别再死磕MySQL了,AI时代这个数据库更香!

点击关注公众号，Java干货及时送达

最近帮几个刚入行的朋友做技术指导，发现一个普遍现象：很多人从大学学完MySQL之后，就再也没碰过别的数据库了。

到了工作中，遇到一些复杂业务场景，用MySQL去硬撑，搞得焦头烂额。

说实话，PostgreSQL这几年在企业级应用中的普及速度非常快。

2026年DB-Engines排名显示，PostgreSQL稳坐全球第四大数据库的宝座，仅次于Oracle、MySQL和SQL Server。

今天，我就用一篇文章跟大家一起聊聊PostgreSQL，希望对你会有所帮助。

最近建了一些AI技术交流群，加我微信：li_su223，备注：AI，即可进群交流和学习，获取最新咨询。

一、先说一个扎心的事实

有些小伙伴在工作中可能会说：“我用MySQL用了好几年了，感觉也挺好的啊，为什么要学PostgreSQL？”

我举个简单的例子：假如你的电商系统需要查询“2024年每个季度销售额排名前3的商品”，用MySQL写这个SQL起码20行起步，各种嵌套子查询、窗口函数疯狂套娃。

而PostgreSQL原生就支持RANK()窗口函数，10行代码轻松搞定。

这不叫花里胡哨，这叫生产力。

数据库的选型，决定着你未来无数个加班的夜晚是不是真的在“用代码解决问题”，还是在“跟数据库做斗争”。

而且，国内外很多大厂都已经在从MySQL向PostgreSQL迁移了。

Apple、Instagram、Uber、Reddit，甚至阿里巴巴的部分业务线，都在逐步拥抱PostgreSQL。

这背后是有原因的——简单来说，MySQL适合80%的普通场景，而PostgreSQL适合剩下那20%复杂至极、对数据一致性要求极高的“硬骨头”。

二、PostgreSQL到底是什么？

PostgreSQL是一个功能强大的开源关系型数据库管理系统，它起源于1986年加州大学伯克利分校的POSTGRES项目。

经过近40年的发展，它已经成长为全球最先进的开源数据库之一。

它的核心特性有这么几个：

• 完全开源：遵循PostgreSQL许可证，可以自由使用、修改和分发。
• 高度可扩展：支持自定义数据类型、函数、操作符和索引方法。
• 标准兼容性强：对SQL:2023标准的兼容度超过90%，完整支持窗口函数、公共表表达式（CTE）、全文搜索等高级SQL特性。
• 多版本并发控制（MVCC） ：读写互不阻塞，完美解决了高并发场景下的锁争用问题。
• 丰富的扩展生态：提供PostGIS（地理信息系统）、pgvector（向量检索）、TimescaleDB（时序数据）等行业级扩展。

PostgreSQL和MySQL两者最根本的差异，我用一张图帮你理清楚：

简单来说，一个擅长“全都要”，什么都能干；另一个擅长“一招鲜”，在特定场景下做到极致。

三、环境搭建

咱们先把环境弄起来。

PostgreSQL可以在Linux、Windows、macOS等各种操作系统上运行。

生产环境建议内存至少8GB以上。

3.1 Windows用户

对于Windows新手，推荐使用官方图形化安装包。

步骤如下：

1. 访问postgresql.org/download，下载Windows安装包
2. 双击运行，一路Next
3. 设置安装路径（默认C:\Program Files\PostgreSQL\16）
4. 设置超级用户（postgres）密码——切记记住这个密码！
5. 设置端口（默认5432，一般不改）
6. 选择区域，建议选Chinese (Simplified)或English_United States
7. 安装完成后勾选Launch Stack Builder可以跳过
8. 打开CMD或PowerShell，输入psql -U postgres，输入密码，看到postgres=#提示符即为成功

3.2 macOS用户

macOS推荐使用Homebrew安装：

# 安装PostgreSQLbrew install postgresql# 启动服务brew services start postgresql# 连接数据库psql postgres

如果不习惯用命令行，也可以去官网下载.dmg安装包，拖拽到Applications即可。

3.3 Linux用户（Ubuntu/Debian）

Ubuntu用户推荐从官方仓库安装，确保版本最新：

# 添加官方仓库sudo sh -c 'echo "deb http://apt.postgresql.org/pub/repos/apt $(lsb_release -cs)-pgdg main" > /etc/apt/sources.list.d/pgdg.list'wget --quiet -O - https://www.postgresql.org/media/keys/ACCC4CF8.asc | sudo apt-key add -# 更新并安装sudo apt updatesudo apt install postgresql postgresql-contrib# 启动服务sudo systemctl start postgresql# 切换到postgres用户sudo -i -u postgrespsql

