postgres-schema-design

PostgreSQL 表设计

核心规则

• 为引用表（用户、订单等）定义 PRIMARY KEY。时间序列／事件／日志数据不一定需要主键。使用主键时，优先选择 BIGINT GENERATED ALWAYS AS IDENTITY；仅在需要全局唯一性或不透明性时使用 UUID。
• 先规范化（达到 3NF），以消除数据冗余和更新异常；仅在经过验证的高投资回报读取场景中，且已证明连接性能存在问题时才反规范化。过早反规范化会增加维护负担。
• 在语义上确有必要的地方添加 NOT NULL；常用值使用 DEFAULT。
• 针对实际查询的访问路径创建索引：主键／唯一约束（自动创建）、外键列（手动创建！）、常用筛选／排序字段以及连接键。
• 事件时间优先使用 TIMESTAMPTZ；金额使用 NUMERIC；字符串使用 TEXT；整数值使用 BIGINT，浮点数使用 DOUBLE PRECISION（或在需要精确十进制运算时使用 NUMERIC）。

PostgreSQL“注意事项”

• 标识符：未加引号的标识符会转换为小写。避免使用带引号／大小写混合的名称。约定：表名和列名使用 snake_case。
• 唯一约束 + NULL：UNIQUE 允许存在多个 NULL。使用 UNIQUE (...) NULLS NOT DISTINCT（PG15+）可将 NULL 限制为一个。
• 外键索引：PostgreSQL 不会自动为外键列创建索引。请手动添加。
• 不会静默转换：长度／精度溢出会报错（不会截断）。例如，向 NUMERIC(2,0) 插入 999 会失败并报错，而某些数据库会静默截断或舍入。
• 序列／identity 会有间隙（这是正常现象，无需“修复”）。回滚、崩溃和并发事务都会导致 ID 序列出现间隙（1、2、5、6……）。这是预期行为，不要试图让 ID 连续。
• 堆存储：默认情况下，主键不会使数据聚簇（不同于 SQL Server／MySQL InnoDB）；CLUSTER 是一次性重组，后续插入不会自动维护聚簇。除非显式执行聚簇操作，否则磁盘上的行顺序就是插入顺序。
• MVCC：更新／删除会留下死元组，由 vacuum 处理。设计时应避免频繁改动宽行。

