而磁盘访问速度通常比内存慢得多。

2. 扩展性：虽然pg提供了某些可扩展性功能，如分区表、分布式查询等，但这些功能相对较为复杂，并且需要较高的维护成本，对于普通的应用程序开发者来说不易掌握。

3. 数据模型：pg提供的是固定的表格结构，在处理非结构化或半结构化数据时不太适合。

4. 维护成本：当数据规模越来越大时，pg的维护成本也会增加，因为数据备份、恢复、监控、调优等操作都需要一定的技术水平和资源投入。

因此，在存储大量数据时，通常建议使用专门针对大数据处理的解决方案，如Hadoop、Spark等。

相关问答

Q1: pg数据库的db怎么查看表关联

一、数据库的多表连接查询，inner的不同用法

在pg数据库中建立两张表：

t_a和t_b如下所示：

t_a：

t_b：

1、inner join(内连接)

inner join就是根据on字段标示出来的条件，查询关联的表中符合条件的数据，并把他前部都显示出来，形成一个结果集。

执行如下语句：

select * from t_a inner join t_b on t_a.adi=t_b.bid

得到的结果为：

这样的查询会显示出所有的数据，如果我们仅仅需要一部分的数据（例如我们只想查出t_a中所有aid和t_b中的bid相同的数据），那么查询语句应该变成：

select t_a.* from t_a inner join t_b on t_a.aid=t_b.bid

那么得到的数据如下所示，就只显示了t_a表中的数据。如下：

要排除重复的数据，在select后加distinct即可。

2、left join

left join 就是以表t_a为基础从右表t_b中查询出所有符合on条件的结果，在合并到表t_a中对应的部分，再作为一个结果集输出，在结果集中，会显示出表t_a中的所有数据。

执行如下查询语句：

select * from t_a left join t_b on t_a.aid=t_b.bid

得到如下结果：

可以看到，在查询的结果中，有一行关于表t_b的数据都为null，因为表t_b中没有符合on条件的数据。但是表t_a表显示出了全部的数据。那么在需要筛选的时候，应该着重于筛选表t_b中的数据，如果执行如下的语句：

select t_a.* from t_a left join t_b on t_a.aid=t_b.bid

那么得到的就是表t_a中的所有数据，那么这个查询就显得没有意义了。

3、right join

right join 就是以表t_b为基础从左表t_a中查询出所有符合on条件的结果，在合并到表t_b中对应的部分，再作为一个结果集输出，在结果集中，会显示出表t_b中的所有数据。

执行如下查询语句：

select * from t_a right join t_b on t_a.aid=t_b.bid

得到的结果为：

可以看到，查询的结果中，有两行数据在表t_a的对应部分都是null的，表示表t_a中没有符合on条件的数据，但是表t_b显示了全部的数据，那么需要做条件筛选的时候，我们就应该主要针对表t_a进行筛选。

二、查询一个父级的所有子级（包括子级的子级）

在pg数据库中建立一张表t_c如下：

要查出cid为1的所有的子级、包括cid为2、3、5的子级的集合。执行以下sql语句

with recursive tb as(select * from t_c where parent_id='1' union all select t_c.* from t_c,tb where t_c.parent_id=tb.cid )select * from tb

得到如下的结果：

由查询出的结果集可以看到，我们查询出了除了父级（cid为1）以外的所有cid为父级的子级以及子级的子级。

我们来解析一下这个sql语句：

显而易见的，这是一个递归的查询方法。首先是with为查询语句提供了辅助功能，可以看做是查询语句中的临时表，其次recursive是sql中递归的关键字，只有有了这个关键字，pg才知道with这个语句需要做递归操作。union all是去重的，t_c.parent_id=tb.cid 表示了t_c的parent_id要等于临时表tb的cid要在整个with语句的外面查询建立的临时表tb，才能得到所有的子级的集合。