3.4 安装验证

无论哪个系统，安装完成后可以用下面这个命令快速验证：

SELECTversion();

看到类似“PostgreSQL 16.x”的输出，恭喜你，安装成功了！

四、基础SQL全掌握

4.1 数据库基本操作

-- 创建数据库CREATEDATABASE mydb;-- 查看所有数据库\l-- 切换到指定数据库\c mydb-- 创建用户并授权CREATEUSER myuser WITHPASSWORD'mypass';GRANTALLPRIVILEGESONDATABASE mydb TO myuser;-- 删除数据库（生产环境慎用）DROPDATABASE mydb;

4.2 数据类型详解

PostgreSQL支持的数据类型非常丰富，远超MySQL：

4.3 创建表和约束

-- 创建商品表CREATETABLE products (idSERIAL PRIMARY KEY,                    -- 自增主键nameVARCHAR(200) NOTNULL,               -- 商品名，非空    price NUMERIC(10,2) CHECK (price > 0),    -- 价格必须大于0    stock INTEGERDEFAULT0,                  -- 库存，默认0categoryVARCHAR(50),    tags TEXT[],                              -- 数组类型存标签    created_at TIMESTAMPTZ DEFAULTNOW()      -- 带时区的时间戳);

4.4 基本的增删改查

-- 插入数据INSERTINTO products (name, price, stock, category, tags)VALUES ('机械键盘', 399.00, 50, '外设', ARRAY['键盘', '电竞']),       ('无线鼠标', 129.00, 100, '外设', ARRAY['鼠标', '无线']);-- 查询数据SELECT * FROM products WHERE price BETWEEN100AND500;-- 更新数据UPDATE products SET stock = stock - 1WHEREid = 1;-- 删除数据DELETEFROM products WHERE stock = 0;

五、MVCC多版本并发控制

这就是MVCC（Multi-Version Concurrency Control）的功劳。

PostgreSQL的并发承诺非常简单：读永远不阻塞写，写永远不阻塞读。

5.1 MVCC核心原理

PostgreSQL中，每个事务都会获得一个唯一的事务ID，称为XID。

MVCC的核心区别在于：MySQL通过锁机制实现，读数据时可能会被写操作阻塞；而PostgreSQL通过快照隔离实现，永远不会有读写互锁。

XMIN和XMAX是两个隐藏字段，每个数据行都有。插入时写入XMIN（创建这个版本的事务ID），更新/删除时写入XMAX（删除这个版本的事务ID），通过比较XID就可以判断事务的可见性。

5.2 事务隔离级别

PostgreSQL支持四种隔离级别，默认是READ COMMITTED，同时也提供了严格的SERIALIZABLE级别：

• READ UNCOMMITTED：实际上等同于READ COMMITTED
• READ COMMITTED（默认）：查询只能看到已提交的数据
• REPEATABLE READ：保证在同一事务内多次查询结果一致
• SERIALIZABLE：最高隔离级别，使用可序列化快照隔离（SSI），能真正防止幻读和写偏序异常

如果两个事务同时修改同一行，PostgreSQL会如何处理？

这在SERIALIZABLE隔离级别下会抛错误，应用层可以选择重试或者放弃。

六、PostgreSQL的索引武器库

6.1 索引类型全家桶

MySQL主要依赖B-tree索引，而PostgreSQL提供了丰富的索引武器库：

B-tree是默认索引类型，但也是水最深的。比如查询LIKE '%keyword%'就不会走B-tree索引，这时候需要考虑GIN或全文搜索。

GIN索引实战：加速JSONB查询

PostgreSQL的JSONB类型配上GIN索引，查询性能可以提升几百倍：

-- 创建含JSONB字段的表CREATETABLE products (idSERIAL PRIMARY KEY,    details JSONB);-- 插入测试数据INSERTINTO products (details) VALUES('{"name": "Laptop", "specs": {"cpu": "i7", "ram": "16GB"}, "tags": ["electronics", "sale"]}'),('{"name": "Keyboard", "specs": {"switch": "mechanical", "connection": "wired"}, "tags": ["peripherals"]}');-- 不加索引的查询（慢）SELECT * FROM products WHERE details -> 'specs' ->> 'cpu' = 'i7';-- 创建GIN索引CREATEINDEX idx_products_details ON products USING GIN (details);-- 索引后的快速查询（快300倍）SELECT details -> 'name'ASname, details -> 'specs'AS specsFROM productsWHERE details @> '{"specs": {"cpu": "i7"}}';

