PG实战笔记 | 04 PostgreSQL市场地位与实际案例

上一篇我们梳理了 PostgreSQL 的发展历史。这一篇，我们把目光从过去拉回到当下：PG 在今天的数据版图中到底处在什么位置？哪些公司在真正使用它？从 Oracle/MySQL 迁移到 PG，收益到底有多大？

一、市场数据：增长最快的开源数据库

先看几组硬数据。

DB-Engines 2026 年 8 月排名中，PostgreSQL 位列第四，得分 684.58，与第三名 SQL Server 的差距已缩小至不足 10 分。更关键的是，在 Oracle、MySQL、SQL Server 三大传统数据库得分持续下滑的背景下，PostgreSQL 是头部数据库中唯一实现年度正增长的------年度涨幅达 13.32 分。

Stack Overflow 2025 年开发者调查 中，PostgreSQL 以 55.6% 的使用率 位列第一，领先 MySQL 15 个百分点；同时以 65% 的"喜爱度" 同样排名第一。Datadog 的追踪数据显示，2024 年 7 月至 2026 年 5 月间，拥有至少一个生产级 Postgres 实例的企业占比从 54% 升至 60%。

在向量数据库细分赛道，PG 凭借 pgvector 直接冲进前三------这是 PG "跨界"和专业向量数据库同台竞技的结果。

这些数据指向同一个结论：PostgreSQL 正在从"备选方案"变成"默认选择"。

二、行业应用案例

金融行业：平安集团的千实例实践

中国平安保险集团是国内最早大规模采用 PostgreSQL 的金融机构之一。平安科技总经理陈立明曾透露，截至 2016 年，平安在企业内部已部署超过 1000 个 PostgreSQL 实例，运行包括核心系统在内的众多应用。

平安选择 PG 的核心逻辑是：学习曲线短、迁移成本低。PG 对现有 Oracle 开发和运维团队来说上手快，能够快速进行迁移。基于 PG 生态，平安还自研了 RASESQL 集中式数据库，完全兼容 PostgreSQL 及其生态，已通过"安全可靠测评"认证，适用于银行、保险等金融行业关键核心业务系统。

在海外，韩国新韩信用卡将反欺诈系统（FDS）的 Oracle 数据库替换为 EDB Postgres Advanced Server，新韩EZ损害保险也完成了从 Oracle 到 EPAS 的迁移，实现了成本降低和运营效率提升。

电商与搜索：Instacart 用 PG 替换 Elasticsearch

Instacart 做了一件很有意思的事：用 PostgreSQL 替换了 Elasticsearch，将基于关键词的检索和基于嵌入的检索整合到一个系统中。

以前，Elasticsearch 处理全文查询，事务性数据存在 Postgres 里，维护两套系统意味着数据同步挑战和高运营成本。重新设计后，Instacart 使用分片的 Postgres 实例，结合 GIN 索引和 pgvector 扩展，同时支持关键词匹配和语义检索。

效果很直接：规范化数据模型使写入负载减少了 10 倍，存储和索引成本节省将近 80%，平台每天能够处理数百万搜索请求，价格、库存、折扣信息实时更新。

流媒体与云原生：Netflix 迁移至 Aurora PostgreSQL

Netflix 将其关系型数据库基础设施从 EC2 上自主管理的 PostgreSQL 迁移至 Amazon Aurora PostgreSQL，性能提升高达 75%，成本降低 28%。

具体到微服务层面，Spinnaker 持续交付平台的平均延迟降低了 50%，从 67.57 毫秒降至 41.70 毫秒；策略引擎服务的关键端点延迟下降了 75%，从 26.72 毫秒缩短至 6.51 毫秒。

Netflix 团队评价说："我们不再需要在 EC2 上构建和部署自定义二进制文件。转向托管型 Aurora PostgreSQL，让我们能够专注于业务逻辑和数据访问模式。"

