PostgreSQL快速入门

༒࿈༙྇洞察༙༙྇྇࿈༒2025-08-28 3:05

本文是写者准备的笔记，希望通过分享可以帮助没有接触过postgreSQL的人快速入门，对其底层原理有一个大概了解。但若您没有接触过数据结构及数据库，看起来可能会比较吃力，建议要先了解数据结构和数据库（如：MySQL，Oracle等），不过您也可以先收藏。

PostgreSQL jsonb：底层原理 + 常用操作 + 索引策略

原理（为什么 jsonb 比 json 快）
jsonb 并不是把 JSON 当文本存起来，而是把 JSON 解析、规范化后保存成二进制内部结构（token 列表 + 类型标记 + 指针/偏移），因此可以直接按键/值访问、做结构化检索和索引；同时重复键会被合并（以最后一个为准），键的顺序不保留。这个二进制/规范化的存储方式是 jsonb 性能优势的根源。 ([PostgreSQL][1])

常用运算符（语义要能背清楚）

  • ->：返回 jsonb 值（对象/数组）。
  • ->>：返回文本（text 值）。
  • @>：是否包含（containment），比如 data @> '{"role":"admin"}'。
  • ? / ?| / ?&：键存在判断。
  • #> / #>>：路径访问（嵌套字段）。
    理解这些运算符，能帮你判断哪种索引会生效（比如 @> 最容易命中 GIN）。

索引原理（为什么用 GIN？）

  • GIN（倒排索引） 的思想：把每个"键/词/lexeme"当做词典项，索引里为每个词保留一个"posting list"（行的引用集合）。查找时先定位词，再去定位对应的行------非常适合"包含/存在/多值"检索（例如 jsonb、tsvector、数组）。
  • 优点：查找（AND/包含）速度快；缺点：写入/更新开销大（需要维护 posting lists）。 ([PostgreSQL][2])

jsonb_path_ops vs jsonb_ops（重点）

  • jsonb_ops（默认）为每个键和值都生成单独的索引项，功能全面（可支持存在/包含/键值查找等），但索引更大。
  • jsonb_path_ops 更紧凑，只支持部分操作（最常用于 @> 包含查询），因此索引更小、查询 @> 更快，但不支持所有 jsonb 操作。面试中要能说出：如果你只做包含检查，jsonb_path_ops 更好；如果你需要键/值的更多灵活查找，选 jsonb_ops。 ([PostgreSQL][1])

表达式索引

如果常查 data->>'status' = 'active'，比起给整个 jsonb 建 GIN，更轻量的方式是为 (data->>'status') 建 btree 表达式索引：

sql 复制代码 
CREATE INDEX idx_users_status ON users ((info->>'status'));

这是 CPU+I/O / 空间折衷的常见做法 ------ 面试里常被要求解释"为什么不用整列 GIN"。

写/读权衡与维护

  • GIN 查快、写慢；GiST/BTREE 写快一点。
  • 大量写入场景可以：用批量插入 + 临时禁用索引/后建索引，或使用部分索引（只索引活跃数据）来降低开销。 ([PostgreSQL][2])

2) 全文检索（PostgreSQL FTS）--- 原理及讲解

基本原理（词项化 → 词干化 → 向量化）

  • 文本通过 to_tsvector(config, text) 被转换成一组词项（lexemes） ，同时移除停用词、做词干化（stemming）、规范化（小写、去标点）。这就是 tsvector 的内容：词项 + 出现位置等元信息。查询端把用户查询变成 tsquery（plainto_tsquery / to_tsquery / websearch_to_tsquery）。匹配用 @@ 运算符。Postgres 提供 ts_rank/ts_rank_cd 用于相关度评分。 ([PostgreSQL][3])

索引 & 实现要点

  • tsvector 通常用 GIN 索引（倒排索引非常适合检索词项）。在高并发写场景请注意 GIN 的写成本。
  • 实战建议：把 tsvector 作为**持久列（generated/stored）**保存（避免每次查询运行 to_tsvector），并在其上建 GIN 索引，这样查询速度和稳定性最好。 ([PostgreSQL][4])

排名/短语/前缀匹配

  • ts_rank 可按词频、位置给予评分。
  • to_tsquery('foo & bar') 支持布尔组合；to_tsquery('foo:*') 支持词前缀。选择合适的字典（english/simple 等）会影响词干化与停用词。

3) 索引类型内部机理（btree / GIN / GiST / SP-GiST / BRIN）------要点 + 原理

B-tree（经典）

  • 基于平衡 B 树页结构（有序分支），适用于等值/范围/排序查询（= / < / > / ORDER BY）。典型、用途最广。

GIN（倒排索引）------"词到行"