这里的@>是JSONB包含操作符，利用GIN索引快速定位。

6.2 表达式索引和部分索引

PostgreSQL支持两种高级索引，MySQL需要复杂配置才能实现：

-- 表达式索引：按小写邮箱查询，避免写函数导致索引失效CREATEINDEX idx_users_lower_email ONusers (lower(email));-- 现在可以直接走索引SELECT * FROMusersWHERElower(email) = 'someone@example.com';-- 部分索引：只为活跃用户建索引，大大减少索引体积CREATEINDEX idx_users_active ONusers (email) WHERE active = true;

这两个特性的价值在于精准索引——不是所有数据都需要加速，只索引你最常查的那部分，存储和写入成本都降下来了。

6.3 执行计划分析

用EXPLAIN ANALYZE查看SQL的实际执行计划：

EXPLAIN (ANALYZE, BUFFERS) SELECT * FROM products WHERE price < 100;

输出中重点关注Seq Scan（全表扫描，慢）还是Index Scan（索引扫描，快）。

如果想在图形界面操作，可以用pgAdmin执行可视化诊断。

七、JSONB与全文搜索

7.1 让关系型数据库也能“非结构化”

JSONB把JSON数据解析成二进制结构存储，支持索引，查询性能远超MySQL的JSON类型。

JSONB的核心操作符：

-- 创建表CREATETABLE user_profiles (idSERIAL PRIMARY KEY,    profile JSONB);INSERTINTO user_profiles (profile) VALUES('{"name": "张三", "age": 30, "address": {"city": "北京", "zip": "100000"}, "skills": ["Java", "Python"]}'),('{"name": "李四", "age": 25, "address": {"city": "上海", "zip": "200000"}, "skills": ["Go", "Rust"]}');-- 查询：-> 返回JSON对象，->> 返回文本SELECT    profile -> 'name'AS name_json,    profile ->> 'name'AS name_text,    profile -> 'address' ->> 'city'AS cityFROM user_profiles;-- 条件查询：包含操作符 @>SELECT * FROM user_profiles WHERE profile @> '{"skills": ["Java"]}';-- JSON路径查询：用 #>> 直接定位SELECT profile #>> '{address,city}' FROM user_profiles;

7.2 全文搜索：让数据库变成搜索引擎

PostgreSQL内置了全文搜索引擎，使用tsvector（词位向量）和tsquery（查询表达式）两个核心类型：

-- 创建测试表CREATETABLE articles (idSERIAL PRIMARY KEY,    title TEXT,contentTEXT);INSERTINTO articles (title, content) VALUES('PostgreSQL 全文搜索入门', '全文搜索让PostgreSQL能像搜索引擎一样检索文本'),('JSONB 实战指南', 'JSONB类型支持高效的半结构化数据存储和查询');-- 基础全文搜索SELECT title FROM articlesWHERE to_tsvector('english', title || ' ' || content) @@ to_tsquery('english', 'search');-- 最佳实践：创建GIN索引加速全文搜索ALTERTABLE articles ADDCOLUMN search_vector tsvectorGENERATEDALWAYSAS (to_tsvector('english', title || ' ' || content)) STORED;CREATEINDEX idx_articles_search ON articles USING GIN(search_vector);-- 按相关度排序SELECT title, ts_rank(search_vector, query) ASrankFROM articles, to_tsquery('english', 'search') queryWHERE search_vector @@ queryORDERBYrankDESC;

GENERATED ALWAYS AS ... STORED是PostgreSQL的一个巧妙设计——生成列自动维护，查询时直接用，不用每次都临时计算，性能和便捷性都兼顾了。

八、Java集成实战

作为Java后端，我们需要把数据库操作融入实际项目中。

这里以Spring Boot + MyBatis Plus为例。

8.1 添加依赖

<dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-web</artifactId></dependency><!-- PostgreSQL 驱动 --><dependency><groupId>org.postgresql</groupId><artifactId>postgresql</artifactId><version>42.7.0</version></dependency><!-- MyBatis Plus --><dependency><groupId>com.baomidou</groupId><artifactId>mybatis-plus-boot-starter</artifactId><version>3.5.7</version></dependency>

8.2 配置数据源

spring:datasource:url:jdbc:postgresql://localhost:5432/mydbusername:postgrespassword:your_passworddriver-class-name:org.postgresql.Driver# 连接池配置（推荐HikariCP）datasource:hikari:maximum-pool-size:20minimum-idle:5connection-timeout:30000mybatis-plus:configuration:log-impl:org.apache.ibatis.logging.stdout.StdOutImplglobal-config:db-config:id-type:auto

