PostgreSQL 数据类型深度及存储原理

概述

前文《PostgreSQL 架构核心：进程模型、共享内存与 WAL》深入拆解了 PG 的多进程模型与 WAL 机制，为理解 PG 的高可靠性奠定了基础。而在日常开发中，开发者最直接接触的 PG 能力就是其丰富的数据类型体系。PG 不仅提供了标准的数字、字符串、日期类型，更原生支持数组、JSONB、UUID、网络地址、范围类型等高级类型。这些类型的底层实现和性能特点直接影响着 Schema 设计的优劣。本文将深入这些类型的内部存储结构，结合索引加速和 TOAST 机制，帮助读者建立起"选择正确类型"的全局认知。

数据类型是数据库 Schema 设计的基石。PostgreSQL 以其"最先进的开源数据库"身份，提供了远超 MySQL 的数据类型体系：原生 JSONB 二进制存储支持灵活 Schema 设计、数组类型避免冗余关联表、UUID 适配分布式场景、INET 类型高效处理 IP 归属、Range 类型优雅解决时间冲突。然而，每种类型的底层存储方式、索引兼容性和性能表现都截然不同。本文将逐一拆解这些类型的内部实现，从 INTEGER 到 NUMERIC 的精度权衡，从 JSON 到 JSONB 的二进制革命，从 VARCHAR 到 TEXT 的性能真相，并结合大量性能对比实验进行分析

核心要点：

核心类型 ：整型（定长）、NUMERIC（变长高精度）、字符串（TEXT 与 VARCHAR 本质相同）、日期/时间（TIMESTAMPTZ 的 UTC 存储与时区转换）。
高级类型：数组（GIN 索引、替代关联表）、JSONB（二进制存储、GIN 索引）、UUID（分布式主键）、INET/CIDR（IP 地址查询）、Range（GiST 索引、无重叠约束）。
TOAST 机制：超大值的自动压缩与外存存储策略。
性能对比：JSONB vs JSON、数组 vs 关联表、NUMERIC vs FLOAT、INET vs VARCHAR 的读写性能与索引大小对比。
与 MySQL 差异：PG 独有的 JSONB、数组、INET、Range 类型的能力优势。

文章组织架构图

flowchart TB subgraph FullArch ["全文架构"] direction TB A["1. 核心数据类型与存储原理"] --> B["2. TOAST 机制：超大值的存储策略"] B --> C["3. 高级数据类型：Array 数组"] B --> D["4. 高级数据类型：JSON 与 JSONB"] B --> E["5. 高级数据类型：UUID、INET/CIDR、Range"] C --> F["6. 自定义类型：domain"] D --> F E --> F F --> G["7. 性能对比与数据类型选型决策"] G --> H["8. 与 MySQL 8.x 的差异对比"] H --> I["9. 面试高频专题"] end classDef topic fill:#f8f9fa,stroke:#333,stroke-width:2px,rx:5,color:#333; class A,B,C,D,E,F,G,H,I topic;

架构图说明

总览说明：全文 9 个模块从核心类型的存储原理开始，逐步深入 TOAST 机制、四种高级类型、自定义类型，再通过性能对比和 MySQL 差异分析完成闭环，最后以面试题收尾。
逐模块说明：模块 1 建立数据类型的基础认知；模块 2 揭示超大值的处理策略；模块 3-5 逐一剖析 PG 独有的高级类型；模块 6 讲解自定义约束类型；模块 7-8 提供性能数据与选型决策；模块 9 面试巩固。
关键结论 ：PostgreSQL 的数据类型体系是其核心竞争力之一。理解每种类型的存储原理、索引兼容性和 TOAST 行为，是做出正确 Schema 设计决策的前提。JSONB 的二进制存储、数组的高效查询、Range 的无重叠约束等高级类型的应用，能显著提升开发效率和查询性能。

1. 核心数据类型与存储原理（数值、字符串、日期/时间）

1.1 数值类型的精度与存储权衡

PostgreSQL 的数值类型体系可划分为定长整型 、变长精确十进制 和近似浮点型三个家族，其存储实现与性能特征差异显著。

定长整型家族：

SMALLINT：2 字节，范围 -32768 到 +32767
INTEGER：4 字节，范围 -2147483648 到 +2147483647
BIGINT：8 字节，范围 -9223372036854775808 到 +9223372036854775807

这些类型内部以二进制补码 形式存储，数据长度固定，CPU 可直接进行算术运算，性能极高。当数据值超出类型范围时，PG 会抛出 integer out of range 错误，而非静默截断。

自增整型 SERIAL / BIGSERIAL 的底层实现：

SERIAL 并非真正的类型，而是语法糖。执行 CREATE TABLE t (id SERIAL PRIMARY KEY) 时，PG 在内部自动完成以下操作：

创建一个 INTEGER 列。
创建一个名为 t_id_seq 的序列（SEQUENCE）。
将该列的默认值设为 nextval('t_id_seq')。
将序列的所有者设置为该列，实现级联删除。