数据类型

• ID：优先使用 BIGINT GENERATED ALWAYS AS IDENTITY（GENERATED BY DEFAULT 也可以）；在合并、联合或分布式系统中使用，或需要不透明 ID 时，使用 UUID。使用 uuidv7()（PG18+ 首选）或 gen_random_uuid()（较旧的 PG 版本）生成。
• 整数：除非存储空间至关重要，否则优先使用 BIGINT；较小范围使用 INTEGER；除非有限制，否则避免使用 SMALLINT。
• 浮点数：除非存储空间至关重要，否则优先使用 DOUBLE PRECISION，而非 REAL。精确十进制运算使用 NUMERIC。
• 字符串：优先使用 TEXT；需要长度限制时，使用 CHECK (LENGTH(col) <= n)，而不是 VARCHAR(n)；避免使用 CHAR(n)。二进制数据使用 BYTEA。较大的字符串或二进制数据（默认阈值 >2KB）会自动压缩并存储在 TOAST 中。TOAST 存储方式：PLAIN（不使用 TOAST）、EXTENDED（压缩并存储在行外）、EXTERNAL（存储在行外，不压缩）、MAIN（压缩，并尽可能保留在行内）。默认的 EXTENDED 通常最优。使用 ALTER TABLE tbl ALTER COLUMN col SET STORAGE strategy 控制存储方式，使用 ALTER TABLE tbl SET (toast_tuple_target = 4096) 设置阈值。大小写不敏感：处理区域设置或重音时，使用非确定性排序规则；处理纯 ASCII 时，使用基于 LOWER(col) 的表达式索引（除非列需要大小写不敏感的 PK/FK/UNIQUE，否则优先选用）或 CITEXT。
• 金额：使用 NUMERIC(p,s)（绝不使用浮点数）。
• 时间：时间戳使用 TIMESTAMPTZ；仅含日期的值使用 DATE；时长使用 INTERVAL。避免使用 TIMESTAMP（不含时区）。事务开始时间使用 now()，当前实际时间使用 clock_timestamp()。
• 布尔值：使用 BOOLEAN，并添加 NOT NULL 约束，除非需要三态值。
• 枚举：对于数量少且稳定的集合（例如美国各州、一周中的各天），使用 CREATE TYPE ... AS ENUM。对于由业务逻辑驱动且不断变化的值（例如订单状态），使用 TEXT（或 INT）+ CHECK，或使用查找表。
• 数组：使用 TEXT[]、INTEGER[] 等。适用于需要查询元素的有序列表。对于包含（@>、<@）和重叠（&&）查询，使用 GIN 索引。访问方式：arr[1]（从 1 开始索引）、arr[1:3]（切片）。适用于标签、类别；避免用于关系，应改用联结表。字面量语法：'{val1,val2}' 或 ARRAY[val1,val2]。
• 范围类型：使用 daterange、numrange、tstzrange 表示区间。支持重叠（&&）、包含（@>）等运算符。使用 GiST 索引。适用于排程、版本控制和数值范围。选择一种边界方案并始终保持一致；默认优先使用 [)（包含下界，不包含上界）。
• 网络类型：IP 地址使用 INET，网络范围使用 CIDR，MAC 地址使用 MACADDR。支持网络运算符（<<、>>、&&）。
• 几何类型：2D 空间数据使用 POINT、LINE、POLYGON、CIRCLE。使用 GiST 索引。高级空间功能可考虑使用 PostGIS。
• 文本搜索：全文搜索文档使用 TSVECTOR，搜索查询使用 TSQUERY。使用 GIN 为 tsvector 建立索引。始终指定语言：to_tsvector('english', col) 和 to_tsquery('english', 'query')。绝不使用单参数版本。此要求适用于索引表达式和查询。
• 域类型：使用 CREATE DOMAIN email AS TEXT CHECK (VALUE ~ '^[^@]+@[^@]+$') 创建可复用且带验证的自定义类型。可在多个表中强制执行约束。
• 复合类型：使用 CREATE TYPE address AS (street TEXT, city TEXT, zip TEXT) 表示列中的结构化数据。使用 (col).field 语法访问。
• JSONB：优先于 JSON；使用 GIN 索引。仅用于可选或半结构化属性。只有在必须保留内容的原始顺序时，才使用 JSON。
• 向量类型：使用 pgvector 提供的 vector 类型进行嵌入向量相似度搜索。

不要使用以下数据类型

• 不要使用 timestamp（不带时区）；应使用 timestamptz。
• 不要使用 char(n) 或 varchar(n)；应使用 text。
• 不要使用 money 类型；应使用 numeric。
• 不要使用 timetz 类型；应使用 timestamptz。
• 不要使用 timestamptz(0) 或任何其他精度声明；应使用 timestamptz。
• 不要使用 serial 类型；应使用 generated always as identity。

表类型

• 常规表：默认类型；完全持久化，并记录日志。
• 临时表：限定于会话范围，自动删除，不记录日志。适合临时工作，速度更快。
• 非日志表：持久化，但无法在崩溃后保证安全。写入速度更快；适合缓存或暂存。

行级安全性

使用 ALTER TABLE tbl ENABLE ROW LEVEL SECURITY 启用。创建策略：CREATE POLICY user_access ON orders FOR SELECT TO app_users USING (user_id = current_user_id())。内置基于用户的行级访问控制。

约束

• 主键：隐式包含 UNIQUE + NOT NULL；会创建 B-tree 索引。
• 外键：指定 ON DELETE/UPDATE 操作（CASCADE、RESTRICT、SET NULL、SET DEFAULT）。在引用列上显式添加索引，以加快联接并避免删除或更新父记录时出现锁定问题。对于循环外键依赖，使用 DEFERRABLE INITIALLY DEFERRED，在事务结束时检查。
• 唯一约束：会创建 B-tree 索引；除非使用 NULLS NOT DISTINCT（PG15+），否则允许多个 NULL。标准行为：允许 (1, NULL) 和 (1, NULL)。使用 NULLS NOT DISTINCT 时，只允许一个 (1, NULL)。除非确实需要重复的 NULL，否则优先使用 NULLS NOT DISTINCT。
• 检查约束：行级约束；NULL 值会通过检查（三值逻辑）。示例：CHECK (price > 0) 允许价格为 NULL。结合 NOT NULL 可强制要求：price NUMERIC NOT NULL CHECK (price > 0)。
• 排除约束：使用运算符防止值重叠。EXCLUDE USING gist (room_id WITH =, booking_period WITH &&) 可防止房间被重复预订。需要合适的索引类型（通常是 GiST）。