Q2: pgsql的主键存储方式

PostgreSQL的稳定性极强，Innodb等索引在崩溃，断电之类的灾难场景下 抗击打能力有了长足进步，然而很多 MqSQL用户 都遇到过 Server级的数据库丢失的场景 -- MySQL系统库是 MyISAM，相比之下，PG数据库这方面要更好一些。

任何系统都有它的性能极限，在高并发读写，负载逼近极限下，PG的性能指标仍可以位置双曲线甚至对数曲线，到 顶峰之后不在下降，而MySQL明显出现一个波峰后下滑（5.5版本 之后，在企业级版本中有个插件可以改善很多，不过需要付费）。

PG多年来在 GIS（地理信息）领域处于优势地位，因为它有丰富的几何类型，PG有大量字典，数组，bitmap等数据类型，相比之下 MySQL就差很多， Instagram就是因为 PG的空间数据库 扩展 POSTGIS远远强于 MySQL的 my spatial 而采用 PgSQL的。

PG的“无锁定”特性非常突出，甚至包括 vacuum这样的整理数据空间的操作，这个和PGSQL的MVCC实现有关系。

PG可以使用函数 和 条件索引，这使得 PG数据库的调优非常灵活， MySQL就没有这个功能，条件索引在 web应用中 很重要。

PG有极其强悍的 SQL编程能力（9.x 图灵完备，支持递归！），有非常丰富的统计函数和统计语法支持，比如分析函数（Oracle的叫法，PG里叫Window函数），还可以用多种语言来写存储过程，对于 R的支持也很好。这一点MySQL就差很多，很多分析功能都不支持，腾讯内部的存储主要是 MySQL，但是数据分析主要是 Hadoop+ PgSQL。

PG的有多种集群架构可以选择，plproxy可以之hi语句级的镜像或分片，slony可以进行字段级的同步配置，standby 可以构建 WAL文件级或流式的读写分离集群，同步频率和集群策略调整方便。

一般关系型数据库字符串有长度限制 8k 左右，无限长 TEXT类型的功能受限，只能作为外部大数据访问。而 PG 的 TEXT 类型 可以直接访问且无长度限制， SQL语法内置 正则表达式，可以索引，还可以全文检索，或使用 xml xpath。用 PG的话，文档数据库都可以省了。

PgSQL对于 numa 架构的支持比 MySQL强一些，比 MySQL对于读的性能更好一些， PgSQL提交可以完全异步提交，而 MySQL的内存表不够实用（因为表锁的原因）。

pgsql除了存储正常的数据类型外，还支持存储

array，不管是一维数组还是多维数组均支持。

json和jsonb，相比使用 text存储要高效很多。

json和 jsonb在更高的层面上看起来几乎是一样的，但是存储实现上是不同的。

json存储完的文本，json列会每次都解析存储的值，它不支持索引，但 可以为创建表达式索引。

jsonb存储的二进制格式，避免了重新解析数据结构。它支持索引，这意味着 可以不使用指定索引就能查询任何路径。

当我们比较写入数据速度时，由于数据存储 的方式的原因，jsonb会比 json 稍微的慢一点。json列会每次都 解析存储的值，这意味着键的顺序要和输入的 时候一样。但是 jsonb不同，以二进制格式存储且不保证键的顺序。因此如果有软件需要依赖键的顺序，jsonb可能不是最佳选择。使用 jsonb的优势还在于可以轻易的整合关系型数据和非关系型 数据 ，PostgreSQL对于 mongodb这类数据库是一个不小的威胁，毕竟如果一个表中只有一列数据的类型是半结构化的，没有必要为了迁就它而整个表的设计都采用 schemaless的结构。

1. CPU限制

PGSQL

没有CPU核心数限制，有多少CPU核就用多少

MySQL

能用128核CPU，超过128核用不上

2. 配置文件参数

PGSQL

一共有255个参数，用到的大概是80个，参数比较稳定，用上个大版本配置文件也可以启动当前大版本数据库

MySQL

一共有707个参数，用到的大概是180个，参数不断增加，就算小版本也会增加参数，大版本之间会有部分参数不兼容情况

3. 第三方工具依赖情况

PGSQL

只有高可用集群需要依靠第三方中间件，例如：patroni+etcd、repmgr

MySQL

大部分操作都要依靠percona公司的第三方工具（percona-toolkit，XtraBackup），工具命令太多，学习成本高，高可用集群也需要第三方中间件，官方MGR集群还没成熟

