在PostgreSQL中存储字符串的最简洁、最快速的方法

比较这两张10M记录表:

create table test (a int8 not null, b int8 not null, primary key(a,b));
insert into test
  select generate_series(1,10000000), generate_series(1,10000000);
select pg_size_pretty(pg_total_relation_size('test'));

723 MB

create table test_bytea (a bytea not null);
insert into test_bytea
  select decode(lpad(to_hex(a),16,'0')||lpad(to_hex(b),16,'0'),'hex') from test;
alter table test_bytea add primary key (a);
select pg_size_pretty(pg_total_relation_size('test_bytea'));

804 MB

A bytea 2*int8 . 这并不多,但意味着缓存中的行将减少11%。顺序扫描会慢11%等等。

如果您的数据没有改变,也许您应该考虑使用排序值的平面文件存储而不是数据库-这将是每10M记录只有152MB,搜索将是O(log(n))。

为了确定合适的数据类型,您必须确定数据最常用的用途。脱离数据类型的转换意味着引用该列的索引是无用的。

我怀疑BYTEA在空间上要小2倍,在比较上要快2倍<,=)与VARCHAR表示法相比。

在其他数据库引擎中,甚至可以避免长度头开销。例如:

MS-SQL:   BINARY(16)
Oracle:   RAW(16)
MySQL:    BINARY(16)

或者如果您喜欢长度标题:

MS-SQL:   VARBINARY(16)
Oracle:   BLOB
MySQL:    VARBINARY(16)