  • 内部维护"词 ➜ posting list"；查询时合并 posting lists。非常高效做多值/包含查询（jsonb、tsvector、数组）。但插入/更新需要维护 posting list，开销大（尤其 posting list 很长时）。维护时可通过增加 maintenance_work_mem 加速索引构建。 ([PostgreSQL][2])

GiST（广义搜索树）------"可以把很多问题变成范围/相似性问题"

  • GiST 不是具体的数据结构，而是"索引框架"------允许扩展通过定义"内涵/分割/距离"的方式索引复杂类型（例如几何的 bounding-box）。GiST 对空间索引（PostGIS）非常重要，也支持 KNN（最近邻）查询（利用 <-> 等运算符实现）。GiST 更新通常比 GIN 更轻（更适合动态数据）。 ([PostgreSQL][2], [Crunchy Data][5])

SP-GiST（空间分割）

  • 适合把空间分区（quadtrees、k-d 树思想）用到数据库索引，对某些大规模点集合在查询速度和索引大小上有优势（但比 GiST 更特殊）。

BRIN（块范围索引）

  • 适合超大表且数据按某规律局部性强（按时间、按空间范围排序的表）。BRIN 占空间小、维护便宜，但适用场景有限。

4) PostGIS（空间）------ 数据存储、SRID、精度与函数原理

geometry vs geography（要能清楚回答"选哪个"）

  • geometry：平面笛卡尔数学模型，适合投影坐标系（比如 UTM），单位取决于 SRID（SRID=3857/xxx 单位通常为米或投影单位）。计算快、功能多、适用于本地/区域性数据。
  • geography：大地测量模型（球面/椭球面），以经纬度存储但在距离计算时使用球面或大地线算法，查询距离以米 为单位，适合全球/跨地区距离计算，但函数选择更少、计算更慢。你在面试中要能给出"什么时候选 geography、什么时候选 geometry"的理由（如果数据区域小并且你能处理投影，优先用 geometry + 正确投影；如果跨洲/跨经度线/你要省去投影学习成本，选 geography）。 ([PostGIS][6], [PostGIS][7])

SRID 与 ST_Transform（原理）

  • SRID 指定了坐标参考系（CRS）。ST_Transform(geom, SRID) 是把几何从一个 CRS 投影/转换到另一个 CRS（内部调用 PROJ 库做数学变换）。要做精确的面积/距离计量，通常把数据投影到合适的"等距/等面积/局部 UTM"投影再计算。

5) 常用 PostGIS 函数及其"索引/性能"原理（重点）

ST_DWithin(a,b,d) ------ 布尔：两者是否在 d 单位内。

  • 非常重要 ：ST_DWithin 在实现上会自动做"bounding-box（包围盒）"预过滤（因此可以利用 GiST/GiST-like 空间索引），随后对候选集合执行精确几何距离计算（避免对全表做精确计算）。所以在 WHERE 中用 ST_DWithin 是索引友好的模式（比直接 ST_Distance(...) < d 更常推荐）。 ([PostGIS][8], [地理信息系统问答社区][9])

ST_Distance(a,b) ------ 返回精确距离（geometry 的单位取决 SRID；geography 返回米／按 spheroid 计算）。

  • 如果需要排序最近邻，通常 先用 ST_DWithin 过滤（利用索引）再对结果做 ST_Distance 排序 。或者使用 KNN 运算符 <-> 做索引辅助的最近邻排序（下节详细）。 ([PostGIS][8])

ST_Intersects, ST_Within ------ 空间关系测试：这些函数也会被 GiST 索引的预过滤所加速（通常包含 && 包围盒操作做第一步），因此把空间约束放在 WHERE 子句中能让索引生效。

6) 最近邻（KNN）搜索：<-> 运算符与索引机制（原理）

<-> 是做什么的？

  • <-> 返回两几何的 2D 距离，并且在 ORDER BY 中使用时会触发数据库的 KNN（最近邻）算法 ，让查询使用 GiST 索引做"best-first"/优先队列搜索，从而高效返回最近的 N 个要素（而不是扫描全表再排序）。对 geometry 来说这能用 GiST 索引；对 geography，在较新版本的 PostGIS/Postgres 也能得到合适的行为（文档指出对 geography 返回大地球面距离的 KNN 行为）。面试中要能说出：KNN 用 <->，ST_DWithin 用来过滤并结合索引，两者各有用途。 ([PostGIS][10])

7) "查某点 5 公里范围内的商家"------一套标准答案（含执行计划意向）

假设你用 geography(Point,4326) 存经纬度（单位米），表名 shops：

建表 & 索引

sql 复制代码 
CREATE TABLE shops (
  id serial PRIMARY KEY,
  name text,
  location geography(Point,4326),
  props jsonb,
  document_tsv tsvector   -- 可选：存好全文索引向量
);

