将Postgres转变为快速OLAP数据库
内容提要
pg_analytics是一个扩展，提高Postgres数据库的本地分析性能，加速分析查询，无需数据迁移。使用Apache Arrow和DataFusion优化查询，通过Parquet保存数据。构建基于Postgres的分析型数据库的好时机。
延伸解读
性能提升的基准与局限
pg_analytics 宣称将 Postgres 分析性能提升 94 倍，但网友指出在 Clickbench 基准中其性能仍远不及顶级 OLAP 数据库。Clickbench 查询较简单，与真实分析场景有差距，且未包含 TPC-DS 和 TPC-H 等复杂测试。因此，94 倍提升是相对于普通 Postgres 的改进，而非绝对领先。读者需结合自身查询复杂度评估实际收益。
技术实现与数据压缩优势
pg_analytics 通过表访问方法和执行器钩子集成 Apache Arrow 与 DataFusion，支持列式存储和 Parquet 格式，压缩能力是普通 Postgres 和 Elasticsearch 的 5 倍。Delta-rs 为 Parquet 添加 ACID 事务、更新删除及云数据湖查询支持。这些技术使 Postgres 无需 ETL 即可获得分析加速，但依赖外部引擎，可能引入新的维护复杂度。
OLTP 与 OLAP 的架构选择
文章认为大型企业将 OLTP 和 OLAP 分离到不同数据库是正确选择，便于不同团队专注各自任务。pg_analytics 提供在 Postgres 内加速分析的即插即用方案，避免数据迁移和孤岛。但网友提到已有 Greenplum、Citus、Hydra 等 Postgres 分支用于 OLAP，且 StarRocks 等专用数据库可能更合适。选择时需权衡集成便利性与极致性能。
Q&A
pg_analytics 是什么？它有什么主要作用？
pg_analytics 是一个 Postgres 扩展，可将任何 Postgres 数据库的本地分析性能提高 94 倍。它直接在 Postgres 内部加速分析查询，无需 ETL 过程，是即插即用的解决方案。
pg_analytics 如何提升 Postgres 的分析性能？
pg_analytics 通过 Apache Arrow 使用面向列的布局，并利用 Apache DataFusion 查询引擎优化查询。数据以 Parquet 格式保存，压缩能力是普通 Postgres 和 Elasticsearch 的 5 倍。它通过表访问方法和执行器钩子与 Postgres 集成，拦截查询并转发给 DataFusion 执行。
使用 pg_analytics 后，Postgres 的性能与 Elasticsearch 和 ClickHouse 相比如何？
安装 pg_analytics 后，Postgres 的速度比 Elasticsearch 快 8 倍，在分析基准测试中几乎与 ClickHouse 不相上下。
pg_analytics 如何处理数据存储和事务？
数据通过 Parquet 保存到磁盘，这是一种高度压缩的面向列的文件格式。delta-rs 库为 Parquet 存储添加了 ACID 事务、更新和删除以及文件压缩功能，还支持通过 S3 等数据湖进行查询。
为什么现在是在 Postgres 中构建分析型数据库的好时机？
因为像 DataFusion 这样的可嵌入式查询引擎改变了游戏规则，其查询速度超过了许多 OLAP 数据库。从头构建查询引擎已无意义，下一代分析型数据库应集成现有的可嵌入查询引擎，如 DataFusion，从而随引擎改进而不断优化。
对于大型企业，OLTP 和 OLAP 应该分开吗？
如果企业有一定规模，将 OLTP 和 OLAP 分为两个数据库是正确的选择，因为可以有两个不同的团队负责两个不同的任务。