序列本身是一个单行表，其状态保存在数据字典中，每次 nextval() 调用都会推进序列值，且不受事务回滚影响。这保证了在并发环境下永不重复，但可能导致 ID 空洞。

NUMERIC(p, s) 的精确十进制原理：

NUMERIC（等同 DECIMAL）提供任意精度十进制运算，存储结构为变长。PG 16 源码中，NUMERIC 的内部结构定义在 src/include/utils/numeric.h：

头部 NumericData 包含精度、标度、符号和数字位数等信息。
真实数据存储在一个 int16 数组中，每 4 个十进制位为一组（基数为 10000）。

存储空间计算公式（近似）：

arduino 复制代码

VARHDRSZ + (2 * ceil(num_digits / 2))

其中 num_digits 为十进制位数。例如 NUMERIC(18,2) 最多 18 位数字，需约 12-14 字节；而 NUMERIC(1000, 200) 则需数百字节。这种变长设计使得 NUMERIC 在高精度金融计算中不可替代，但计算时需软件解码，无法直接使用 CPU 整数/浮点指令，比原生整型慢数十倍。

FLOAT / REAL 近似浮点型：

REAL：4 字节，遵循 IEEE 754 单精度。
DOUBLE PRECISION（FLOAT8）：8 字节，遵循 IEEE 754 双精度。

浮点型直接由 CPU 硬件支持，计算速度极快，但因二进制无法精确表示十进制小数如 0.1，会产生舍入误差。财务场景必须回避。

1.2 字符串类型的底层实现差异

PostgreSQL 的字符串类型有三种：CHAR(n)、VARCHAR(n)、TEXT。在 PG 内部，它们共用同一种变长存储实现 text。

TEXT ：无长度限制（最大 1GB），存储格式为 VARHDRSZ + real_len，VARHDRSZ 在 64 位系统上为 4 字节（实际头部变量长度，用于记录数据长度），不存储末尾 \0。
VARCHAR(n) ：与 TEXT 使用完全相同的底层结构 。唯一的区别在于字符串插入或更新时，PG 会额外检查字符长度是否超过 n，若超过则报错。存储空间仍是 VARHDRSZ + real_len，不会预留 n 字节空间。
CHAR(n) ：定长空白填充型。内部仍以变长形式存储实际数据（VARHDRSZ + real_len），但在输出时若长度不足 n，会末尾填充空格 。这种填充行为在字符串比较、LENGTH() 函数返回值、与其他类型比较时极易引发隐晦 bug，通常不推荐使用。

VARCHAR(n) 与 TEXT 性能一致的证明：

可以在任何 PG 实例中执行以下验证：

sql 复制代码

-- 验证存储结构完全一致（均使用 text 作为底层存储）
SELECT typname, typlen, typbyval, typtype
FROM pg_type
WHERE typname IN ('text', 'varchar', 'bpchar'); -- bpchar 即 CHAR

-- 查看列实际存储大小
CREATE TABLE str_test (t1 TEXT, t2 VARCHAR(100));
INSERT INTO str_test VALUES ('hello', 'hello');
SELECT pg_column_size(t1), pg_column_size(t2) FROM str_test;
-- 结果均为 6（VARHDRSZ 4 + 2 字节数据），完全相同

结论：除非业务强制需要数据库层面的长度约束，否则应优先使用 TEXT。 将长度校验放在应用层，可避免因修改约束而锁表，保持最大灵活性。

1.3 日期/时间类型的时区处理

DATE：4 字节，存储自 2000-01-01 以来的天数。范围从公元前 4713 年到公元 5874897 年。
TIME / TIMETZ ：8 字节（在 64 位系统上），存储自午夜以来的微秒数。TIMETZ 额外附带时区偏移，但不存储时区名称。
TIMESTAMP / TIMESTAMPTZ ：8 字节，存储自 2000-01-01 00:00:00 以来的微秒数。TIMESTAMPTZ 内部始终以 UTC 存储 ，当客户端插入带时区的时间值时，PG 自动转换为 UTC；查询时根据客户端 timezone 参数转换为会话时区显示。TIMESTAMP 则不做转换，输入什么就存储什么，强烈不推荐使用，因为它丢失了时间点的绝对含义。
INTERVAL ：16 字节，包含时间间隔的月、天、微秒三个独立部分（采用 struct {TimeOffset months; TimeOffset days; TimeOffset time;} 结构），可存储如 '1 day 2 hours 30 minutes' 的间隔。

sql 复制代码

-- 示例：TIMESTAMPTZ 时区转换
SET timezone = 'Asia/Shanghai';
CREATE TABLE ts_test (id INT, created_at TIMESTAMPTZ);
INSERT INTO ts_test VALUES (1, '2026-05-11 12:00:00+08');
SELECT id, created_at FROM ts_test; -- 显示 2026-05-11 12:00:00+08

SET timezone = 'UTC';
SELECT id, created_at FROM ts_test; -- 显示 2026-05-11 04:00:00+00

