主页 / dba / 问题 / 258588
Accepted
atevm
Asked: 2020-01-31 14:18:35 +0800 CST

当 PostgreSQL 的“类别”太多时，我应该使用枚举吗？

  • 772

问题

我计划将包含更多 1000 万条记录的 CSV 加载到 PostgreSQL v12.1 中，其中一个列具有“分类”值，因此为其创建枚举类型似乎是一个不错的选择，但它包含 208 个类别。

最短的字段为 2，最长的字段为 11 个字符。所有字段的平均值为 2.4。字符编码是 UTF8，但所有字符都是 ASCII。

问题：

我应该使用哪种类型enumerated或varchar？

附加信息

我放弃了char因为官方 PostgreSQL 文档说明了关于char、varchar和text的以下内容：

提示：这三种类型之间没有性能差异，除了在使用空白填充类型时增加了存储空间，以及在存储到长度受限的列时需要一些额外的 CPU 周期来检查长度。虽然 character(n) 在其他一些数据库系统中具有性能优势，但在 PostgreSQL 中没有这样的优势；事实上 character(n) 通常是三个中最慢的，因为它有额外的存储成本。在大多数情况下，应改为使用文本或字符变化。

PostgreSQL 中的枚举值在磁盘上占用4 个字节（参见 8.7.4. 实现细节）。考虑到这一点以及使用enum类型的 2.4 平均字符串长度会导致磁盘使用率稍高（PostgreSQL 中的短字符串需要一个额外的字节磁盘空间）。我仍然认为使用 enum 是一个更好的选择，因为它的实现使许多操作对它更快。

postgresql performance

2 个回答

  1. Best Answer

    平均有 2.4 个字符（更相关：平均字节- 但对于所有 ASCII 字符都是一样的），我不会费心使用枚举。这些占用磁盘上的 4 个字节，可能还有对齐填充。（text不需要对齐填充。）您甚至没有节省存储空间并为此获得更多开销。

    大多数值低于 7 个字符（= 磁盘上的 8 个字节），text类别列上的索引也只会比enum. （数据空间（通常）以 8 个字节的倍数分配。）

    对于固定数量的 208 个类别，"char"编码（不要与char! 混淆）可能是节省存储空间的一个选项。看：

    但是，再一次，这么小的字符串不值得麻烦。只需使用text. 也许使用FK 约束对表强制正确性，category例如：

    CREATE TABLE category (category text PRIMARY KEY);

    也是存储每个类别的附加信息的好地方。您可以轻松地修改类别集。进行 FK 约束ON UPDATE CASCADE，您可以在一个中心位置更改类别名称。制作它ON DELETE SET NULL，您可以轻松删除一个类别。等等。

    有关的：

    • 9

  2. 我完全支持 Erwin 的回答，但我想添加一个针对枚举的警告。

    如果您有固定数量的永远不会改变的可能值（至少必须保证不会删除任何值），枚举是一个不错的选择。

    在所有其他情况下，您不应该使用枚举：添加枚举值后就不可能删除它。

    例如，在为包含美国州的列选择数据类型时，我不会选择枚举——尽管不太可能，它可能是一个州脱离，或者两个州联合。

    根据您描述数据的方式，我不建议您使用枚举。

    • 6

相关问题