PostgreSQL存储的简单总结

PostgreSQL是一个强大的开源关系型数据库，它的存储格式设计得非常灵活，能够支持多种数据类型和复杂的查询操作。以下是PostgreSQL的存储格式的详细介绍，包括它的表、数据行、索引以及存储方式。

1. 表的物理存储

在PostgreSQL中，表的数据存储在磁盘上的文件中。每个表对应于数据库目录中的一个或多个文件。文件的存储格式和结构如下：

• 堆表（Heap Table）：
  PostgreSQL使用堆文件存储表的数据。每个表的数据按照块（block，默认大小为8KB）的形式存储。每个块包含多条数据行，这些行存储在块的一个连续区域内。

• 表空间：
  表空间（tablespace）是一种逻辑上的概念，用于组织表和索引文件。可以通过表空间把不同的表和索引存储在不同的磁盘位置，以便进行更好的I/O性能优化。

2. 数据行的存储格式

每一行数据由多个字段组成，不同字段的数据类型不同，PostgreSQL根据字段类型存储数据。数据行由以下几个部分组成：

• 行头（Header）：
  每一行数据都有一个行头（row header），用于存储元数据。行头包含的信息有：

  • xmin：创建该行的事务ID。
  • xmax：删除该行的事务ID（如果存在）。
  • 行的长度信息。
  • 行的指针和标识符信息。

• 实际数据（Tuple Data）：
  行的实际数据紧跟在行头之后存储。PostgreSQL会对不同的数据类型使用不同的存储格式。例如：

  • 对于整数，直接存储二进制格式。
  • 对于字符串，采用长度前缀的形式存储（以字节为单位）。
  • 对于可变长度的字段（如 TEXT 或 VARCHAR），PostgreSQL将其压缩存储。

3. TOAST（The Oversized-Attribute Storage Technique）机制

PostgreSQL采用TOAST机制来处理超大数据。默认情况下，如果数据行中某个字段的数据超过一定大小（默认是2KB），PostgreSQL会将该字段的内容压缩并存储在一个独立的TOAST表中，只在主表中保留引用指针。这使得主表的行大小保持合理，提升了性能。

4. MVCC（多版本并发控制）

PostgreSQL通过多版本并发控制（MVCC）来支持事务，并且实现了行级并发控制。数据库中的每一行数据都有多个版本，每个版本由不同的事务创建。MVCC存储的关键点如下：

• 每一行数据都包含事务ID（xmin 和 xmax）来跟踪该行的创建和删除时间。
• 旧的行版本不会立即删除，只有在没有其他事务引用它们时才会被清理（通过VACUUM进程）。这允许多个事务同时访问表数据，而不会相互阻塞。

5. 索引的存储格式

PostgreSQL支持多种索引类型，常见的索引类型有B树、哈希、GiST和GIN等。不同的索引类型具有不同的存储格式和特性：

• B树索引：
  B树索引是PostgreSQL中最常用的索引类型，它按顺序存储索引键，适合范围查询和精确匹配。

• 哈希索引：
  哈希索引基于哈希表结构，适合基于等值条件的查询。

• GiST 和 GIN 索引：
  这些索引类型用于处理复杂数据类型（如文本搜索、地理数据、数组等），它们使用特殊的存储格式来加速复杂查询。

6. 数据文件的组织方式

• 每个表和索引都有一个唯一的OID（对象ID），数据文件名就是该表或索引的OID。
• 每个表和索引的存储由多个文件组成，当文件大小达到1GB时，PostgreSQL会生成新的文件并继续存储数据。

7. WAL（Write-Ahead Logging）机制

PostgreSQL使用WAL机制来保证数据的可靠性和一致性。WAL日志会记录数据修改操作，以便在崩溃或断电的情况下能够进行数据恢复。WAL日志的内容包括插入、更新、删除操作的信息。

总结

PostgreSQL的存储格式设计合理且灵活，它使用堆存储数据行，并采用MVCC来支持事务隔离。对于大数据字段，PostgreSQL使用TOAST机制存储，并支持多种索引类型来优化查询性能。WAL日志则保证了数据的可靠性。