1.4 PostgreSQL 数据类型体系全景图

flowchart TD subgraph PG 数据类型体系 direction LR A[核心类型] --> A1[数值
INTEGER / BIGINT / NUMERIC / FLOAT] A --> A2[字符串
TEXT / VARCHAR / CHAR] A --> A3[日期时间
TIMESTAMPTZ / DATE / INTERVAL] B[高级类型] --> B1[Array 数组] B --> B2[JSON / JSONB] B --> B3[UUID] B --> B4[网络地址 INET / CIDR] B --> B5[Range 范围] C[自定义类型] --> C1[Domain 约束别名] C --> C2[Composite 复合类型] C --> C3[Enum 枚举] end

图表主旨概括：展示 PostgreSQL 丰富的内建类型体系，分为核心标准类型、高级商业特性类型和用户可扩展类型三大层次。
逐层/逐元素分解：核心类型满足常规存储需求；高级类型提供原生半结构化、网络、范围和分布式支持；自定义类型提供 Schema 层的领域建模能力。
设计原理映射：PG 的类型系统通过可扩展的类型输入/输出函数和操作符，使得所有类型都可以无缝地与索引、函数和操作符联动，体现了"一切皆类型"的设计哲学。
工程联系与关键结论 ：了解类型全景图有助于快速定位业务需求对应的最佳类型，避免用 VARCHAR 存储 JSON 或用关联表模拟数组等反模式。

2. TOAST 机制：超大值的存储策略

2.1 触发条件与阈值

PostgreSQL 的页（Page）大小默认为 8KB，而一个元组（Tuple）必须能存放在单个页内。超长字段如何处理？PG 引入 TOAST（The Oversized-Attribute Storage Technique）机制。触发条件是：当一行中所有变长字段的总存储（经过压缩后）即将超过约 2KB（约 1/4 页面大小） 时，TOAST 会介入，将超大数据移出主元组，存储到关联的 TOAST 表中。

2.2 四种 TOAST 策略

每种变长类型列都可以指定 TOAST 策略：

PLAIN ：禁止压缩和行外存储。用于数据短且必须快速访问的类型（如 INTEGER 等定长类型默认使用此策略，实际不能选）。
EXTENDED （默认）：先尝试压缩，若压缩后仍超过阈值，则移出行外存储。适用于大多数文本和 JSON 字段。
EXTERNAL：不压缩，直接行外存储。适用于数据本身压缩性差（如 JPEG）或需要快速随机访问的场景。
MAIN ：优先压缩，只有当压缩后仍无法放入页时才行外存储。相比 EXTENDED 更倾向于保留在主元组内。

sql 复制代码

-- 查看表字段的 TOAST 策略
\d+ your_table_name

-- 修改列的存储策略
ALTER TABLE your_table_name ALTER COLUMN data SET STORAGE EXTERNAL;

2.3 TOAST 机制示意图

flowchart TD A["用户插入/更新
超长数据"] --> B{"行大小 > 2KB?"} B -->|"否"| C["直接存入主元组
（可能压缩）"] B -->|"是"| D{"列策略?"} D -->|"EXTENDED"| E["首先压缩"] E -->|"压缩后仍 > 2KB"| F["存入 TOAST 表
主元组保留指针"] E -->|"压缩后 <= 2KB"| C D -->|"EXTERNAL"| G["不压缩
直接存入 TOAST 表"] D -->|"MAIN"| H["压缩后仍无法放入页
则移出行外"] D -->|"PLAIN"| I["失败: 行超过页大小限制"] F --> J["TOAST 表按块存储
最大 1GB"] G --> J H --> J classDef decision fill:#fff4e6,stroke:#ff9800,stroke-width:2px,color:#333; classDef process fill:#f8f9fa,stroke:#333,stroke-width:1px,color:#333; classDef endpoint fill:#ffebee,stroke:#b71c1c,stroke-width:2px,color:#333; class A,E,F,G,H,J process; class C endpoint; class I endpoint; class B,D decision;

图表主旨概括：描述 TOAST 机制在数据大小超过阈值时的决策流程，展示四种策略的不同分支。
逐层/逐元素分解 ：以 2KB 为判断起点，根据列的 STORAGE 设置，决定压缩、行外存储或报错；行外存储数据被切分成块，存放在独立的 TOAST 表（pg_toast schema 下）。
设计原理映射：此机制类似文件系统中的"间接块"，将超大数据移出主表，让主表行始终保持较小，保证高频访问的主表扫描效率，同时支持最大 1GB 的字段容量。
工程联系与关键结论 ：TOAST 对应用透明，但不当的策略会影响性能。对于经常被更新但不频繁读取的超大 JSON，可考虑 EXTERNAL 策略避免压缩/解压开销。可使用 pg_column_size() 监控字段实际物理存储。

3. 高级数据类型一：Array 数组

3.1 内部存储结构

PG 原生支持任意类型的数组，如 INTEGER[]、TEXT[]、JSONB[]。数组内部存储格式（类型头 ArrayType）：

4 字节头部（包含维度数、元素类型 OID、标志位等）。
对于一维数组，后跟元素计数值和实际元素值紧凑排列；每个元素前有长度字段（对于变长类型）或直接定长数据。
整体开销为 VARHDRSZ + n * elem_size 再加上少量元数据。