索引

• B-tree：等值和范围查询的默认索引（=、<、>、BETWEEN、ORDER BY）
• 复合索引：顺序很重要——如果对最左前缀进行等值查询，就会使用该索引（WHERE a = ? AND b > ? 会使用 (a,b) 上的索引，但 WHERE b = ? 不会）。将选择性最高或最常用于筛选的列放在前面。
• 覆盖索引：CREATE INDEX ON tbl (id) INCLUDE (name, email) - 包含非键列，以便仅通过索引扫描，而无需访问表。
• 部分索引：适用于热点子集（WHERE status = 'active' → CREATE INDEX ON tbl (user_id) WHERE status = 'active'）。任何包含 status = 'active' 的查询都可以使用此索引。
• 表达式索引：适用于计算后的搜索键（CREATE INDEX ON tbl (LOWER(email))）。表达式必须与 WHERE 子句完全匹配：WHERE LOWER(email) = '[email protected]'。
• GIN：JSONB 包含/存在性查询、数组（@>、?）、全文搜索（@@）
• GiST：范围、几何数据、排除约束
• BRIN：适用于超大型、自然排序的数据（时间序列），存储开销极小。当磁盘上的行顺序与索引列相关时（按插入顺序排列或执行 CLUSTER 后），效果良好。

分区

• 适用于超大表（>1 亿行），且查询始终按分区键（通常是时间/日期）过滤的场景。
• 另一种用途：适用于数据维护任务要求定期清理或批量替换数据的表。
• RANGE：常见于时间序列（PARTITION BY RANGE (created_at)）。创建分区：CREATE TABLE logs_2024_01 PARTITION OF logs FOR VALUES FROM ('2024-01-01') TO ('2024-02-01')。TimescaleDB 通过保留策略和压缩实现基于时间或基于 ID 的分区自动化。
• LIST：用于离散值（PARTITION BY LIST (region)）。示例：FOR VALUES IN ('us-east', 'us-west')。
• HASH：在没有自然键时用于均匀分布（PARTITION BY HASH (user_id)）。按模数创建 N 个分区。
• 约束排除：需要分区上存在 CHECK 约束，查询规划器才能进行剪枝。声明式分区（PG10+）会自动创建。
• 优先使用声明式分区或超表。不要使用表继承。
• 限制：没有全局 UNIQUE 约束——需将分区键包含在 PK/UNIQUE 中。不支持来自分区表的外键；请使用触发器。

特殊注意事项

更新密集的表

• 分离热/冷列——将频繁更新的列放入单独的表，以尽量减少膨胀。
• 使用 fillfactor=90 为可避免索引维护的 HOT 更新留出空间。
• 避免更新已建索引的列——这会阻止有益的 HOT 更新。
• 按更新模式分区——将频繁更新的行放入与稳定数据不同的分区。

插入密集型工作负载

• 尽量减少索引——只创建查询所需的索引；每个索引都会拖慢插入。
• 使用 COPY 或多行 INSERT 代替单行插入。
• UNLOGGED 表用于可重建的暂存数据——写入快得多。
• 延迟创建索引用于批量加载——删除索引、加载数据、重建索引。
• 按时间/哈希分区以分散负载。TimescaleDB 可自动完成插入密集型数据的分区和压缩。
• 使用自然键作为主键，例如 (timestamp, device_id)，如果强制全局唯一性很重要——许多插入密集型表根本不需要主键。
• 如果确实需要代理键，优先使用 BIGINT GENERATED ALWAYS AS IDENTITY 而非 UUID。

友好的 Upsert 设计

• 冲突目标列上需要 UNIQUE 索引——ON CONFLICT (col1, col2) 需要精确匹配的唯一索引（部分索引无效）。
• 使用 EXCLUDED.column 引用本应插入的值；仅更新实际发生变化的列，以减少写入开销。
• DO NOTHING 更快于 DO UPDATE，当不需要实际更新时。

安全的架构演进

• 事务性 DDL：大多数 DDL 操作可在事务中运行并回滚——BEGIN; ALTER TABLE...; ROLLBACK; 可安全测试。
• 并发创建索引：CREATE INDEX CONCURRENTLY 避免阻塞写入，但不能在事务中运行。
• 易变默认值会导致重写：添加带有易变默认值（例如 now()、gen_random_uuid()）的 NOT NULL 列会重写整个表。非易变默认值则很快。
• 先删除约束再删除列：先 ALTER TABLE DROP CONSTRAINT 再 DROP COLUMN，以避免依赖问题。
• 函数签名变更：使用不同参数执行 CREATE OR REPLACE 会创建重载，而非替换。如果不需要重载，请 DROP 旧版本。

