news 2026/6/9 18:30:39

postgrsql和mysql区别?

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
postgrsql和mysql区别?

一、一句话核心区别(先给结论)

MySQL 更偏“快、简单、工程化”
PostgreSQL 更偏“严谨、强大、学术 + 企业级”

如果只记一句话:

  • MySQL = 高并发 OLTP、互联网业务

  • PostgreSQL = 复杂查询、强一致性、复杂数据结构


二、架构与内核差异(本质区别)

1️⃣ 并发控制(非常关键)

🔹 MySQL(InnoDB)

  • 使用MVCC + Undo Log

  • 更新数据时:

    • 旧版本写入 Undo Log

    • 新数据直接写回表

  • 优点:实现简单、性能好

  • 缺点:

    • Undo Log 膨胀

    • 长事务影响明显

🔹 PostgreSQL

  • 真正的 MVCC(多版本存储)

  • 更新数据时:

    • 不覆盖原行

    • 新行插入一条新记录

  • 优点:

    • 读写几乎不阻塞

    • 强一致性

  • 缺点:

    • 表会“变胖”

    • 需要 VACUUM 回收

👉结论

  • 并发读写复杂场景:PG 更稳

  • 简单高并发:MySQL 更轻


2️⃣ 锁机制

对比项MySQLPostgreSQL
行锁
表锁
间隙锁✔(防幻读)
乐观并发一般

📌MySQL 的间隙锁在高并发下容易“锁住一片数据”,
PG 不存在这个问题。


三、SQL 能力 & 标准支持(PG 明显更强)

1️⃣ SQL 标准支持

能力MySQLPostgreSQL
SQL 标准一般⭐⭐⭐⭐⭐
CTE(WITH)✔(更强)
Window Function✔(更全)
子查询优化一般很强

👉复杂 SQL、报表、分析类查询 → PG 完胜


2️⃣ 数据类型(PG 碾压)

PostgreSQL 支持:

  • JSON / JSONB(可索引)

  • ARRAY

  • HSTORE

  • UUID

  • ENUM

  • RANGE

  • GEOMETRY(GIS)

MySQL:

  • JSON(功能较弱)

  • 基本类型为主

📌PG 可以当“半 NoSQL 数据库”用


3️⃣ 索引类型(PG 极强)

索引类型MySQLPostgreSQL
B-Tree
Hash⚠️(基本不用)
GIN
GiST
BRIN
全文索引一般

👉 搜索、JSON、数组、地理数据 →PG 无敌


四、事务与一致性(PG 更“严格”)

1️⃣ 事务隔离级别

隔离级别MySQLPostgreSQL
Read Uncommitted❌(等同 RC)
Read Committed
Repeatable Read✔(默认)
Serializable⚠️✔(真正)

📌PG 的 Serializable 是严格可串行化
MySQL 更偏工程实现。


2️⃣ 约束 & 数据完整性

特性MySQLPostgreSQL
外键⚠️(不常用)
Check 约束8.0 才完善
约束严格性一般非常严格

👉金融、账务系统更偏向 PG


五、性能对比(不要被“谁更快”误导)

1️⃣ 简单 CRUD

  • MySQL 更快

  • 配置简单

  • 资源消耗低

2️⃣ 复杂查询 / JOIN / 子查询

  • PostgreSQL 更快

  • 优化器更智能

3️⃣ 高并发写入

  • MySQL:需要精细索引设计

  • PG:写多版本,稳定但需要维护

👉性能不是绝对,看业务模型


六、扩展能力(PG 非常强)

PostgreSQL

  • 支持自定义函数(C、Python、JavaScript)

  • 插件生态:

    • PostGIS(地理信息)

    • TimescaleDB(时序)

    • Citus(分布式)

  • 可扩展性极强

MySQL

  • 插件较少

  • 主要靠中间件(分库分表)


七、主从复制 & 高可用

能力MySQLPostgreSQL
主从复制成熟成熟
读写分离非常成熟成熟
分库分表中间件成熟原生弱
云支持极好很好

👉互联网公司 MySQL 生态优势明显


八、典型使用场景(非常重要)

✅ 选 MySQL 的场景

  • 电商、用户系统

  • 高并发 CRUD

  • 微服务后台

  • 互联网业务

✅ 选 PostgreSQL 的场景

  • BI / 报表 / 数据分析

  • 金融、账务、风控

  • 复杂查询

  • JSON / 地理 / 时序数据

  • 强一致性要求


九、面试高频总结版(背这个就行)

MySQL 更偏工程化、高并发、简单模型
PostgreSQL 更偏学术化、强一致性、复杂数据处理

面试官常追问的点:

  • PG 的 MVCC 和 MySQL 的区别

  • PG 为什么不需要间隙锁

  • PG 的 JSONB 索引

  • 为什么金融系统更偏 PG

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/6/8 20:46:51

AI核心知识51——大语言模型之LLM Inference(简洁且通俗易懂版)

大语言模型推理 (LLM Inference),简单来说,就是使用大模型的过程。如果说 “训练” (Training) 是模型在“上学读书”,那么 “推理” (Inference) 就是模型毕业后“参加工作”或“上考场答题”。每当你打开 ChatGPT,输入一个问题&…

作者头像 李华
网站建设 2026/6/9 19:32:31

AI核心知识52——大语言模型之Model Quantization(简洁且通俗易懂版)

模型量化 (Model Quantization) 是大语言模型落地应用中最实用、最接地气的技术。如果说预训练和微调是在打造一个“天才大脑”,那么量化就是给这个大脑做“瘦身手术”。它的核心目的只有一个:在尽量不牺牲模型智商的前提下,大幅降低模型的体…

作者头像 李华
网站建设 2026/6/9 21:33:45

YOLOv5模型压缩终极指南:剪枝量化蒸馏完整实战

YOLOv5模型压缩终极指南:剪枝量化蒸馏完整实战 【免费下载链接】yolov5 yolov5 - Ultralytics YOLOv8的前身,是一个用于目标检测、图像分割和图像分类任务的先进模型。 项目地址: https://gitcode.com/GitHub_Trending/yo/yolov5 在边缘计算和移动…

作者头像 李华
网站建设 2026/6/9 13:10:56

MacBook Touch Bar终极定制指南:三步打造高效工作空间

还在为MacBook Pro上那个"鸡肋"的Touch Bar感到困扰吗?别担心,通过专业的Touch Bar定制工具,你可以将这个看似无用的触控区域转变为强大的效率中心。本文将为你揭秘如何利用免费Touch Bar管理器实现MacBook效率提升,让每…

作者头像 李华