PostgreSQL实战：如何选择合适的数据类型？

文章目录

- 一、基本原则：选择数据类型的通用准则
- - [1.1 精确性优先](#1.1 精确性优先)
  - [1.2 最小化存储](#1.2 最小化存储)
  - [1.3 语义清晰](#1.3 语义清晰)
  - [1.4 考虑未来扩展](#1.4 考虑未来扩展)
  - [1.5 利用约束保障完整性](#1.5 利用约束保障完整性)
- 二、数值类型：精度、范围与性能的权衡
- - [2.1 整数类型](#2.1 整数类型)
  - [2.2 浮点类型](#2.2 浮点类型)
  - [2.3 精确数值：NUMERIC / DECIMAL](#2.3 精确数值：NUMERIC / DECIMAL)
- [三、字符类型：TEXT、VARCHAR 与 CHAR 的真相](#三、字符类型：TEXT、VARCHAR 与 CHAR 的真相)
- - [3.1 三种类型对比](#3.1 三种类型对比)
  - [3.2 长文本与大对象](#3.2 长文本与大对象)
- [四、时间类型：DATE、TIME、TIMESTAMP 与 TIMESTAMPTZ](#四、时间类型：DATE、TIME、TIMESTAMP 与 TIMESTAMPTZ)
- - [4.1 核心类型对比](#4.1 核心类型对比)
  - [4.2 间隔类型：INTERVAL](#4.2 间隔类型：INTERVAL)
- 五、布尔与枚举类型：提升语义清晰度
- - [5.1 BOOLEAN](#5.1 BOOLEAN)
  - [5.2 ENUM（枚举）](#5.2 ENUM（枚举）)
- 六、网络与硬件地址类型：INET、CIDR、MACADDR
- [七、JSON 与 JSONB：半结构化数据的终极武器](#七、JSON 与 JSONB：半结构化数据的终极武器)
- 八、几何与地理空间类型
- - [8.1 内置几何类型](#8.1 内置几何类型)
  - [8.2 PostGIS 扩展（生产推荐）](#8.2 PostGIS 扩展（生产推荐）)
- [九、全文搜索类型：TSVECTOR 与 TSQUERY](#九、全文搜索类型：TSVECTOR 与 TSQUERY)
- [十、范围类型（Range Types）：处理区间数据](#十、范围类型（Range Types）：处理区间数据)
- - [10.1 内置范围类型](#10.1 内置范围类型)
  - [10.2 核心操作](#10.2 核心操作)
- 十一、自定义类型：复合类型与域（Domain）
- - [11.1 复合类型（Composite Type）](#11.1 复合类型（Composite Type）)
  - [11.2 域（Domain）](#11.2 域（Domain）)
- 十二、避坑：常见错误与反模式
- - [12.1 用字符串存数字或日期](#12.1 用字符串存数字或日期)
  - [12.2 过度使用 UUID 作主键](#12.2 过度使用 UUID 作主键)
  - [12.3 忽略 NULL 语义](#12.3 忽略 NULL 语义)
  - [12.4 滥用 JSONB 替代关系模型](#12.4 滥用 JSONB 替代关系模型)

本文将系统性地剖析 PostgreSQL 中各类数据类型的特性、适用场景、潜在陷阱及最佳实践，覆盖数值、字符、时间、布尔、枚举、网络、JSON、几何、全文搜索、范围、自定义类型等核心类别，并结合真实案例说明选型逻辑。

一、基本原则：选择数据类型的通用准则

在关系型数据库设计中，数据类型的选取看似基础，实则深刻影响着系统的存储效率、查询性能、数据完整性、扩展能力乃至长期维护成本。PostgreSQL 作为功能最丰富的开源数据库之一，提供了远超传统 SQL 标准的多样化数据类型------从精确的数值类型、灵活的时间处理，到强大的 JSONB、地理空间、全文搜索、自定义复合类型等。然而，"多"并不等于"易用"，错误的类型选择往往导致隐性性能瓶颈、存储浪费或逻辑错误。在深入具体类型前，需明确以下通用原则：

1.1 精确性优先

存储货币、科学计算等场景，必须使用精确类型 （如 NUMERIC），避免浮点误差。
示例：0.1 + 0.2 = 0.30000000000000004（浮点问题）。

