PostgreSQL Is Enough：为何数据库正在吞噬一切？

背景

在 Hacker News 上引发热议的 postgresisenough.dev 网站及其背后的讨论，代表了一种在开发者社区中日益流行的架构哲学：“PostgreSQL 就够了” (PostgreSQL Is Enough)。

长期以来，现代应用架构往往遵循“微服务”或“多数据库”模式，即针对不同的功能需求引入专门的技术栈：用 Redis 做缓存，用 Kafka 做消息队列，用 Elasticsearch 做搜索，用 MongoDB 做文档存储，用专门的时序数据库处理监控数据等。这种模式虽然灵活，但也带来了极高的运维复杂度、数据一致性难题以及高昂的基础设施成本。

postgresisenough.dev 网站的出现，是对这一复杂性的反叛。它主张 PostgreSQL 不仅仅是一个关系型数据库，而是一个可以通过扩展（Extensions）和函数（Functions）演变为全能数据平台的基石。该网站通过一系列链接和案例，论证了通过利用 PostgreSQL 强大的生态系统，开发者可以移除架构中的中间件，实现“Just Use Postgres for Everything”（只用 PostgreSQL 处理一切）。

核心内容

该资源库的核心论点在于：通过利用 PostgreSQL 的扩展生态、内置功能以及存储过程能力，绝大多数非核心基础设施组件都可以被移除或简化，从而将逻辑下沉到数据库层。

以下是该网站及讨论中涵盖的主要技术维度及其实现方式：

1. 简化架构：代码下沉至数据库

传统的做法是将业务逻辑放在应用代码中，数据库仅作为存储。新的趋势是将代码移入数据库函数（Database Functions）。这意味着复杂的业务逻辑、数据转换甚至部分 API 逻辑可以直接在 PostgreSQL 中以 PL/pgSQL 或其他语言编写和执行。这不仅减少了网络往返，还利用了数据库引擎的执行效率。

2. 任务调度与队列系统

PostgreSQL 不再需要依赖 Redis 或 RabbitMQ 来处理简单的任务调度和消息队列。

• 定时任务：通过 pg_cron (Citus Data) 或 pg_timetable (Cybertec) 替代 Cron 或 Quartz，直接在数据库内部执行周期性任务。
• 消息队列：利用 pgmq (Tembo) 或 pg_cron 结合表结构，构建高性能的消息队列，替代 Kafka 或 RabbitMQ 的部分轻量级场景。

3. 审计、版本控制与安全

Postgres 提供了强大的内置或扩展功能来处理数据治理，无需引入外部审计系统。

• 审计追踪：pgaudit 提供详细的审计日志；pgMemento 和 supa_audit 提供行级历史追踪。
• 时间旅行：temporal_tables 允许查询数据的历史状态，实现类似 Git 的版本控制功能。
• 权限管理：acl 扩展和 pgcrypto 提供了细粒度的访问控制和数据加密能力。
• 密钥管理：Supabase 提供的 Vault 服务展示了如何在 Postgres 内部安全地管理敏感信息。

4. 搜索与向量数据库

PostgreSQL 正在吞噬搜索和 AI 基础设施的市场份额。

• 全文搜索：PostgreSQL 内置的 Full Text Search (FTS) 功能强大，配合 pg_trgm 等扩展，足以应对大多数搜索需求，无需引入 Elasticsearch。
• 向量搜索：pgvector 扩展使得 PostgreSQL 能够存储和查询向量数据，支持语义搜索和 AI 应用。结合 ParadeDB 提供的混合搜索能力，Postgres 成为了轻量级向量数据库的有力竞争者。
• 混合搜索：Vecto 等案例展示了如何结合 pgvector 和 Elixir 的 Ecto 实现高效的混合检索。

5. 分析、湖仓一体与大数据

PostgreSQL 正在突破 OLTP（在线事务处理）的边界，进入 OLAP（在线分析处理）领域。

• 列式存储与分析：cstore_fdw 和 ParadeDB 的 pg_analytics 模块允许 Postgres 直接查询列式存储格式，进行快速分析。
• 湖仓一体：ParadeDB 的 pg_lakehouse 和 Hydra 等项目展示了如何将 Postgres 作为数据湖的查询引擎，直接查询 S3 或 GCS 上的对象存储数据，无需数据迁移。
• 机器学习：PostgresML 允许在数据库内部训练和部署机器学习模型，实现“在数据所在处进行计算”。

6. API 生成与实时通信

PostgreSQL 可以直接作为后端 API 服务器，减少中间层。

• 自动 API：PostgREST、Hasura、PostGraphile 和 pg_graphql 等工具可以根据数据库 schema 自动生成 RESTful 或 GraphQL API。这意味着许多应用的后端 API 层可以完全由数据库驱动，无需编写额外的 API 代码。
• 实时通知：利用 PostgreSQL 原生的 LISTEN/NOTIFY 机制和 WAL（Write-Ahead Log）监听工具（如 wal2json 或 walex），可以实现极低延迟的实时数据推送，替代 WebSocket 中间件。

7. 数据同步与迁移

• CDC (Change Data Capture)：Debezium、PeerDB 和 pglogical 使得从 PostgreSQL 捕获变更数据并同步到其他系统变得极其简单。
• 零停机迁移：pgroll (Xata) 和 pg-schema-diff (Stripe) 提供了在不停机的情况下进行数据库 schema 变更的能力，解决了传统数据库迁移的痛点。

8. 连接管理与高可用

• 连接池：PgBouncer 是标准的连接池解决方案。
• 智能路由：Supavisor 和 PgCat 提供了更高级的连接管理和路由功能，支持多租户和读写分离。
• 分片：SPQR 等工具支持 PostgreSQL 的自动分片，使其能够水平扩展以处理大规模数据。

9. 性能优化与监控

• 索引建议：Index Advisor、Dexter 和 HypoPG 帮助开发者设计最优索引。
• 查询优化：pg_hint_plan 允许手动干预查询计划。
• 监控：PGHero 和 StatsMgr 提供了全面的数据库健康监控。

10. 真实世界案例

• Cloudflare：引用了 Cloudflare 的案例，证明仅用 15 个 PostgreSQL 集群即可支撑每秒 5500 万次请求，展示了 Postgres 在极端高并发场景下的潜力。

关键要点

• 扩展生态是核心：PostgreSQL 的强大不在于其核心代码，而在于其丰富的扩展生态（Extensions）。pgvector、pg_cron、pgaudit 等扩展赋予了它处理向量、定时任务、审计等非传统关系型数据的能力。
• 逻辑下沉 (Logic in DB)：趋势是将业务逻辑从应用层下沉到数据库层（Stored Procedures/Functions），以减少网络开销并提高数据一致性。
• API 即数据库：通过 PostgREST、Hasura 等工具，PostgreSQL 可以直接暴露为 API，消除了许多应用后端的需求。
• 搜索与分析的融合：pgvector 和 ParadeDB 等工具使得 PostgreSQL 能够同时胜任向量搜索和列式分析任务，模糊了 OLTP 和 OLAP 的界限。
• 运维简化：通过移除 Redis、Kafka、Elasticsearch 等中间件，架构复杂度显著降低，运维成本下降，数据一致性更容易保证。
• 并非万能，但足够强大：虽然标题是“Enough”，但这并不意味着 Postgres 能解决所有问题（例如极大规模的非结构化数据或非关系型高并发写入）。但对于大多数中小企业甚至部分大型企业应用，Postgres 的能力边界已经大大扩展。
• 社区驱动创新：许多关键功能（如 pg_cron, pgvector, `pg