公司新来的00后老板让我们把数据库改成PostgreSQL，大家怒了😂

如果你现在要做一个新项目，那么在 PostgreSQL vs MySQL 之间的数据库选型会选择哪一个？
Mysql在国内非常流行，但是行业内最稳、可扩展性最高的推荐是：

🧭 优先推荐：PostgreSQL

下面是mysql和PG的简易对比：

功能	PostgreSQL	MySQL
JSON 性能	快 + 正规	慢 + 不是正统 JSON
复杂查询优化器	强	弱
索引类型	超多	较少
并发事务（MVCC）	原生、稳定	不如 PG
分析查询	强	一般
插件生态（向量、搜索等）	爆炸	少
地理信息（GIS）	最佳	一般

没错，本文又是一篇PG的推广文

准备工作

PG的安装方式很多，你可以自行百度

方案	免费	免费额度/限制	长期用要不要花钱	推荐场景
Neon Serverless	完全免费	3个项目，>0.5 CPU (burst到2核)>3 GB 存储	300 计算小时/月	够个人学习、写demo、小项自用，超过才付费
Postgres.app (Mac)	完全免费	无任何限制，本地跑多少都行	永久免费	Mac 用户首选
官方 Windows 安装包	完全免费	PostgreSQL 本身永远开源免费，安装器是 EnterpriseDB 做的，也免费	永久免费	Windows 用户首选
Homebrew/apt 安装	完全免费	社区包，永久免费	永久免费	Linux 或喜欢命令行的同学
Docker（官方镜像）	镜像免费	镜像本身免费，只是可能拉不动	永久免费	学会以后也很好用

安装好以后会有三个数据库：

• postgres：默认空数据库，专门给你玩的
• template1：模板数据库，你新建数据库时会复制它
• 用户名：自动用你的用户名创建的一个同名数据库（相当于 MySQL 的 test 库）

简单用法

在 PostgreSQL 里没有 SHOW TABLES 这个命令（那是 MySQL 的），但有好几种更强大的方式可以列出当前数据库里的所有表:

最常用、最像 SHOW TABLES（强烈推荐记这一条）

\dt

直接在 psql 终端敲 \dt 回车，立刻列出当前数据库里所有表（但是不能在客户端执行SQL的地方用）。
输出带了 schema、表名、类型、拥有者，一目了然。
如果想看得更详细（带表大小、描述等）：

\dt+

标准 SQL 写法（任何图形化工具都通用）

-- 列出所有表（带 schema）
SELECT schemaname, tablename 
FROM pg_tables 
WHERE schemaname IN ('public')          -- 只看 public
ORDER BY tablename;

-- 或者更全（包括视图、物化视图、序列等）
SELECT schemaname || '.' || tablename AS table_full_name,
       tableowner,
       hasindexes,
       tablespace
FROM pg_tables
WHERE schemaname = 'public';

pg的表都是在public这个schema下面。schema和database是两个层级

浅尝则止

想马上看到点东西吗？复制下面这三行粘贴到 psql 里跑，建 3 张表玩：

CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    username TEXT UNIQUE NOT NULL,
    tags TEXT[],
    profile JSONB,
    created_at TIMESTAMPTZ DEFAULT now()
-- 比 MySQL datetime 好用100倍
);

CREATE TABLE orders (
    id BIGSERIAL PRIMARY KEY,
    user_id INT REFERENCES users(id),
    amount NUMERIC(12,2),
    status TEXT DEFAULT 'pending',
    items JSONB
);

-- 顺便玩一下2025年最火的向量搜索
CREATE EXTENSION IF NOT EXISTS vector;
CREATE TABLE documents (
    id SERIAL PRIMARY KEY,
    content TEXT,
    embedding VECTOR(1536)
);

\dt public.*   -- 再看一遍，就有 3 张表啦！

你可能在客户端会看到很多东西

你看到的名称	其实是什么	要不要管它？	备注
tables 3 → documents / orders / users	你自己建的业务表，以后所有数据都在这里面	重点关注！	这才是你真正要用的
sequences 3	自动为 SERIAL/BIGSERIAL 生成自增 ID 的序列	不用管	每张表一个，自动关联
routines 114	系统自带的上百个函数（类似 MySQL 的内置函数）	不用管	比如 now()、substring()
aggregates 4	聚合函数（count、sum、avg、string_agg）	偶尔用
operators 40	操作符（=、>、、@>、<@ 等）
operator classes 24 / operator families 24	给索引用的底层实现	不用管	GIN、GiST 索引会用到
object types 3	复合类型、枚举、range 类型等	不用管	高级玩法才用
其他一堆数字	PostgreSQL 系统自己跑需要的元数据	完全不用管	相当于 MySQL 的 information_schema

先插入点数据

INSERT INTO users (username, tags, profile) VALUES
('张三', ARRAY['VIP','北京','90后'], '{"age": 33, "city": "北京", "hobbies": ["羽毛球","摄影"]}'),
('李四', ARRAY['深圳','00后'], '{"age": 24, "city": "深圳", "hobbies": ["王者","滑板"]}'),
('王五', ARRAY['VIP','上海','美食家'], '{"age": 41, "city": "上海", "hobbies": ["米其林","红酒"]}');