-- 空间索引（GiST）
CREATE INDEX idx_shops_location_gist ON shops USING GIST (location);

-- JSONB 包含查询用 GIN（如果你频繁按 props 查询）
CREATE INDEX idx_shops_props_gin ON shops USING GIN (props jsonb_path_ops);

-- 全文搜索向量
CREATE INDEX idx_shops_tsv ON shops USING GIN (document_tsv);

查询：5km 内并按距离排序（索引友好）

sql 复制代码 
WITH ref AS (
  SELECT ST_SetSRID(ST_MakePoint(116.4, 39.9), 4326)::geography AS geom
)
SELECT s.id, s.name,
       ST_Distance(s.location, r.geom) AS dist_m
FROM shops s, ref r
WHERE ST_DWithin(s.location, r.geom, 5000)   -- 先用索引过滤
ORDER BY dist_m
LIMIT 100;

为什么会走索引（执行计划层面）

  • ST_DWithin 会被内联成先做包围盒（bounding box）比较，从空间索引（GiST）里快速找出候选集合（通常由 Bitmap Index Scan + Bitmap Heap Scan 实现），然后对候选集做精确距离计算并返回。这样避免对全表用 ST_Distance 做昂贵计算。你可以用 EXPLAIN ANALYZE 看到 Bitmap Index Scan / Bitmap Heap Scan 等节点。 ([PostGIS][8], [地理信息系统问答社区][9])

如果想直接做最近邻（KNN）并让索引做排序

sql 复制代码 
-- KNN，用 <-> 让 GiST 执行最近邻（更快的 N 最近）
SELECT s.id, s.name, s.location
FROM shops s
ORDER BY s.location <-> ST_SetSRID(ST_MakePoint(116.4,39.9),4326)::geometry
LIMIT 10;

（注意这里用 <-> 时通常对 geometry 列更普遍；对 geography 的 KNN 行为要看 PostGIS/Postgres 版本与实现细节。） ([PostGIS][10])

8) 性能优化要点（面试常问要点）

  1. 索引优先：空间索引（GiST / SP-GiST） + JSONB 的 GIN（或 jsonb_path_ops） + tsvector 的 GIN。
  2. 先过滤再排序 ：ST_DWithin 过滤 → ST_Distance 排序；或使用 <-> 做 KNN。 ([PostGIS][8])
  3. 表达式/部分索引 ：把常查字段做表达式索引（(props->>'category')）或用部分索引（WHERE props @> '{"active":true}'）降低索引大小。
  4. 聚簇（CLUSTER）与物理局部性 ：对热点数据 CLUSTER 到空间索引上能提高范围查询局部性（注意这是一次性操作，后续更新会使其失效，需要定期维护）。
  5. VACUUM/ANALYZE：保持统计信息准确，查询规划器才能正确评估索引选择。
  6. 大表策略：分区（按区域/时间）、预计算网格/桶、或缩小精度用于快速过滤（例如把点映射到 tile-id，先按 tile 匹配再精确过滤）。
  7. 索引维护参数 ：构建大 GIN 索引时可临时增加 maintenance_work_mem 提升性能。 ([PostgreSQL][2])

9) 常见面试追问（短答模板）

  • Q：geometry 和 geography 何时用哪个？

    A：小范围/需要复杂空间运算/需要更快：geometry + 合适投影；跨大陆/直接以米为单位查询且不想处理投影：geography。 ([PostGIS][6])

  • Q：为什么 ST_DWithin 比 ST_Distance < d 更快？

    A：ST_DWithin 内部会做包围盒预过滤并能利用空间索引，减少精确距离计算的行数。 ([PostGIS][8], [地理信息系统问答社区][9])

  • Q：什么时候为 jsonb 建 GIN，什么时候用表达式 btree？

    A：做包含/多键匹配/全文类似查询用 GIN；常按某个固定字段查询（稳定的等值）用表达式 btree 更小更快。

  • Q：全文搜索的排名函数如何选？

    A：ts_rank/ts_rank_cd，若需位置重要性考虑 setweight() 为标题/正文等字段设置不同权重。

10) 练习题

  1. 建一个 shops 表，插入 10k 点（随机经纬度在某市范围），分别建立 GiST、GIN、tsvector 索引；对以下三种查询用 EXPLAIN ANALYZE 比较执行计划：

    • ST_DWithin 的半径搜索。
    • ORDER BY location <-> ref 的 KNN。
    • props @> '{"category":"restaurant"}' AND document_tsv @@ plainto_tsquery('pizza') AND ST_DWithin(...)（复合索引命中测试）。