4. 高可用主从复制底层原理

PGSQL

物理流复制，属于物理复制，跟SQL Server镜像/AlwaysOn一样，严格一致，没有任何可能导致不一致，性能和可靠性上，物理复制完胜逻辑复制，维护简单

MySQL

主从复制，属于逻辑复制，（sql_log_bin、binlog_format等参数设置不正确都会导致主从不一致）

大事务并行复制效率低，对于重要业务，需要依赖 percona-toolkit的pt-table-checksum和pt-table-sync工具定期比较和修复主从一致

主从复制出错严重时候需要重搭主从

MySQL的逻辑复制并不阻止两个不一致的数据库建立复制关系

5. 从库只读状态

PGSQL

系统自动设置从库默认只读，不需要人工介入，维护简单

MySQL

从库需要手动设置参数super_read_only=on，让从库设置为只读，super_read_only参数有bug，链接：;wfr=spiderfor=pc

6. 版本分支

PGSQL

只有社区版，没有其他任何分支版本，PGSQL官方统一开发，统一维护，社区版有所有功能，不像SQL Server和MySQL有标准版、企业版、经典版、社区版、开发版、web版之分

国内外还有一些基于PGSQL做二次开发的数据库厂商，例如：Enterprise DB、瀚高数据库等等，当然这些只是二次开发并不算独立分支

MySQL

由于历史原因，分裂为三个分支版本，MariaDB分支、Percona分支 、Oracle官方分支，发展到目前为止各个分支基本互相不兼容

Oracle官方分支还有版本之分，分为标准版、企业版、经典版、社区版

7. SQL特性支持

PGSQL

SQL特性支持情况支持94种，SQL语法支持最完善，例如：支持公用表表达式（WITH查询）

MySQL

SQL特性支持情况支持36种，SQL语法支持比较弱，例如：不支持公用表表达式（WITH查询）

关于SQL特性支持情况的对比，可以参考：

8. 主从复制安全性

PGSQL

同步流复制、强同步（remote apply)、高安全，不会丢数据

PGSQL同步流复制：所有从库宕机，主库会罢工，主库无法自动切换为异步流复制（异步模式），需要通过增加从库数量来解决，一般生产环境至少有两个从库

手动解决：在PG主库修改参数synchronous_standby_names =''，并执行命令： pgctl reload ，把主库切换为异步模式

主从数据完全一致是高可用切换的第一前提，所以PGSQL选择主库罢工也是可以理解

MySQL

增强半同步复制 ，mysql5.7版本增强半同步才能保证主从复制时候不丢数据

mysql5.7半同步复制相关参数：

参数rpl_semi_sync_master_wait_for_slave_count 等待至少多少个从库接收到binlog，主库才提交事务，一般设置为1，性能最高

参数rpl_semi_sync_master_timeout 等待多少毫秒，从库无回应自动切换为异步模式，一般设置为无限大，不让主库自动切换为异步模式

所有从库宕机，主库会罢工，因为无法收到任何从库的应答包

手动解决：在MySQL主库修改参数rpl_semi_sync_master_wait_for_slave_count=0

9. 多字段统计信息

PGSQL

支持多字段统计信息

MySQL

不支持多字段统计信息

10. 索引类型

PGSQL

多种索引类型（btree , hash , gin , gist , sp-gist , brin , bloom , rum , zombodb , bitmap，部分索引，表达式索引）

