postgresql和mysql对比

一、数据类型对比

  1. 大小写敏感:mysql是不区分大小写的,postgresql是区分大小写的

  2. postgresql支持的高级类型:

    复制代码
    数组
    范围类型
    网络类型:存储IP地址
    UUID
    自定义类型
  3. Json支持:PG 的 jsonb GIN 索引是倒排索引,写入时将 JSON 拆成 key-value 条目,索引整个文档,支持包含查询、key 存在、标签匹配,好处是不用预先定义查询路径;代价是写入慢、索引大。 MySQL 没有原生 JSON 文档索引,依靠生成列提取固定 JSON 路径的值,再建 B 树索引,性能稳定,但查询路径必须提前定义,新增查询 key 无法复用索引。

    JSON 维度 MySQL PostgreSQL
    类型 JSON(二进制优化) json(纯文本)/ jsonb(二进制、按 key 排序)
    索引 JSON 列不可直接建索引,需生成列 + 普通索引或函数索引 jsonb 可直接建 GIN 索引(含表达式索引)
    查询 JSON_EXTRACT()、->、->>、JSON_TABLE ->/->>/#>, @>、`?(支持包含查询)
    更新 JSON_SET / JSON_ARRAY 等函数 jsonb_set、级联路径更新
    性能 解析为文本再处理 jsonb 为二进制(预处理),查询速度明显优势

二、简单查询VS复杂查询

(1)为什么 MySQL(InnoDB)简单读写 更快

1. MVCC 实现策略不同

  • MySQL‑InnoDB :undo log 放在回滚段,旧版本数据不在数据表堆里,访问当前版本行几乎不需要扫描多版本元数据;简单查询直接拿最新可见版本,开销很小。MVCC 偏向 "轻量处理普通事务",牺牲部分复杂场景能力换取简单 SQL 速度。
  • PostgreSQL MVCC :行多版本直接存在数据表堆表中(HOT 机制优化,但基础模型不变),同一条数据的多个历史版本物理共存。简单查询时,PG 需要检查行的xmin/xmax事务元数据过滤不可见版本,每条行都要做事务可见性判断,单条简单查询就多出 CPU 开销。

PG 优势:写不阻塞读,长事务对读友好;代价就是简单查询每条行都要做版本校验,小 QPS 简单场景 CPU 消耗高于 InnoDB。

2. 执行器设计取舍

  • MySQL 优化器、执行器做了大量针对单表、简单 join、简单条件 的轻量化裁剪。不做复杂重写、不做高阶统计推导;对于 CRUD 这种简单 SQL,优化器解析、生成执行计划非常快,计划生成成本低。
  • PostgreSQL 优化器是重量级基于代价的优化器 ,哪怕简单 SQL,也会枚举更多候选执行计划,统计更多代价模型;计划生成耗时更高。复杂 SQL 时优势巨大,但简单小查询就会带来额外 CPU 损耗。

3. 存储引擎架构

InnoDB 是聚簇索引,主键和数据行在一起;主键查询、根据索引回表逻辑高度优化。互联网绝大多数业务都是:按 id 查、少量条件过滤,非常契合 InnoDB 的设计,缓存命中时性能很高。

(2)为什么 PostgreSQL 复杂查询更强

1. SQL 标准完整,内置高级能力

原生支持:CTE 递归、LATERAL 关联、完整窗口函数、集合高级操作;MySQL8.0 虽然补齐部分,但实现版本较新,优化器对这些特性支持有限。复杂业务不需要写大量变通、迂回 SQL,数据库原生理解语义,生成更优计划。

2. 强大的基于代价查询优化器

PG 优化器会枚举大量连接顺序、连接算法(嵌套循环、hash join、merge join),估算多表关联代价。面对多表 join、子查询展开、视图、表达式索引,可以选出更合理执行计划。

MySQL 优化器在多表数量变多后,枚举空间会做限制,容易选出较差 join 顺序,大关联查询性能暴跌。

3. 并行查询能力

PG 支持SQL 语句内并行:单条大查询,扫描、聚合、join 可以拆分成多个进程并行执行;做报表、大统计、大数据量分析查询收益巨大。MySQL 并行能力非常有限,主要局限于部分扫描场景,复杂 SQL 很难用上并行加速。

4. 半结构化数据:JSONB 二进制存储

  • PG 的jsonb:二进制解析存储,支持 GIN/GIST 索引,可以直接对 JSON 内部字段做过滤、排序、包含查询,索引效率高。
  • MySQL JSON 本质是文本存储,解析开销高,JSON 内部字段索引能力弱。业务大量嵌套 JSON 数据,PG 性能碾压 MySQL。

5. 可扩展内核

  • 可以自定义数据类型、操作符、自定义函数、索引访问方法。典型代表PostGIS空间地理数据库,直接在内核层面支持地理计算;MySQL GIS 只是附加功能,性能差距大。向量检索、全文检索 PG 也是内置扩展,不需要引入额外中间件。

6. MVCC 对写密集复杂事务场景更友好

PG MVCC 模型,在长事务、大量更新、混合读写的复杂业务,不会出现 InnoDB 的 undo log 膨胀、回滚段相关的一些瓶颈;写密集并且伴随复杂查询的场景表现更好。代价就是简单小查询有版本判断开销。

三、技术选型postgresql VS mysql

  1. 需要复杂数据类型的选postgresql
  2. 复杂关系、约束和查询的选postgresql
  3. 需要向量检索和全文检索的选postgresql
  4. 传统 Web 应用、管理后台、电商、订单系统等以常规增删改查(CRUD)为主的业务,使用Mysql就行
相关推荐
数据库急诊室_阿哲1 小时前
一次割接后的性能复核记录:基线、样本、回滚点
运维·数据库·dba
保利威视频SaaS小张2 小时前
企业直播接入笔记 12|企业内训直播怎么做签到和学时统计,防挂机这件事比想象中难
java·前端·数据库·笔记·视频云·polvy·polyv
codeejun3 小时前
每日一Go·MySQL-15、慢查询日志实战分析(从 0 到 1 实战排查慢 SQL)
sql·mysql·golang
顧棟4 小时前
【ES实战】 索引模板「可追溯、可校验」:一种模板治理的工程化思路
java·数据库·elasticsearch
Decay__5 小时前
SQLServer 监控体系构建 —— sql_exporter + Prometheus + Grafana 全栈实战
运维·数据库·sql·mysql·架构
tianyuanwo5 小时前
NocoDB 系统手册:PostgreSQL 主机资产管理的界面层实施方案
数据库·postgresql·oracle
飞奔的瓜牛5 小时前
Nacos 三节点集群部署手册:MySQL 持久化 + Nginx 负载均衡
mysql·nginx·负载均衡
Umi·5 小时前
MySQL之多表关联查询练习
数据库·mysql
实泽有之,无泽虚之6 小时前
Windows环境bat脚本自动备份MySQL数据库并清理旧备份文件
数据库·mysql