1.2 最小化存储

在满足业务需求前提下，选择占用空间最小的类型。
更小的行尺寸 → 更高的缓存命中率 → 更快的 I/O 和排序性能。

1.3 语义清晰

类型应准确表达数据含义。例如：
- 用 DATE 而非 TEXT 存储日期；
- 用 INET 而非 VARCHAR 存储 IP 地址。

1.4 考虑未来扩展

避免过早优化导致后续修改困难。例如：
- 用户 ID 初始为 INT，但业务增长后需支持分布式 ID（如 Snowflake），应预留为 BIGINT。

1.5 利用约束保障完整性

即使类型本身不限制范围，也应通过 CHECK 约束或域（Domain）强化业务规则。
sql 复制代码
```
CREATE DOMAIN email AS TEXT CHECK (VALUE ~ '^[^@]+@[^@]+\.[^@]+$');
```

终极心法 ： "用最精确、最紧凑、最语义化的类型表达你的数据。"

数据库不仅是存储引擎，更是业务逻辑的载体。正确的类型选择，是构建健壮、高效、可维护系统的第一步。

二、数值类型：精度、范围与性能的权衡

PostgreSQL 提供多种数值类型，核心区别在于精度、范围、存储大小及是否为精确计算。

2.1 整数类型

类型	范围	存储	适用场景
`SMALLINT`	-32768 ~ +32767	2 字节	枚举状态码、小计数器
`INTEGER`	-2147483648 ~ +2147483647	4 字节	主键、外键、常规计数（默认选择）
`BIGINT`	±9223372036854775807	8 字节	大流量 ID（如订单号）、分布式系统

选型建议：

主键/外键 ：除非确定数据量极小（< 3 万），否则优先用 INTEGER；若预计超 20 亿行，直接用 BIGINT。
避免过度节省 ：SMALLINT 仅比 INTEGER 节省 2 字节，但溢出风险高，现代系统内存充足，通常不值得冒险。

2.2 浮点类型

类型	精度	存储	特性
`REAL`	6 位十进制	4 字节	IEEE 754 单精度
`DOUBLE PRECISION`	15 位十进制	8 字节	IEEE 754 双精度

适用场景：

科学计算、传感器数据、图形坐标等允许近似值的场景。
绝不用于：货币、财务、需要精确比较的字段。

2.3 精确数值：NUMERIC / DECIMAL

语法：NUMERIC(precision, scale)，如 NUMERIC(10,2) 表示共 10 位，小数占 2 位。
存储：可变长度，按需分配。
优势：无舍入误差，完全精确。
代价：计算速度慢于整数和浮点。

典型应用：

货币金额：NUMERIC(19,4)（支持万亿级金额，4 位小数用于汇率计算）
百分比：NUMERIC(5,2)（如 99.99%）

⚠️ 注意：NUMERIC 无默认精度，若省略 (p,s)，则可存储任意精度值（但性能更差）。

三、字符类型：TEXT、VARCHAR 与 CHAR 的真相

PostgreSQL 对字符类型的处理与其他数据库有显著差异。

3.1 三种类型对比

类型	含义	存储	性能	建议
`TEXT`	无长度限制	可变	最优	首选
`VARCHAR(n)`	最大 n 字符	可变	略低于 TEXT	需强制长度限制时
`CHAR(n)`	固定 n 字符，不足补空格	固定	最差	避免使用

关键事实：

在 PostgreSQL 中，TEXT、VARCHAR、CHAR 底层存储完全相同（均使用 varlena 结构）。
VARCHAR(n) 的长度检查会带来轻微 CPU 开销。
CHAR(n) 会自动填充空格 ，导致比较时需 TRIM()，极易引发逻辑错误。

结论：

99% 场景使用 TEXT；
仅当业务强要求最大长度（如身份证号 18 位），用 VARCHAR(18) 并配合 CHECK 约束；
永远不要用 CHAR(n)。

3.2 长文本与大对象

普通 TEXT 可存储至 1GB（受 TOAST 机制支持）。
超大文件（如视频、PDF）应使用 Large Objects (LOB) 或外部存储 （数据库仅存路径）。
sql 复制代码
```
-- 创建大对象
SELECT lo_create(0); -- 返回 OID
```