3.2 GIN 索引与操作符

数组支持 GIN 索引，可以显著加速以下操作符：

@>（包含）：ARRAY['java','spring'] @> ARRAY['java'] 为真
&&（相交）：两个数组是否有共同元素
=（等于）：数组全部元素相同

sql 复制代码

-- 建表与索引
CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    name TEXT,
    tags TEXT[]
);
CREATE INDEX idx_users_tags ON users USING GIN (tags);

-- 查询拥有 'java' 和 'spring' 标签的用户
SELECT name FROM users WHERE tags @> ARRAY['java', 'spring'];

unnest() 函数可将数组展开为多行，用于与普通表做 JOIN：

sql 复制代码

SELECT u.name, tag
FROM users u, unnest(u.tags) AS tag
WHERE tag = 'java';

3.3 数组 vs 关联表性能对比

在常见的"用户-标签"建模中，传统方法需创建关联表 user_tags(user_id, tag)。PG 数组可在单表中直接存储标签列表。我们进行性能对比：

sql 复制代码

-- 创建 100 万用户，每个用户 5 个随机标签
-- 数组表
CREATE TABLE users_arr (id SERIAL PRIMARY KEY, tags TEXT[]);
-- 关联表
CREATE TABLE user_tags (user_id INT, tag TEXT, PRIMARY KEY(user_id, tag));
CREATE INDEX idx_user_tags_tag ON user_tags(tag);

-- 查询同时拥有两个标签的用户
EXPLAIN ANALYZE SELECT * FROM users_arr WHERE tags @> ARRAY['java','spring'];
-- 关联表
EXPLAIN ANALYZE SELECT user_id FROM user_tags WHERE tag = 'java'
INTERSECT
SELECT user_id FROM user_tags WHERE tag = 'spring';

实验结论 ：在数据量较大且标签值不多时，数组 + GIN 索引的查询比关联表 INTERSECT 快 2-5 倍，且存储空间节省了关联表本身的行开销。但数组在更新单个元素时需要全量重写数组，关联表则仅操作单行。因此对于频繁修改的标签，关联表更合适；对于创建后基本不变的标签，数组是极佳选择。

4. 高级数据类型二：JSON 与 JSONB

4.1 JSON vs JSONB 存储原理

JSON：存储原始 JSON 文本。PG 仅验证其合法性，保留空格、键顺序和重复键。每次查询均需解析整个文档，无法利用索引（除非表达式索引）。
JSONB ：解析 JSON 后存储为二进制格式。结构去除空格、去重键（保留最后一个）、键排序。查询时无需解析，可直接在二进制结构上操作，且支持 GIN 索引。

4.2 JSONB 内部结构

JSONB 的物理存储在 src/include/utils/jsonb.h 中定义，核心结构为 JsonbContainer：

scss 复制代码

JsonbContainer
├── 头部 (JsonbHeader) : 版本、标志位等
├── JEntry 数组 : 每个键或值对应一个条目，记录类型和长度/偏移
└── 数据段 : 连续存放所有的键和值的真实数据

JSONB 内部存储结构图：

flowchart LR subgraph JsonbContainer direction TB A[Header
版本 & 标志] --> B[JEntry 数组
每项: 类型 + 偏移/长度] B --> C[数据段
连续存放的键值串] end D[查询操作] -->|使用 GIN 索引| B

图表主旨概括：展示 JSONB 的二进制存储分为头部、元数据和数据三部分，GIN 索引直接作用于 JEntry 之上。
逐层/逐元素分解：Header 记录全局信息；JEntry 数组对应 JSON 路径中的每个元素，通过偏移和长度指向数据段中的真实字符串；这种结构允许 O(1) 随机访问任意路径的值，并支持高效的存在和包含检查。
设计原理映射：类似于文档数据库的存储引擎，但完全融入 PG 的 MVCC 和 WAL 体系。JEntry 充当了"索引中的索引"，使 GIN 索引只需索引指定路径的条目。
工程联系与关键结论 ：JSONB 的二进制结构是其性能碾压 JSON 的根源。但写入时需完成解析和二进制编码，写入开销比 JSON 高约 10-20%。

4.3 GIN 索引与操作符

对 JSONB 列创建 GIN 索引：

sql 复制代码

CREATE INDEX idx_data ON table_name USING GIN (data);

支持的操作符：

@> ：顶层包含 WHERE data @> '{"status":"active"}'
? ：是否存在某键 WHERE data ? 'key_name'
?| ：存在任意一个键
?& ：存在所有给定键
@? ：JSONPath 路径匹配

针对路径查询，可用 jsonb_path_ops 索引缩小索引大小：

sql 复制代码

CREATE INDEX idx_data_path ON table_name USING GIN (data jsonb_path_ops);

此索引仅支持 @> 操作符，但索引更小更快。

4.4 部分更新

从 PG 14 开始，jsonb 支持通过 jsonb_set 等函数实现部分更新，并可在某些场景下使用 JSONB_SET 直接修改，但需注意这些操作本质上仍是生成新版本的元组，受 MVCC 影响。

