---

名称: 管理数据库 描述: 指导PostgreSQL、DuckDB、Parquet和PGVector的数据库架构决策。用于设计模式、选择存储策略、优化查询、调整维护、配置向量搜索或诊断OLTP、OLAP和相似性搜索工作负载的性能问题。

数据库管理

决策指导PostgreSQL、DuckDB和Parquet在混合存储架构中的应用。

目录

• 何时使用哪种数据库
• PostgreSQL快速参考
• DuckDB快速参考
• Parquet快速参考
• PGVector快速参考
• 跨数据库约定
• 性能调试检查清单

何时使用哪种数据库

工作负载	使用	为什么
事务性（CRUD、用户、会话）	PostgreSQL	ACID、行级锁、索引
分析性（聚合、扫描）	DuckDB	列式、向量化、并行
数据存储/交换	Parquet	压缩、列式、便携
元数据 + 关系	PostgreSQL	外键、约束
临时探索	DuckDB	在Parquet上快速，无需ETL
时间序列点查找	PostgreSQL + 分区	分区修剪 + 索引
时间序列分析	DuckDB on Parquet	扫描性能
向量相似性搜索	PostgreSQL + PGVector	HNSW/IVFFlat索引、混合搜索
RAG / 语义搜索	PostgreSQL + PGVector	嵌入 + 元数据在同一DB中

混合模式示例：

• PostgreSQL: 事务数据、关系、用户（元数据）
• DuckDB + Parquet: 分析内容、聚合、时间序列

PostgreSQL快速参考

用于： 元数据、关系、OLTP工作负载、任何需要ACID的情况。

关键决策：

• 分区表大于100M行或有保留要求
• 索引WHERE/JOIN子句中的列，不是所有列
• 为高变动表调整autovacuum

参见 references/postgres-architecture.md 维护模式。 参见 references/postgres-querying.md 高级查询技术。

DuckDB快速参考

用于： 分析、聚合、Parquet查询、数据探索。

关键决策：

• 优先使用Parquet文件而非CSV（10-100倍更快）
• 让DuckDB自动并行化；不要微观优化
• 对于远程数据，增加线程数超过CPU核心数

参见 references/duckdb-architecture.md 存储和并行。 参见 references/duckdb-querying.md DuckDB特定SQL功能。

Parquet快速参考

用于： 存储分析数据、数据交换、列式压缩。

关键决策：

• 目标文件大小128MB-1GB
• 按低到中等基数列分区（日期、区域）
• 按用于筛选的列排序以更好修剪

参见 references/parquet-architecture.md 文件设计。 参见 references/parquet-querying.md 查询优化。

PGVector快速参考

用于： 相似性搜索、RAG应用、语义搜索、推荐。

关键决策：

• HNSW用于低延迟、高召回（默认选择）
• IVFFlat用于内存受限或批量更新数据
• 使用迭代扫描进行筛选查询
• 考虑混合搜索（向量 + 关键词）以提高8-15%准确率

参见 references/pgvector-architecture.md 索引配置。 参见 references/pgvector-querying.md 混合搜索和筛选。

跨数据库约定

命名

约定	示例	适用于
蛇形表名	dataset_jobs	所有
蛇形列名	created_at	所有
单数表名	dataset 非 datasets	PostgreSQL
复数集合	datasets/ 目录	Parquet文件

规范化决策

模式	何时规范化	何时反规范化
查找表	PostgreSQL，频繁更改	DuckDB/Parquet，静态数据
重复值	PostgreSQL，存储重要	Parquet，压缩处理它
查询时连接	PostgreSQL，复杂关系	Parquet，为分析预连接

时间戳

• 始终存储为UTC
• PostgreSQL: TIMESTAMPTZ
• Parquet: TIMESTAMP with isAdjustedToUTC=true
• DuckDB: 正确读取两者

性能调试检查清单

PostgreSQL慢查询

1. 运行 EXPLAIN (ANALYZE, BUFFERS) 在查询上
2. 检查大表上的顺序扫描
3. 验证筛选/连接列上存在索引
4. 检查 pg_stat_user_tables 膨胀（死元组）
5. 如果看到磁盘排序，审查 work_mem

DuckDB慢查询

1. 检查是否读取CSV而非Parquet
2. 验证没有对远程数据做 SELECT *
3. 检查线程数匹配工作负载
4. 寻找不必要的类型转换

Parquet慢读取

1. 验证谓词下推工作（检查查询计划）
2. 检查文件大小（太小=开销，太大=无并行）
3. 确认数据按筛选列排序
4. 寻找高基数分区键（太多小文件）

PGVector慢搜索

1. 验证索引存在并使用（EXPLAIN）
2. 检查 ef_search (HNSW) 或 probes (IVFFlat) 设置
3. 为筛选查询启用迭代扫描
4. 检查IVFFlat召回是否降级（如果大量更新，重建索引）
5. 考虑常用筛选的部分索引