四、时间类型：DATE、TIME、TIMESTAMP 与 TIMESTAMPTZ

时间处理是数据库常见痛点，PostgreSQL 提供了清晰的类型划分。

4.1 核心类型对比

类型	含义	时区	存储	推荐
`DATE`	日期（年月日）	无	4 字节	日历事件
`TIME`	时间（时分秒）	无	8 字节	营业时间
`TIMESTAMP`	日期+时间	无	8 字节	避免使用
`TIMESTAMPTZ`	日期+时间+时区	有	8 字节	绝对首选

关键区别：

TIMESTAMP：不带时区 ，存储字面值。例如 '2025-01-01 12:00:00' 在任何时区都显示相同。
TIMESTAMPTZ：带时区，存储为 UTC，显示时自动转换为客户端时区。

示例：

sql 复制代码

SET timezone = 'Asia/Shanghai';
INSERT INTO logs(ts) VALUES ('2025-01-01 12:00:00'); -- 存为 UTC 04:00

SET timezone = 'UTC';
SELECT ts FROM logs; -- 显示 2025-01-01 04:00:00+00

最佳实践：

所有时间戳字段必须使用 TIMESTAMPTZ；
应用层统一以 UTC 交互，前端负责时区转换；

避免在 WHERE 中对时间字段使用函数（破坏索引），改用范围查询：

sql 复制代码

-- 好
WHERE created_at >= '2025-01-01' AND created_at < '2025-02-01'
-- 坏
WHERE date_trunc('month', created_at) = '2025-01-01'

4.2 间隔类型：INTERVAL

表示时间跨度，如 '1 day 2 hours'。
适用于计算、有效期等场景：
sql 复制代码
```
SELECT now() + INTERVAL '30 days'; -- 30 天后
```

五、布尔与枚举类型：提升语义清晰度

5.1 BOOLEAN

存储：1 字节
值：TRUE、FALSE、NULL
优于：用 INT（0/1）或 CHAR（'Y'/'N'）表示布尔状态。
查询简洁：
sql 复制代码
```
SELECT * FROM users WHERE is_active;
```

5.2 ENUM（枚举）

定义有限集合的字符串值，如状态码。

创建：

sql 复制代码

CREATE TYPE order_status AS ENUM ('pending', 'shipped', 'delivered', 'cancelled');
CREATE TABLE orders (id SERIAL, status order_status);

优势：
- 存储高效（内部用整数编码）
- 自动校验值合法性
- 比 VARCHAR 节省空间
劣势：
- 修改枚举值需 ALTER TYPE ... ADD VALUE（PostgreSQL 10+ 支持）
- 不支持跨数据库移植

替代方案 ：若需频繁变更或国际化，可用参照表（lookup table）代替。

六、网络与硬件地址类型：INET、CIDR、MACADDR

PostgreSQL 原生支持网络数据类型，避免字符串存储的弊端。

类型	示例	用途
`INET`	`'192.168.1.1'`, `'2001:db8::1'`	IP 地址（含子网掩码）
`CIDR`	`'192.168.1.0/24'`	网络地址块
`MACADDR`	`'08:00:2b:01:02:03'`	MAC 地址

优势：

内置验证（非法 IP 无法插入）

支持网络运算：

sql 复制代码

SELECT '192.168.1.10'::inet << '192.168.1.0/24'; -- true（属于该网段）

索引优化（BRIN 索引适合 IP 范围查询）

应用场景：访问日志、防火墙规则、设备管理。

七、JSON 与 JSONB：半结构化数据的终极武器

详见前文《JSONB 详解》，此处强调选型要点：

JSONB vs JSON ：除非需保留原始格式（如审计），否则一律用 JSONB。
何时使用 ：
- 结构高度动态（如用户配置、API payload）
- 读多写少，且不需频繁 JOIN
- 作为关系模型的补充，而非替代
何时避免 ：
- 核心业务实体（如用户、订单）应拆分为关系表
- 需要强约束、外键、复杂事务

示例：

sql 复制代码

-- 好：用户偏好设置
CREATE TABLE users (id SERIAL, name TEXT, prefs JSONB);

-- 坏：将订单明细存为 JSON
-- 应拆分为 orders + order_items 两张表

八、几何与地理空间类型

8.1 内置几何类型

POINT、LINE、LSEG、BOX、PATH、POLYGON、CIRCLE
适用于简单图形计算（如地图标注、碰撞检测）

示例：

sql 复制代码

CREATE TABLE locations (name TEXT, coord POINT);
SELECT name FROM locations WHERE coord <@ BOX '((0,0),(10,10))';