MySQL

btree 索引，全文索引（低效），表达式索引(需要建虚拟列)，hash 索引只在内存表

11. 物理表连接算法

PGSQL

支持 nested-loop join 、hash join 、merge join

MySQL

只支持 nested-loop join

12. 子查询和视图性能

PGSQL

子查询，视图优化，性能比较高

MySQL

视图谓词条件下推限制多，子查询上拉限制多

13. 执行计划即时编译

PGSQL

支持 JIT 执行计划即时编译，使用LLVM编译器

MySQL

不支持执行计划即时编译

14. 并行查询

PGSQL

并行查询（多种并行查询优化方法），并行查询一般多见于商业数据库，是重量级功能

MySQL

有限，只支持主键并行查询

15. 物化视图

PGSQL

支持物化视图

MySQL

不支持物化视图

16. 插件功能

PGSQL

支持插件功能，可以丰富PGSQL的功能，GIS地理插件，时序数据库插件， 向量化执行插件等等

MySQL

不支持插件功能

17. check约束

PGSQL

支持check约束

MySQL

不支持check约束，可以写check约束，但存储引擎会忽略它的作用，因此check约束并不起作用（mariadb 支持）

18. gpu 加速SQL

PGSQL

可以使用gpu 加速SQL的执行速度

MySQL

不支持gpu 加速SQL 的执行速度

19. 数据类型

PGSQL

数据类型丰富，如 ltree，hstore，数组类型，ip类型，text类型，有了text类型不再需要varchar，text类型字段最大存储1GB

MySQL

数据类型不够丰富

20. 跨库查询

PGSQL

不支持跨库查询，这个跟Oracle 12C以前一样

MySQL

可以跨库查询

21. 备份还原

PGSQL

备份还原非常简单，时点还原操作比SQL Server还要简单，完整备份+wal归档备份（增量）

假如有一个三节点的PGSQL主从集群，可以随便在其中一个节点做完整备份和wal归档备份

MySQL

备份还原相对不太简单，完整备份+binlog备份（增量）

完整备份需要percona的XtraBackup工具做物理备份，MySQL本身不支持物理备份

时点还原操作步骤繁琐复杂

22. 性能视图

PGSQL

需要安装pg_stat_statements插件，pg_stat_statements插件提供了丰富的性能视图：如：等待事件，系统统计信息等

不好的地方是，安装插件需要重启数据库，并且需要收集性能信息的数据库需要执行一个命令：create extension pg_stat_statements命令

否则不会收集任何性能信息，比较麻烦

MySQL

自带PS库，默认很多功能没有打开，而且打开PS库的性能视图功能对性能有影响（如：内存占用导致OOM bug）

23. 安装方式

PGSQL

有各个平台的包rpm包，deb包等等，相比MySQL缺少了二进制包，一般用源码编译安装，安装时间会长一些，执行命令多一些

MySQL

有各个平台的包rpm包，deb包等等，源码编译安装、二进制包安装，一般用二进制包安装，方便快捷

24. DDL操作

PGSQL

加字段、可变长字段类型长度改大不会锁表，所有的DDL操作都不需要借助第三方工具，并且跟商业数据库一样，DDL操作可以回滚，保证事务一致性

MySQL

由于大部分DDL操作都会锁表，例如加字段、可变长字段类型长度改大，所以需要借助percona-toolkit里面的pt-online-schema-change工具去完成操作