8.3 实体类和Mapper

@Data@TableName("products")publicclassProduct{@TableId(type = IdType.AUTO)private Long id;private String name;private BigDecimal price;private Integer stock;private String category;private List<String> tags;  // PostgreSQL原生支持数组}@MapperpublicinterfaceProductMapperextendsBaseMapper<Product> {// 自定义查询：价格范围内的产品@Select("SELECT * FROM products WHERE price BETWEEN #{min} AND #{max}")List<Product> selectByPriceRange(@Param("min") BigDecimal min,                                       @Param("max") BigDecimal max);}

8.4 Service层使用

@ServicepublicclassProductService{@Autowiredprivate ProductMapper productMapper;// 分页查询public IPage<Product> pageList(int pageNum, int pageSize){        Page<Product> page = new Page<>(pageNum, pageSize);return productMapper.selectPage(page, null);    }// Lambda条件查询public List<Product> getInStockProducts(){        LambdaQueryWrapper<Product> wrapper = new LambdaQueryWrapper<>();        wrapper.gt(Product::getStock, 0)                .orderByDesc(Product::getPrice);return productMapper.selectList(wrapper);    }// JSONB字段查询（使用原生SQL）@Select("SELECT * FROM products WHERE details @> #{jsonCondition}::jsonb")List<Product> selectByJsonCondition(@Param("jsonCondition") String jsonCondition);}

九、PostgreSQL vs MySQL对比

9.1 核心差异一览表

PostgreSQL最大的优势在于功能完整性和标准合规性。

PostgreSQL 对 SQL 标准的支持最为完整，这对复杂应用和数据分析至关重要。

国内越来越多的大厂开始从MySQL向PostgreSQL迁移，看中的正是它的SQL标准兼容性和插件扩展能力。

十、优缺点与适用场景

10.1 优点

1. 功能丰富，一库通吃：支持JSON、数组、地理空间、时序数据等多种数据类型
2. SQL标准兼容度高：迁移成本低，生态工具丰富
3. 数据完整性保障强：原生支持完整外键约束、CHECK约束、排除约束
4. 强大的并发性能：MVCC机制让读写互不阻塞，高并发写入领先于MySQL
5. 扩展性极强：通过插件扩展可实现几乎所有企业级需求
6. 插件生态成熟：PostGIS（地理信息）、pgvector（向量检索）、TimescaleDB（时序数据）等

10.2 缺点

1. 学习曲线陡峭：功能多，每个特性的学习成本也相应增加
2. 默认配置保守：通常需要调优才能发挥最佳性能
3. 社区热点分散：插件多，“最佳实践”不集中
4. 简单查询吞吐量：比MySQL略低（MySQL约20,000 tpmC，PostgreSQL约18,000 tpmC）
5. VACUUM维护成本：MVCC产生的死元组需要定期清理

10.3 适用场景

强烈推荐PostgreSQL的场景：

• 金融交易、订单系统（需要完整ACID和严格约束）
• 复杂报表、数据分析系统（需要高级SQL和窗口函数）
• JSON/半结构化数据存储（利用JSONB+GIN索引）
• 地理信息系统（PostGIS是行业标准）
• 全文搜索引擎（内置全文检索，无须Elasticsearch）
• AI+向量检索应用（借助pgvector扩展）
• 时序数据监控（借助TimescaleDB）

MySQL更适合的场景：

• 高并发纯OLTP、简单CRUD的应用
• 前期快速原型开发（配置简单、生态成熟）
• 已有成熟的MySQL运维体系和工具链
• 团队成员对PostgreSQL不熟悉的学习成本问题

总结

MySQL是“菜刀”式的数据库，锋利简单，一招吃遍天。

PostgreSQL是“瑞士军刀”式的数据库。它功能全面但学习门槛高。

没有哪个一定更好，但你需要了解这两把利器的各自神威。

我建议每个Java后端工程师，花两个月时间：

• 读一遍PostgreSQL官方文档的“SQL Language”和“Server Administration”部分
• 练一遍CRUD、索引、事务、JSONB、全文搜索所有本章例子的实际操作
• 想一遍如果在你的业务里用PostgreSQL，架构哪里可以做得更好

当你熟悉了PostgreSQL的这些高级特性，你会发现——原来复杂需求真的可以用数据库一行SQL解决，而不是在业务代码里凑一千行的Java if-else。

这是数据库思维上的根本改变。

我希望这篇文章不仅帮你入了PostgreSQL的门，更帮你打开了多模态数据管理和复杂业务建模的一扇窗。