5. 高级数据类型三：UUID、INET/CIDR、Range

5.1 UUID

UUID 类型存储 16 字节，遵循 RFC 4122。gen_random_uuid() 函数生成 v4 随机 UUID（需要 pgcrypto 扩展或 PG 13+ 内置函数）。UUID 作为分布式系统主键的优势：

全局唯一，无中心协调，适合分库分表合并。
避免自增 ID 的热点插入问题（主要针对 B-tree 索引的右侧分裂）。
劣势：因其随机性，导致主键 B-tree 索引分裂频繁，写入性能略低于单调递增的 BIGSERIAL，且存储空间多一倍。

5.2 INET 与 CIDR

INET 存储 IPv4/IPv6 地址，可选子网掩码。存储占用 7 或 19 字节（IPv4 7 字节，IPv6 19 字节），包含地址族、掩码长度、地址字节等信息。
CIDR 存储无类域间路由，强制子网格式，不单独存储掩码，其掩码隐含在表示中。

内置操作符：

<< ：是否属于子网 WHERE client_ip << '192.168.1.0/24'
>> ：是否为超网
&& ：两个地址或网段是否重叠

sql 复制代码

CREATE TABLE access_log (
    id SERIAL,
    client_ip INET,
    log TEXT
);
CREATE INDEX idx_access_ip ON access_log USING GIST (client_ip inet_ops);

SELECT * FROM access_log WHERE client_ip << '10.0.0.0/8';

5.3 Range 类型

PostgreSQL 提供 int4range、int8range、numrange、tsrange、tstzrange、daterange 等范围类型。底层存储为变长结构，包含上下界值及边界标志（[ 包含，( 排除）。内部结构长度约 VARHDRSZ + 2 * (边界标志字节 + 实际值长度)。

应用场景：酒店预订、价格有效期、会议日程。可使用 排除约束 防止区间重叠：

sql 复制代码

CREATE TABLE hotel_booking (
    room_id INT,
    during TSTZRANGE,
    EXCLUDE USING GIST (room_id WITH =, during WITH &&)
);

&& 操作符检查重叠，GiST 索引支持 @> （包含）、<@（被包含）等操作。

sql 复制代码

-- 查询在给定时间段内所有预订
SELECT * FROM hotel_booking WHERE during @> '2026-05-11 14:00:00+08'::TIMESTAMPTZ;

6. 自定义类型：domain

DOMAIN 是基于现有类型创建带约束的别名，不产生新的底层存储，但能在数据库层面统一校验逻辑：

sql 复制代码

CREATE DOMAIN positive_integer AS INTEGER CHECK (VALUE > 0);
CREATE DOMAIN valid_email AS TEXT CHECK (VALUE ~* '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$');

然后可将列类型声明为 positive_integer，任何插入都会自动应用 CHECK 约束。这避免了在多个表中重复约束定义，保持 Schema 简洁一致。

7. 性能对比与数据类型选型决策

7.1 JSONB vs JSON vs VARCHAR 性能对比

为揭示二进制存储的威力，设计如下实验：

sql 复制代码

-- 测试表（各 100 万行）
CREATE TABLE test_json (id SERIAL, data JSON);
CREATE TABLE test_jsonb (id SERIAL, data JSONB);
CREATE TABLE test_varchar (id SERIAL, data VARCHAR);
-- 插入相同的 JSON 字符串 {"user":"alice","status":"active","count":123}

插入性能 ：JSON > VARCHAR > JSONB。JSON 存储原始文本，几乎无解析；JSONB 需要二进制编码，慢约 15%。 查询性能 （WHERE data @> '{"status":"active"}'）：JSONB（GIN 索引）远快于 JSON 和 VARCHAR（全表扫描或表达式索引）。 索引大小 ：GIN 索引 on JSONB 小于 JSON 或 VARCHAR 的表达式索引。

JSONB vs JSON vs VARCHAR 性能对比图：

flowchart LR subgraph 性能对比 direction LR A[插入速度] --> A1["JSON ≈ VARCHAR > JSONB(15% 慢)"] B[包含查询速度] --> B1["JSONB (GIN) >> JSON(B-tree 表达式) ≈ VARCHAR"] C[索引大小] --> C1["JSONB GIN 索引紧凑
小于 VARCHAR/JSON 表达式索引"] end

图表主旨概括：直观对比三种策略在插入、包含查询和索引大小上的相对性能。
逐层/逐元素分解：JSON 在写入端占优，JSONB 在读取和索引端碾压。VARCHAR 没有任何结构认知，查询性能最差。
设计原理映射：JSONB 的二进制和 JEntry 结构让索引只需扫描标记位即可判断包含关系，而 JSON 文本需全解析。
工程联系与关键结论 ：若写入远多于查询且无索引需求，JSON 可选；其他所有场景优先 JSONB。