三星电子也将超过 11 亿用户从传统 Oracle 数据库迁移至 Aurora 平台，松下航空电子公司迁移后成本降低 80%。

SaaS 与 AI：Supabase 与向量搜索

SaaS 领域，Supabase 完全基于托管 PostgreSQL 构建，估值达到 50 亿美元 。Databricks 以 10 亿美元收购 Neon ，Snowflake 以 2.5 亿美元收购 Crunchy Data------这些都是围绕 PostgreSQL 构建 AI 应用基础设施的十亿美元级押注。

AI 应用方面，pgvector 让团队可以将 AI 数据与关系数据放在同一个数据库中，无需独立的向量基础设施。构建 RAG 管道、语义搜索、基于嵌入的推荐时，业务数据、向量、元数据统一存储，事务一致，运维简单。

三、迁移收益：从 Oracle/MySQL 到 PG 到底省多少？

迁移的核心驱动力通常是成本。以下是几个真实数据点：

某金融平台因 Oracle 许可证费用过高，迁移至 PostgreSQL 后年成本降低 60%。
某中型企业测算，替换 Oracle 后5 年 IT 预算节省超 3000 万元，相当于每年节省一个中型研发团队的成本；从 Oracle Exadata 的 500 万元/套降至 PostgreSQL 集群的 150 万元/套。
一家欧洲铁路平台迁移至 PG 后，Oracle 许可和维护费用降低超过 80%。
某项目迁移一次性成本 90 万美元，年运行成本 25 万美元，约 1.6 年回本，5 年节省约 185 万美元。

成本之外，技术收益同样显著。某互联网银行实测数据显示，相同硬件配置下，PostgreSQL 处理复杂事务的吞吐量是 Oracle 的 1.8 倍 ，资源利用率仅为后者的 65%。在包含 15 张关联表的复杂查询场景中，PostgreSQL 的执行效率是 MySQL 的 3.2 倍。

四、选型建议：什么时候适合用 PG，什么时候不适合

PG 很强，但不是万能的。以下是根据实践总结的边界：

适合的场景：

需要强 ACID 事务保证的业务系统（金融、电商、ERP）；
多模态数据需求（关系数据 + JSONB + 向量 + 地理 + 时序）；
希望减少数据库种类、降低运维复杂度的团队；
从 Oracle/MySQL 迁移，追求成本优化和生态开放；
AI 应用需要将向量检索与业务数据统一存储。

需要谨慎的场景：

超大规模水平写入：单主库模型在超过约 5 万写入/秒时可能成为瓶颈，CockroachDB、Cassandra 等分布式方案更合适；
极灵活文档模型：如果 schema 每周都在变化，且完全不需要事务和 JOIN，MongoDB 的文档模型可能更高效；
超低延迟缓存：Redis 在内存中运行，亚毫秒级延迟，PG 的磁盘设计无法在热路径缓存上竞争；
纯 OLAP 大规模分析 ：行存储对分析查询不友好，SELECT COUNT(*) 在大表上会很慢，需要列式存储或专用数据仓库。

五、总结

PostgreSQL 的市场地位可以用一句话概括：它是头部数据库中唯一仍在增长的传统关系型数据库，也是 AI 时代扩展性最强的数据平台。

从平安的千实例到 Instacart 的搜索重构，从 Netflix 的 75% 性能提升到 Supabase 的 50 亿美元估值，这些案例共同说明一件事：PG 的价值不在于"什么都最强"，而在于"什么都能做，而且做得不错"。它用扩展机制把向量、地理、时序、JSON、搜索都纳入了同一个事务边界内，让团队可以用一个数据库解决大部分数据问题。

一句话：PostgreSQL 不是每个场景的最优解，但它是"减少数据库种类"这个目标的最优解。

下一篇，我们进入环境搭建实操：Linux、Windows、macOS 安装 PostgreSQL，以及那些安装部署时最容易踩的坑。

思考题：

你现在的项目用了几个数据库？如果只保留一个 PostgreSQL，哪些场景会被影响？哪些场景其实反而会变得更简单？欢迎在评论区聊聊。