INSERT INTO orders (user_id, amount, items, status) VALUES
(1, 998.00, '["iPhone 16 Pro","AirPods Pro 2"]', 'paid'),
(1, 129.00, '["星巴克月卡"]', 'paid'),
(2, 5999.00, '["MacBook Pro M4"]', 'pending'),
(3, 2888.00, '["米其林三星代金券"]', 'paid'),
(1, 66.60, '["奶茶3杯"]', 'paid');

然后查询一下北京的用户：

-- JSONB 神操作  查所有住在北京的人
SELECT username, profile->>'city' AS city FROM users WHERE profile->>'city' = '北京';

Mysql能做吗？能！

-- mysql的做法
SELECT
  username,
  JSON_UNQUOTE(JSON_EXTRACT(profile, '$.city')) AS city
FROM users
WHERE JSON_EXTRACT(profile, '$.city') = '北京';

肉眼不可见的复杂！

能力	MySQL	PostgreSQL
JSON 插入	✔ 支持	✔ 支持 原生 JSONB
JSON 查询	✔ 支持	✔ 强得多 @>、?、?|、?&
原生 ARRAY	❌ 不支持	✔ 支持
JSON 索引性能	❌ 差，只能做前缀索引或虚拟列索引	✔ 极强
JSON 语法	❌ 很麻烦（JSON_EXTRACT）	✔ 很优雅

继续看几个SQL

-- 查有“摄影”爱好的人
SELECT username, profile->'hobbies' FROM users WHERE profile->'hobbies' @> '"摄影"';

-- 直接更新 JSON 字段里某个 key
UPDATE users SET profile = jsonb_set(profile, '{age}', to_jsonb((profile->>'age')::int + 1)) WHERE username = '李四';

-- string_agg 聚合拼接  每个用户买了啥，用 | 分隔
SELECT u.username,
       string_agg(o.items::text, ' | ') AS 购买的商品,
       count(o.id) AS 订单数,
       sum(o.amount) AS 总消费
FROM users u
LEFT JOIN orders o ON o.user_id = u.id
GROUP BY u.id;

这个聚合查询的输出是

-- 窗口函数排行榜（MySQL 8 勉强能写，慢得要死）
SELECT 
    username,
    sum(amount) AS total,
    rank() OVER (ORDER BY sum(amount) DESC) AS "全国排名",
    percent_rank() OVER (ORDER BY sum(amount) DESC) AS "百分位"
FROM users u
LEFT JOIN orders o ON o.user_id = u.id
GROUP BY u.id;

第三列是给用户按「总消费额」降序（DESC）排 “全国名次”。这个函数支持并列，比如把王五金额改成5999:

第四列计算用户的「百分位排名」（范围是 0~1），表示 “比当前用户消费高的用户占总用户数的比例”。计算公式：(当前排名 - 1) / (总用户数 - 1)。

向量数据

前面创建了一个1536维的向量表documents。有什么用？
这种“超级宽表”在传统业务里确实几乎不会出现，但它在 2024~2025 年的 AI 原生应用里已经烂大街了，属于标配。
如果你也是「要让机器理解语义相似度」而不是「精确关键词匹配」的场景，现在 99% 都用向量表。

-- 假装我们已经把下面三句话转成 OpenAI embedding 存进来了
INSERT INTO documents (content, embedding) VALUES
('我喜欢吃火锅和川菜', '[0.012, -0.005, 0.031, ...]'),  -- 实际是1536维
('今天天气很好，适合出去滑板', '[0.008, 0.021, -0.011, ...]'),
('米其林三星餐厅推荐', '[0.045, -0.019, 0.067, ...]');

-- 找和“周末想吃辣的”最像的 2 条内容（真正语义搜索！）
SELECT 
    content,
    embedding <=> '[周末辣的火锅推荐的向量]'::vector AS distance
FROM documents
ORDER BY embedding <=> '[周末辣的火锅推荐的向量]'::vector
LIMIT 2;

现在创建一个小表，三维的：

CREATE EXTENSION IF NOT EXISTS vector;

DROP TABLE IF EXISTS items;
CREATE TABLE items (id bigserial primary key, embedding vector(3));

-- 插入几条 3 维玩具向量
INSERT INTO items (embedding) VALUES
('[1,2,3]'),
('[4,5,6]'),
('[-1,0,1]'),
('[8,8,8]');

-- 找和 [3,4,5] 最近的 2 条（真正向量余弦距离）
SELECT id, embedding, embedding <=> '[3,4,5]' AS distance
FROM items
ORDER BY distance
LIMIT 2;

---

那 MySQL 有什么优势？

MySQL 的优势是：

• 对小团队、简单 CRUD 来说更简单、好上手

• 生态超级成熟

• 各种运维人员都熟

• 对业务系统（传统电商/订单系统）很稳

• InnoDB 在 OLTP 非常优秀

如果你的项目：

• CRUD 为主

• 数据结构相对简单

• 不会用 JSON/向量/全文/复杂查询

• 团队熟 MySQL

那么 MySQL 也是一个好的选择。