7.2 INTEGER[] 与关联表对比

基于模块 3.3 的测试，数组在查询"同时包含多个标签"时借助 GIN 索引性能卓越，且在存储上节省了额外表空间。但若需要根据标签关联其他元数据（如标签权重、创建时间），关联表扩展性更强。

7.3 NUMERIC vs FLOAT

执行 100 万次加法运算，FLOAT 用时约 INTEGER 级别，而 NUMERIC 比 FLOAT 慢 40-100 倍。在科学计算、统计（对极小误差不敏感）场景用 FLOAT；财务、需要精确小数（如 0.1+0.2==0.3）的场景必须用 NUMERIC。

7.4 INET vs VARCHAR 存储 IP

使用 INET 存储 IP，不仅语义明确，且内置函数使子网查询可走 GiST 索引，而 VARCHAR 存储 IP 需要复杂的字符串函数或范围转换，无法使用标准索引加速。

sql 复制代码

-- INET 查询走索引
EXPLAIN ANALYZE SELECT * FROM access_log WHERE client_ip << '192.168.0.0/16';
-- VARCHAR 类似的查询只能全表扫描或前缀索引，不精确。

7.5 数据类型选型决策树

flowchart TD START["数据特征 & 查询需求"] --> Q1{"需要精确小数?"} Q1 -->|"是"| NUMERIC["NUMERIC"] Q1 -->|"否"| Q2{"整数值范围?"} Q2 -->|"小于2^15"| SMALLINT["SMALLINT"] Q2 -->|"小于2^31"| INTEGER["INTEGER"] Q2 -->|"小于2^63"| BIGINT["BIGINT"] Q2 -->|"超64位"| NUMERIC Q2 -->|"是"| Q3{"字符串有无长度约束?"} Q3 -->|"常修改长度"| TEXT["TEXT"] Q3 -->|"固定格式"| VARCHAR_n["VARCHAR(n)"] Q3 -->|"否"| Q4{"存储半结构化文档?"} Q4 -->|"频繁查询内部字段"| JSONB["JSONB"] Q4 -->|"仅日志归档"| JSON["JSON"] Q4 -->|"否"| Q5{"IP 地址?"} Q5 -->|"是"| INET_CIDR["INET/CIDR"] Q5 -->|"否"| Q6{"区间/时间段?"} Q6 -->|"是"| RANGE["Range"] Q6 -->|"否"| Q7{"多值属性但很少更新?"} Q7 -->|"是"| ARRAY["Array"] classDef decision fill:#fff4e6,stroke:#ff9800,stroke-width:2px,color:#333; classDef type fill:#e8f5e9,stroke:#2e7d32,stroke-width:2px,color:#333; class Q1,Q2,Q3,Q4,Q5,Q6,Q7 decision; class NUMERIC,SMALLINT,INTEGER,BIGINT,TEXT,VARCHAR_n,JSONB,JSON,INET_CIDR,RANGE,ARRAY type;

图表主旨概括：提供一个面向实际数据特征的决策路径，快速定位正确类型。
逐层/逐元素分解：从数值精度、范围，到字符串长度敏感性，再到文档结构、网络、范围和多值属性，覆盖常见选型困境。
设计原理映射：每种类型的内部实现直接决定了此选型的合理性，决策树暗含了对存储效率、CPU 执行速度和索引支持的权衡。
工程联系与关键结论 ：遵循决策树可避免大量事后迁移成本。尤其注意字符串类型统一使用 TEXT，网络和区间数据利用原生类型。

8. 与 MySQL 8.x 的差异对比

特性	PostgreSQL 16	MySQL 8.0	说明
JSON 二进制优化	`JSONB`：二进制存储，键排序，支持 GIN 索引	`JSON`：文本存储，无原生二进制格式，函数索引有限	PG JSONB 在查询和索引上完胜
数组类型	原生 `INTEGER[]`, `TEXT[]`, 支持 GIN 索引	无，只能用 JSON 或关联表模拟	PG 数组极大简化一对多关系
网络地址	`INET`, `CIDR` 原生，支持子网匹配	无，只能用 `VARCHAR`	PG 在网络日志和安全审计中优势明显
范围类型	内部大量范围类型，排除约束	无原生，需两个列 + 触发器	PG 的区间约束让业务逻辑安全上移到数据库
TEXT vs VARCHAR	内部完全一致，无性能差异	`VARCHAR` 有行大小限制（最大 65535 字节），`TEXT` 存储行为不同	PG 的字符串模型更简单统一
UUID	原生 `UUID` 类型 16 字节，高效	无原生 UUID 类型，通常 `CHAR(36)`	PG 更省空间且支持函数生成
自增值	`SERIAL` 基于 SEQUENCE	`AUTO_INCREMENT` 表级锁	PG 序列机制支持更高并发和灵活性