8.2 PostGIS 扩展（生产推荐）

安装 postgis 扩展后，提供 GEOMETRY、GEOGRAPHY 类型
支持 WGS84 坐标系、距离计算、空间索引（GiST）

必须用于 ：LBS、物流、地理围栏等场景

sql 复制代码

CREATE EXTENSION postgis;
CREATE TABLE places (name TEXT, geom GEOMETRY(POINT, 4326));

九、全文搜索类型：TSVECTOR 与 TSQUERY

PostgreSQL 内置全文检索能力，无需外部搜索引擎。

TSVECTOR：文档的词位向量（已分词、去停用词、标准化）
TSQUERY：搜索条件表达式

工作流程：

sql 复制代码

-- 创建向量
UPDATE articles SET tsv = to_tsvector('english', title || ' ' || body);

-- 创建 GIN 索引
CREATE INDEX idx_tsv ON articles USING GIN(tsv);

-- 搜索
SELECT * FROM articles WHERE tsv @@ to_tsquery('english', 'database & performance');

优势：

高性能（GIN 索引）
支持权重、高亮、相关性排序
适合中小型全文检索需求

十、范围类型（Range Types）：处理区间数据

PostgreSQL 独创的范围类型，优雅解决"时间段"、"价格区间"等问题。

10.1 内置范围类型

类型	示例
`int4range`	`[10,20)`
`numrange`	`(1.5, 5.5]`
`tsrange`	`['2025-01-01', '2025-12-31')`
`tstzrange`	带时区的时间范围

10.2 核心操作

重叠检查 ：

sql 复制代码

SELECT int4range(10, 20) && int4range(15, 25); -- true

约束排他 （防止重叠）：

sql 复制代码

CREATE TABLE room_bookings (
    room TEXT,
    during TSRANGE,
    EXCLUDE USING GIST (room WITH =, during WITH &&)
);

此约束确保同一房间的预订时间不重叠。

应用场景：日历预约、价格策略、资源调度。

十一、自定义类型：复合类型与域（Domain）

11.1 复合类型（Composite Type）

类似 C 结构体，组合多个字段。

创建：

sql 复制代码

CREATE TYPE address AS (street TEXT, city TEXT, zip TEXT);
CREATE TABLE users (id SERIAL, home address);

访问：
sql 复制代码
```
SELECT (home).city FROM users;
```

适用场景：逻辑上紧密关联的属性组（如地址、坐标）。

11.2 域（Domain）

基于现有类型 + 约束，创建语义化新类型。

示例：

sql 复制代码

CREATE DOMAIN us_postal_code AS TEXT CHECK (VALUE ~ '^\d{5}$');
CREATE TABLE addresses (zip us_postal_code);

优势：复用约束逻辑，提升代码可读性。

十二、避坑：常见错误与反模式

12.1 用字符串存数字或日期

问题：无法校验、排序错误、计算困难。
修复：用 NUMERIC、DATE 等专用类型。

12.2 过度使用 UUID 作主键

问题：16 字节 vs 4 字节（INT），索引更大，写入更慢（随机 IO）。
建议：
- 内部系统用 BIGSERIAL；
- 对外暴露 ID 用 UUID，但主键仍为整数。

12.3 忽略 NULL 语义

问题：NULL = NULL 返回 NULL（非 true），导致逻辑错误。
对策：
- 明确字段是否允许 NULL；
- 使用 IS NULL / IS NOT NULL 判断；
- 考虑用默认值替代 NULL（如 0、''）。

12.4 滥用 JSONB 替代关系模型

问题：丧失 ACID、JOIN、约束等关系优势。
原则：核心实体关系化，边缘属性文档化。

最后总结：数据类型选型决策树

数值：
- 精确计算 → NUMERIC
- 整数 ID → BIGINT（防溢出）
- 浮点 → DOUBLE PRECISION（仅限科学计算）
字符：
- 默认 → TEXT
- 强长度限制 → VARCHAR(n)
- 避免 → CHAR(n)
时间：
- 绝对时间戳 → TIMESTAMPTZ
- 日期 → DATE
- 时间段 → TSTZRANGE
状态/分类：
- 固定选项 → ENUM
- 动态选项 → 参照表
半结构化：
- 动态属性 → JSONB
- 全文检索 → TSVECTOR
特殊领域：
- IP → INET
- 地理 → PostGIS
- 区间 → RANGE