将影响减少到最低，特别是对大表进行DDL操作

DDL操作不能回滚

25. 大版本发布速度

PGSQL

PGSQL每年一个大版本发布，大版本发布的第二年就可以上生产环境，版本迭代速度很快

PGSQL 9.6正式版推出时间：2016年

PGSQL 10 正式版推出时间：2017年

PGSQL 11 正式版推出时间：2018年

PGSQL 12 正式版推出时间：2019年

MySQL

MySQL的大版本发布一般是2年~3年，一般大版本发布后的第二年才可以上生产环境，避免有坑，版本发布速度比较慢

MySQL5.5正式版推出时间：2010年

MySQL5.6正式版推出时间：2013年

MySQL5.7正式版推出时间：2015年

MySQL8.0正式版推出时间：2018年

26. returning语法

PGSQL

支持returning语法，returning clause 支持 DML 返回 Resultset，减少一次 Client - DB Server 交互

MySQL

不支持returning语法

27. 内部架构

PGSQL

多进程架构，并发连接数不能太多，跟Oracle一样，既然跟Oracle一样，那么很多优化方法也是相通的，例如：开启大页内存

MySQL

多线程架构，虽然多线程架构，但是官方有限制连接数，原因是系统的并发度是有限的，线程数太多，反而系统的处理能力下降，随着连接数上升，反而性能下降

一般同时只能处理200 ~300个数据库连接

28. 聚集索引

PGSQL

不支持聚集索引，PGSQL本身的MVCC的实现机制所导致

MySQL

支持聚集索引

29. 空闲事务终结功能

PGSQL

通过设置 idle_in_transaction_session_timeout 参数来终止空闲事务，比如：应用代码中忘记关闭已开启的事务，PGSQL会自动查杀这种类型的会话事务

MySQL

不支持终止空闲事务功能

30. 应付超大数据量

PGSQL

不能应付超大数据量，由于PGSQL本身的MVCC设计问题，需要垃圾回收，只能期待后面的大版本做优化

MySQL

不能应付超大数据量，MySQL自身架构的问题

31. 分布式演进

PGSQL

HTAP数据库：cockroachDB、腾讯Tbase

分片集群： Postgres-XC、Postgres-XL

MySQL

HTAP数据库：TiDB

分片集群： 各种各样的中间件，不一一列举

32. 数据库的文件名和命名规律

PGSQL

PGSQL在这方面做的比较不好，DBA不能在操作系统层面（停库状态下）看清楚数据库的文件名和命名规律，文件的数量，文件的大小

一旦操作系统发生文件丢失或硬盘损坏，非常不利于恢复，因为连名字都不知道

PGSQL表数据物理文件的命名/存放规律是： 在一个表空间下面，如果没有建表空间默认在默认表空间也就是base文件夹下，例如：/data/base/16454/3599

base：默认表空间pg_default所在的物理文件夹

16454：表所在数据库的oid

3599：就是表对象的oid，当然，一个表的大小超出1GB之后会再生成多个物理文件，还有表的fsm文件和vm文件，所以一个大表实际会有多个物理文件

由于PGSQL的数据文件布局内容太多，大家可以查阅相关资料

当然这也不能全怪PGSQL，作为一个DBA，时刻做好数据库备份和容灾才是正道，做介质恢复一般是万不得已的情况下才会做

MySQL

数据库名就是文件夹名，数据库文件夹下就是表数据文件，但是要注意表名和数据库名不能有特殊字符或使用中文名，每个表都有对应的frm文件和ibd文件，存储元数据和表/索引数据，清晰明了，做介质恢复或者表空间传输都很方便

33. 权限设计

PGSQL

PGSQL在权限设计这块是比较坑爹，抛开实例权限和表空间权限，PGSQL的权限层次有点像SQL Server，db=》schema=》object

要说权限，这里要说一下Oracle，用Oracle来类比

在ORACLE 12C之前，实例与数据库是一对一，也就是说一个实例只能有一个数据库，不像MySQL和SQL Server一个实例可以有多个数据库，并且可以随意跨库查询

而PGSQL不能跨库查询的原因也是这样，PGSQL允许建多个数据库，跟ORACLE类比就是有多个实例（之前说的实例与数据库是一对一）

一个数据库相当于一个实例，因为PGSQL允许有多个实例，所以PGSQL单实例不叫一个实例，叫集簇（cluster），集簇这个概念可以查阅PGSQL的相关资料

PGSQL里面一个实例/数据库下面的schema相当于数据库，所以这个schema的概念对应MySQL的database

注意点：正因为是一个数据库相当于一个实例，PGSQL允许有多个实例/数据库，所以数据库之间是互相逻辑隔离的，导致的问题是，不能一次对一个PGSQL集簇下面的所有数据库做操作

必须要逐个逐个数据库去操作，例如上面说到的安装pg_stat_statements插件，如果您需要在PGSQL集簇下面的所有数据库都做性能收集的话，需要逐个数据库去执行加载命令