  2. 把某 JSON 字段 props->>'status' 建表达式索引，观察更新/查询表现差异。

  3. 把 to_tsvector(title||' '||body) 存为列并建 GIN，比较与直接表达式索引 to_tsvector(...) 的性能差别。

11) 可运行的示例 SQL（把上面的关键点合并，直接复制到 psql 中跑）

（下面是完整脚本：建表、插索引、插入少量示例、常用查询）

sql 复制代码 
-- 创建扩展（如未安装）
CREATE EXTENSION IF NOT EXISTS postgis;
CREATE EXTENSION IF NOT EXISTS pg_trgm;  -- 若需要 trgm
CREATE EXTENSION IF NOT EXISTS fuzzystrmatch; -- 可选

-- 建表
CREATE TABLE shops (
  id serial PRIMARY KEY,
  name text NOT NULL,
  props jsonb,
  location geography(Point,4326),
  document_tsv tsvector
);

-- 索引
CREATE INDEX idx_shops_location_gist ON shops USING GIST (location);
CREATE INDEX idx_shops_props_gin ON shops USING GIN (props jsonb_path_ops);
CREATE INDEX idx_shops_tsv ON shops USING GIN (document_tsv);

-- 示例数据（少量）
INSERT INTO shops (name, props, location, document_tsv) VALUES
('Pizza Place', '{"category":"restaurant","active":true}'::jsonb,
 ST_SetSRID(ST_MakePoint(116.401,39.905),4326)::geography,
 to_tsvector('english','Pizza Place best pizza in town')),
('Coffee Corner', '{"category":"cafe","active":true}'::jsonb,
 ST_SetSRID(ST_MakePoint(116.405,39.907),4326)::geography,
 to_tsvector('english','Coffee and pastries'));

-- 查询：5km 内
WITH ref AS (
  SELECT ST_SetSRID(ST_MakePoint(116.4,39.9),4326)::geography AS geom
)
SELECT s.id, s.name, ST_Distance(s.location, r.geom) AS dist_m
FROM shops s, ref r
WHERE ST_DWithin(s.location, r.geom, 5000)
ORDER BY dist_m
LIMIT 100;

-- KNN 最近邻 (示例)
SELECT id, name
FROM shops
ORDER BY location <-> ST_SetSRID(ST_MakePoint(116.4,39.9),4326)::geometry
LIMIT 10;

结语

  • jsonb 的优势来自二进制/结构化存储，适配 GIN 索引（倒排索引思想）。([PostgreSQL][1])
  • 文本搜索通过 tsvector/tsquery 实现，典型地在 tsvector 上建 GIN。([PostgreSQL][3])
  • 空间索引由 GiST（或 SP-GiST）驱动；ST_DWithin 会使用包围盒预过滤从而触发索引；最近邻用 <->。面试中把索引如何被使用讲清楚，比只写 SQL 更加重要。([PostgreSQL][2], [PostGIS][8])
相关推荐
携欢2 小时前
Portswigger靶场之Visible error-based SQL injection通关秘籍
数据库·sql
-XWB-3 小时前
PostgreSQL诊断系列（4/6）：表空间与膨胀分析——解决“越用越大”的存储难题
数据库·postgresql
幸福清风3 小时前
【SQL】深入理解MySQL存储过程：MySQL流程控制语句详解
数据库·sql·mysql
她说人狗殊途3 小时前
DDL DML DQL DCL 语句
数据库·oracle
**AE86**5 小时前
sed截取慢SQL大文件并导出指定时间范围内容
数据库·sql·sed
小清兔5 小时前
c#基础知识
开发语言·数据库·学习·unity·c#·游戏引擎·.net
天上掉下来个程小白6 小时前
微服务-25.网关登录校验-网关传递用户到微服务
java·数据库·微服务
ta是个码农8 小时前
Mysql——日志
java·数据库·mysql·日志
hhzz8 小时前
SQL 窗口函数（Window Function）终极指南
数据库·sql
热门推荐
01UV安装并设置国内源02KGG转MP3工具|非KGM文件|解密音频03不再让Windows更新！&Edge游戏助手卸载及关闭自动更新04Qwen3-Coder 快速上手教程 | Qwen Code + Claude Code05【2025.08.06最新版】Android Studio下载、安装及配置记录（自动下载sdk）06Claude Code VSCode集成开发指南：AI编程助手完整配置07突破百度网盘的下载限速，两种方法教会你【超详细】08Linux下V2Ray安装配置指南09jdk21下载、安装（Windows、Linux、macOS）10如何在Windows/Linux系统上安装adb