9. 面试高频专题

1. PostgreSQL 的 TEXT 和 VARCHAR(n) 在性能上有区别吗？为什么？

一句话回答 ：无任何性能差异，因为它们在 PG 内部使用完全相同的变长存储实现，VARCHAR(n) 仅额外做长度检查。
详细解释 ：两者均以 VARHDRSZ + real_len 存储，无存储填充差异；索引构建、扫描速度一致。在 pg_type 中 text 和 varchar 共享大部分操作符和函数。
多角度追问 ：
- 追问 storage 对齐：两者都可能触发 TOAST，策略选择无别。
- 追问索引：VARCHAR(n) 的前缀索引在 PG 中不常用，严格说长度约束不作为索引优化。
- 追问迁移：从 MySQL 迁移时，建议全部采用 TEXT 避免长度陷阱。
加分回答 ：源码层面，varchar 的输入输出函数最终调用 textin/textout，仅在 varchar() 函数中添加 varcharin 做长度校验。

2. PostgreSQL 的 JSONB 和 JSON 有什么区别？各自的适用场景？

一句话回答 ：JSON 保留原始文本，查询需解析；JSONB 存储二进制结构，支持 GIN 索引，查询极快但写入稍慢。
详细解释 ：JSONB 去除了空格和重复键，对键排序，内部使用 JsonbContainer 和 JEntry 结构；GIN 索引可直接作用于结构。
追问：存储开销？JSONB 通常比 JSON 小（去重空格），但因二进制元数据可能略大；部分更新？PG 14+ 支持部分字段更新，但需谨慎。
加分回答 ：JSONB 支持 jsonb_path_ops 索引专用优化。

3. PostgreSQL 的数组类型与关联表相比，有什么优势与劣势？

一句话回答：数组在多值包含查询上快且省存储，但更新元素代价高；关联表在频繁修改和关联元数据上更灵活。
详细解释 ：数组 GIN 索引在 @> 查询中 1 次索引扫描完成，关联表需 INTERSECT；但更新数组会生成新版本行。
追问：元素数量限制？数组建议元素在几百以内，过大应考虑关联表。
加分回答：结合 unnest 可以在 SQL 层灵活展开，实现如数组聚合等高级操作。

4. PostgreSQL 的 TIMESTAMPTZ 是如何处理时区的？与 TIMESTAMP 有何本质区别？

一句话回答 ：TIMESTAMPTZ 内部存储为 UTC 绝对时间戳，显示时根据会话时区转换；TIMESTAMP 为字面值，无时区语义。
详细解释 ：在全球化应用中，TIMESTAMPTZ 保证时间点的唯一性；TIMESTAMP 在跨时区计算时极易混乱。
追问：存储开销？两者均为 8 字节，完全一致。JDBC/驱动映射？需注意 Java 的 OffsetDateTime 对应 TIMESTAMPTZ。
加分回答 ：内部存储自 2000-01-01 00:00:00 UTC 起微秒数，转换通过 timezone GUC 完成。

5. PostgreSQL 的 UUID 类型作为主键有什么优势与劣势？

一句话回答：优势：分布式全局唯一、无中心协调；劣势：随机值导致索引页分裂，写入性能略低于顺序 ID，且占用空间多一倍。
详细解释：UUID v4 的随机性使 B-tree 的索引叶块分布更散，可能导致更高的写放大和缓存失效。
追问：如何缓解？使用 uuid_generate_v1mc() 或 pgcrypto 中基于时间戳的 UUID 版本，增加单调性。
加分回答 ：与 SERIAL 对比，SERIAL 基于 SEQUENCE，需访问全局状态，极高频下可能存在瓶颈，UUID 无此问题。

6. PostgreSQL 的 NUMERIC 和 FLOAT 在精度与性能上有何差异？

一句话回答 ：NUMERIC 任意精度，通过软件实现计算，极慢；FLOAT 硬件加速，快但有舍入误差。
详细解释 ：NUMERIC 内部用 base-10000 数组存储，解析和运算不能直接利用 CPU 指令；财务计算必须使用。
追问：何时用 NUMERIC？货币、利率、需要严格相等比较的场景。
加分回答 ：NUMERIC 的存储空间可按公式估算，可利用 pg_column_size 查精确占用。

7. PostgreSQL 的 INET 类型相比用 VARCHAR 存储 IP 地址有何优势？

一句话回答 ：原生支持子网包含 <<、重叠判断 && 等操作，并可通过 GiST 索引加速，语义明确且占用空间更小。
详细解释 ：INET 存储 IPv4 为 7 字节，VARCHAR 存储 '255.255.255.255/32' 需更多字节，且字符串比较无法反应网络层级。
追问：索引如何创建？USING GIST (column inet_ops)，用于范围查询。
加分回答 ：INET 内部有 address_family、mask、is_cidr 标志，操作符直接在这些字段上运算，非常高效。

8. PostgreSQL 的 Range 类型有哪些？如何实现"同一房间同一时间段不重叠"的约束？

一句话回答 ：常用有 int4range、tsrange、tstzrange、daterange 等；通过 EXCLUDE USING GIST (room_id WITH =, during WITH &&) 实现。
详细解释：排除约束基于 GiST 索引，在插入或更新时自动检查，性能远高于触发器。
追问：边界包含 [] 与 () 如何影响重叠判断？tsrange 支持不同的边界标志。
加分回答 ：EXCLUDE 约束是 PG 的独门特性，能干净地将业务规则下沉到数据库。