又例如跨库查询需要dblink插件或fdw插件，两个数据库之间做查询相当于两个实例之间做查询，已经跨越了实例了，所以需要dblink插件或fdw插件，所以道理非常简单

权限操作也是一样逐个数据库去操作，还有一个就是PGSQL虽然像SQL Server的权限层次结构db=》schema=》object，但是实际会比SQL Server要复杂一些，还有就是新建的表还要另外授权

在PGSQL里面，角色和用户是一样的，对新手用户来说有时候会傻傻分不清，也不知道怎么去用角色，所以PGSQL在权限设计这一块确实比较坑爹

MySQL

使用mysql库下面的5个权限表去做权限映射，简单清晰，唯一问题是缺少权限角色

user表

db表

host表

tables_priv表

columns_priv表

1. 架构对比

Mysql：多线程

PostgreSql：多进程

多线程架构和多进程架构之间没有绝对的好坏，例如oracle在unix上是多进程架构，在windows上是多线程架构。

2. 对存储过程及事务的支持能力

MySql对于无事务的MyISAM表，采用表锁定，一个长时间运行的查询很可能会长时间的阻碍，而PostgreSQL不会尊在这种问题。

PostgreSQL支持存储过程，要比MySql好，具备本地缓存执行计划的能力。

3. 稳定性及性能

高并发读写，负载逼近极限下，PG的性能指标仍可以维持双曲线甚至对数曲线，到顶峰之后不再下降，而 MySql 明显出现一个波峰后下滑（5.5版本后Mysql企业版有优化，需要付费）

MySql的InnoDB引擎，可以充分优化利用系统的所有内存，超大内存下PG对内存使用的不那么充分（需要根据内存情况合理分配）。

4. 高可用

InnoDB的基于回滚实现的 MVCC 机制，对于 PG 新老数据一起放的基于 XID 的 MVCC机制，是占优的。新老数据一起存放，需要定时触发 VACUUM，会带来多余的 IO 和数据库对象加锁开销，引起数据库整理的并发能力下降。而且 VACUUM 清理不及时，还可能会引发数据膨胀

5. 数据同步方式：

Mysql到现在也是异步复制，pgsql可以做到同步、异步、半同步复制。

Mysql同步是基于binlog复制，属于逻辑复制，类似于oracle golden gate，是基于stream的复制，做到同步很困难，这种方式更加适合异步复制；

Pgsql的同是基于wal，属于物理复制，可以做到同步复制。同时，pgsql还提供stream复制。

Mysql的复制可以用多级从库，但是在9.2之前，PgSql不能用从库带从库。

Pgsql的主从复制属于物理复制，相对于Mysql基于binlog的逻辑复制，数据的一致性更加可靠，复制性能更高，对主机性能的影响也更小。

6. 权限控制对比

MySql允许自定义一套不同的数据级、表级和列的权限，运行指定基于主机的权限

Mysql的merge表提供了 一个独特管理多个表的方法。myisampack可以对只读表进行压缩，以后仍然可以直接访问该表中的行。

7. SQL语句支持能力

PG有极其强悍的 SQL 编程能力（9.x 图灵完备，支持递归！），有非常丰富的统计函数和统计语法支持，例如分析函数（Oracle的叫法，PG里叫window函数）

支持用多种语言来写存储过程，对于R的支持也很好。这一点上Mysql就差的很远，很多分析功能都不支持。

PgSql对表名大小写的处理，只有在Sql语句中，表明加双引号，才区分大小写。

在Sql的标准实现上要比Mysql完善，而且功能实现比较严谨。

对表连接支持比较完整，优化器的功能比较完整，支持的索引类型很多，复杂查询能力较强。

Mysql采用索引组织表，这种存储方式非常适合基于主键匹配的查询、删改操作，但是对表结果设计存在约束；

Mysql的Join操作的性能非常的差，只支持Nest Join，所以一旦数据量大，性能就非常的差。PostgresSQL除了支持 Nest Join 和 Sort Merge Join，PostgreSQL还支持正则表达式查询，MySql不支持。