生成列

• ... GENERATED ALWAYS AS (<expr>) STORED 用于可计算、可索引的字段。PG18+ 新增 VIRTUAL 列（读取时计算，不存储）。

扩展

• pgcrypto：用于密码哈希的 crypt()。
• uuid-ossp：可替代的 UUID 函数；新项目优先使用 pgcrypto。
• pg_trgm：使用 % 运算符和 similarity() 函数进行模糊文本搜索。使用 GIN 建立索引，以加速 LIKE '%pattern%' 查询。
• citext：不区分大小写的文本类型。除非需要不区分大小写的约束，否则优先在 LOWER(col) 上建立表达式索引。
• btree_gin/btree_gist：支持混合类型索引（例如，在 JSONB 和文本列上建立 GIN 索引）。
• hstore：键值对；其用途大多已被 JSONB 取代，但适用于简单的字符串映射。
• timescaledb：时间序列必备工具，支持自动分区、数据保留、压缩和连续聚合。可自托管，也可在 Tiger Cloud 上使用。
• postgis：提供超越基本几何类型的全面地理空间支持，是基于位置的应用必备工具。
• pgvector：用于嵌入向量的相似性搜索。
• pgaudit：记录所有数据库活动的审计日志。

JSONB 指南

• 优先为 JSONB 使用 GIN 索引。
• 默认用法：CREATE INDEX ON tbl USING GIN (jsonb_col); → 可加速：
  • 包含 jsonb_col @> '{"k":"v"}'
  • 键存在性 jsonb_col ? 'k'、任意/所有键 ?\|、?&
  • 嵌套文档的路径包含
  • 析取查询 jsonb_col @> ANY(ARRAY['{"status":"active"}', '{"status":"pending"}'])
• 对于大量使用 @> 的工作负载，可考虑使用运算符类 jsonb_path_ops，以建立更小、速度更快的仅支持包含查询的索引：
  • CREATE INDEX ON tbl USING GIN (jsonb_col jsonb_path_ops);
  • 权衡：不再支持键存在性查询（?、?|、?&），仅支持包含查询（@>）。
• 对特定标量字段进行相等/范围查询：提取该字段并使用 B-tree 建立索引（生成列或表达式索引）：
  • ALTER TABLE tbl ADD COLUMN price INT GENERATED ALWAYS AS ((jsonb_col->>'price')::INT) STORED;
  • CREATE INDEX ON tbl (price);
  • 优先使用 WHERE price BETWEEN 100 AND 500（使用 B-tree）这类查询，而不是在未建索引时使用 WHERE (jsonb_col->>'price')::INT BETWEEN 100 AND 500。
• JSONB 中的数组：使用 GIN + @> 进行包含查询（例如，查询标签）。如果只进行包含查询，可考虑使用 jsonb_path_ops。
• 核心关系应存放在表中；可选或可变属性则使用 JSONB。
• 使用约束限制列中允许的 JSONB 值，例如 config JSONB NOT NULL CHECK(jsonb_typeof(config) = 'object')

示例

用户

CREATE TABLE users (
  user_id BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
  email TEXT NOT NULL UNIQUE,
  name TEXT NOT NULL,
  created_at TIMESTAMPTZ NOT NULL DEFAULT now()
);
CREATE UNIQUE INDEX ON users (LOWER(email));
CREATE INDEX ON users (created_at);

订单

CREATE TABLE orders (
  order_id BIGINT GENERATED ALWAYS AS IDENTITY PRIMARY KEY,
  user_id BIGINT NOT NULL REFERENCES users(user_id),
  status TEXT NOT NULL DEFAULT 'PENDING' CHECK (status IN ('PENDING','PAID','CANCELED')),
  total NUMERIC(10,2) NOT NULL CHECK (total > 0),
  created_at TIMESTAMPTZ NOT NULL DEFAULT now()
);
CREATE INDEX ON orders (user_id);
CREATE INDEX ON orders (created_at);

JSONB

CREATE TABLE profiles (
  user_id BIGINT PRIMARY KEY REFERENCES users(user_id),
  attrs JSONB NOT NULL DEFAULT '{}',
  theme TEXT GENERATED ALWAYS AS (attrs->>'theme') STORED
);
CREATE INDEX profiles_attrs_gin ON profiles USING GIN (attrs);