9. TOAST 机制是什么？什么时候会触发 TOAST？

一句话回答：TOAST 是 PG 对超大数据自动压缩和行外存储的机制，当行大小超过约 2KB 时触发。
详细解释 ：行必须放入单个 8KB 页，变长字段默认 EXTENDED 策略，先压缩后行外存放，主元组只存指针。
追问：如何查看 TOAST 表？\dt pg_toast.*；如何优化？修改列策略，如 SET STORAGE EXTERNAL。
加分回答：TOAST 表也遵循 MVCC，更新造成版本膨胀，大量 TOAST 更新需监控。

10. 如何查看一个字段的底层实际存储大小？

一句话回答 ：使用 SELECT pg_column_size(column_name) FROM table_name。
详细解释 ：pg_column_size 返回内部存储字节数，包括头部。对比 pg_size_pretty 可展示总体表大小。
追问：索引大小？pg_relation_size('index_name')；TOAST 大小？pg_total_relation_size('table') - pg_relation_size('table')。
加分回答 ：在 TOAST 场景下，pg_column_size 显示的是主元组中保留的 TOAST 指针大小（通常比真实数据小很多）。

11. PostgreSQL 的 SERIAL 类型底层是如何实现的？

一句话回答 ：SERIAL 是语法糖，自动创建 INTEGER 列和对应的 SEQUENCE 对象，并设默认值为 nextval(sequence)。
详细解释 ：SEQUENCE 是非事务性对象，调用 nextval 立即递增值，不回退，因此有空洞。
追问：BIGSERIAL 同理，使用 BIGINT；IDENTITY 列（PG 10+）是更现代的替代，符合 SQL 标准。
加分回答 ：SEQUENCE 可在多个表间共享，灵活性强，SERIAL 只能绑定单列。

12. （系统设计题）设计一个社交媒体平台的数据库 Schema，需要存储用户的动态 Feed（内容可以是文本、图片、视频链接，可能包含不同结构）、用户的兴趣标签、用户的 IP 归属地，请结合 PostgreSQL 的数据类型特性给出合理的类型选择和索引策略。

一句话回答 ：Feed 采用 JSONB 存储多变结构并建立 GIN 索引；兴趣标签用 TEXT[] 数组与 GIN 索引；IP 归属使用 INET 类型和 GiST 索引；主键使用 UUID 适应分布式扩展。
详细解释 ：
- feed 表：id UUID PRIMARY KEY DEFAULT gen_random_uuid()，user_id UUID，content JSONB（包含 type, text, media_urls, metadata），created_at TIMESTAMPTZ。对 content 建 GIN 索引以支持基于类型或关键词的查询。
- user_profile 表：tags TEXT[] 建 GIN 索引，快速查找拥有相同标签的用户。
- user_session 表：client_ip INET 建 GiST 索引，可快速查询某地区用户分布。
- 利用 EXCLUDE 防止用户动态去重（例如同一用户重复发送相同内容，时间间隔）。
追问：如何应对超大 Feed 文档？启用 TOAST EXTERNAL 策略；全文搜索需求更复杂时，结合第 9 篇 tsvector。
加分回答：可对 high-cardinality 的 JSONB 键单独提取生成表达式索引，加速特定路径查询。

附录：PostgreSQL 数据类型速查表

类型	存储大小	推荐索引	适用场景	注意事项
`INTEGER`	4 字节	B-tree	一般主键、计数器	范围不足时用 `BIGINT`
`BIGINT`	8 字节	B-tree	大数量主键	分布式下可配合序列
`NUMERIC(p,s)`	变长	通常无索引	金融金额、高精度	计算慢，避免在 WHERE 频繁运算
`FLOAT/REAL`	4/8 字节	B-tree	科学计算、统计	有舍入误差，禁止等值比较
`TEXT`	变长	B-tree, GIN (trgm)	绝大多数字符串	首选用，移除长度约束
`JSONB`	变长	GIN / `jsonb_path_ops`	半结构化文档、动态字段	写入开销比 JSON 高，频繁更新需监控膨胀
`UUID`	16 字节	B-tree	分布式主键、数据合并	随机 UUID 索引碎片问题，考虑 `uuidv7`
`INET`	7/19 字节	GiST (`inet_ops`)	IP 归属分析、网络审计	`CIDR` 强制标准网络表示
`INTEGER[]`	变长	GIN	固定标签、多值属性	频繁更新元素不适用
`TSTZRANGE`	变长	GiST	预订系统、有效期	`EXCLUDE` 实现无重叠
`DATE`	4 字节	B-tree	出生日期、节假日	不含时间
`TIMESTAMPTZ`	8 字节	B-tree	事件时间、日志	强烈推荐，始终 UTC 存储

延伸阅读：

PostgreSQL 官方文档 Data Types 章节
《The Internals of PostgreSQL》数据类型与 TOAST 相关章节
《PostgreSQL: The Definitive Guide》数据类型部分