8. 数据类型支持能力

PostgreSQL可以更方便的使用UDF（用户定义函数）进行扩展。

有丰富的几何类型，实际上不止集合类型，PG有大量的字典、数组、bitmap等数据类型，因此PG多年来在 GIS 领域处于优势地位。相比之下Mysql就差很多，instagram就是因为PG的空间数据扩展 PostGIS远远强于 MySql的 my spatial 而采用 PgSql的。Mysql中的空间数据类型有4种，分别是 CEOMETRY、POINT、LINESTRING、POLYGON，其空间索引只能在存储引擎为 MyiSam的表中创建，用SPATIAL关键字进行扩展，使得能够用于创建正规索引类型的语法创建空间索引。创建空间索引的列，必须将其声明为NOT NULL。不同的存储亲情有差别。MyISAM和InnoDB 都支持 spatial extensions，但差别在于：如果使用MyISAM，可以建立 spatial index，而 InnoDB是不支持的。

pgsql对json支持比较好，还有很逆天的fdw功能，就是把别的数据库中的表当自己的用。

pgsql的字段类型支持的多，有很多mysql没有的类型，但是实际中有时候用到。

一半关系型数据库的字符串长度8k左右，无限长的 TEXT 类型的功能受限，只能作为外部带数据访问。而 PG 的 TEXT 类型可以直接访问，SQL 语法内置正则表达式，可以索引，还可以全文检索，或使用 xml xpath。用 PG 的话，文档数据库都可以省了。

postgresql 有函数，用于报表、统计很方便

PG支持 R-Trees这样可扩展的索引类型，可以方便的处理一些特殊数据。

PG可以使用函数和条件所以，使得数据库的调优非常灵活，mysql就没有这个功能，条件索引在web应用中很重要。

9. 如可过程容错能力

大批量数据入库，PostgreSql要求所有的数据必须完全满足要求，有一条错误，整个数据入库过程失败。MySql无此问题。

10. 表组织方式

pgsql用继承的方式实现分区表，让分区表的使用不方便且性能差，这点比不上mysql。

pg主表采用堆表存放，MySQL采用索引组织表，能够支持比MySql更大的数据量。

MySql分区表的实现要优于PG的基于继承表的分区实现，主要体现在分区个数达到成千上万后的处理性能差异很大。

11. 开发结构

对于web应用来所，mysql 5.6 的内置 MC API 功能很好用，PgSQL差一些。

PG的“无锁定”特性非常突出，甚至包括 vacuum 这样的整理数据空间的操作，这个和 PGSQL的 MVCC 实现有关系。

好文要顶 关注我 收藏该文  

茄子777

粉丝 - 0 关注 - 0

+加关注

00

« 上一篇： 多线程中的wait与join

» 下一篇： 负载均衡相关

posted @ 2022-11-02 16:20 茄子777 阅读(55) 评论(0) 编辑 收藏 举报

刷新评论刷新页面返回顶部

登录后才能查看或发表评论，立即 登录 或者 逛逛 博客园首页

【推荐】阿里云新人特惠，爆款云服务器2核4G低至0.46元/天

【推荐】双十一同价！腾讯云云服务器抢先购，低至4.2元/月

编辑推荐：

· 一个有趣的 nginx HTTP 400 响应问题分析

· 谁说.NET没有GC调优？只改一行代码就让程序不再占用内存

· 为什么标准库的模板变量都是 inline 的

· .net 如何优雅的使用 EFCore

· 在 C# 中使用 Halcon 开发视觉检测程序

阅读排行：

· Entity Framework Core 7中高效地进行批量数据插入

· 除了 filter 还有什么置灰网站的方式？

· 快速绘制流程图「GitHub 热点速览 v.22.47」

· 使用.NET7和C#11打造最快的序列化程序-以MemoryPack为例

· 私藏！资深数据专家SQL效率优化技巧 ⛵

pg数据库查询ds分区的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于pg数据库查分区表、pg数据库查询ds分区的信息别忘了在本站进行查找喔。