本文根据digoal（德哥）在〖2019 DAMS中国数据智能管理峰会〗现场演讲内容整理而成。
讲师介绍
digoal（德哥），PostgreSQL中国社区发起人之一、常委、兼任社区大学校长。阿里云数据库首席专家团队成员，提供数据库首席专家服务。现任职于阿里云数据库团队，主要负责阿里云PostgreSQL产品线，包括RDS PG、PPAS（兼容Oracle）、POLARDB兼容PG、Oracle语法引擎的产品设计、推广、应用落地与生态构建。
分享概要
1、PG社区的独特性
2、PG的商业能力和创新能力
3、PG新版本与新特性
4、PG on 云
最近几年我在推过PG的活动中，走过差不多15、16个国内城市，遇到不少参会者问到这样一些问题：
- 学生非常关心学习PG能从事什么样的工作、未来发展机会如何？
- 用户特别关心迁移到PG是不是最终状态？它是不是未来的趋势？
- 作为一个开源数据库，背后是不是有商业公司在控制着它？
所以，我首先会分享PG社区的内容。
一、PG社区的独特性
如果说99%的开源数据库都是被商业公司控制的，那么PG是那1%。要说商业公司为什么要把数据库开源出来？为什么要改协议？这个我们先来分析一下：今天你要研发一款数据库，并且得到市场的认可，如果不开源的话，你会发现这个数据库必须要有很好的渠道才能赚钱，所以商业公司选择开源，培养背书群体，扩大生态，收割大客户。至于为什么要改协议？我们看到许多商业开源数据库都有对应的付费版本，例如企业版，高级周边工具等。随着上云成为了大趋势，“云开源数据库服务”吞噬着开源数据库市场，用户更多选择的是云服务，而不是开源数据库的企业版，这就造成了商业开源公司与云发生利益冲突，改协议是商业开源数据库厂商被迫的选择。而PG是一个纯社区的数据库，背后没有被任何一家公司所控制。我们来看一下以下这张图：
饼图展现的是给PG贡献代码的占比，我们先看数据，后面再跟大家分析一下原因。看图你会发现占最大头的是用户，第二是数据库服务商，这里的服务包括培训、技术支持类的服务等。这两大块加起来就有66%了，剩下的就是数据库厂商和云厂商。
上图是给PG贡献代码的国家分布，上面没有中国有点遗憾，但可能是因为这个至少要贡献两年以上才入列，所以中国估计过两年会出现在这里。
PG作为一个开源的社区数据库活了这么久（追述到ingres的话有43年历史），感觉牙齿不但没掉还越来越锋利。凭什么？PG有组织有纪律，从上图可以看到首先是资产托管组织，包括商标、域名等，每年的开发者峰会在加拿大举办。
另外还有核心组、行为准则团队，类似于组织部，有专门管赞助的委员会、筹款组等等。将来可能会组建专门负责管理专利的委员会，因为作为开源数据库会发现专利可能是一个非常容易存在的漏洞点，PG对专利控制还是比较严格的。
回过头分析刚刚给PG社区贡献代码的企业，他们为什么要持续贡献核心代码？
对于数据库厂商来说，推一款新的商业数据库通常都需要背书，试问小厂产品谁为你背书？
- 只有技术的厂商，很难挑战已有数据库市场格局。
- 只有渠道的厂商，需要抓住窗口期，快速占领市场，避免重复造轮子，需要一款可以无法律风险，二次开发与分发的开源数据库。
目前达到商业化成熟度的唯有PG。所以数据库厂商需要通过贡献核心代码，社区所有的用户都可以为之背书。
对于数据库服务提供商来说，开源产品的服务提供商，怎么才能体现他们的能力？谁能证明他们的牛逼？贡献代码，贡献代码之后用PG的那些人就可以为之背书。
对于最终用户来说，他们希望社区长久，期望可以享受免费的、可持续发展的、开源的、不被任何商业公司、不被任何国家控制的企业级的数据库。而且PG用的人越多，越多人背书，使用越靠谱，就像滚雪球一样越滚越大，所以最终用户愿意贡献代码，实际上是在推动开源产品的发展，对客户自己也是有利的。
对于云厂商来说，自己做一款数据库在云上卖需要培养生态，需要市场背书，需要大量研发资源，可能还需要重复造轮子。那么基于PG，就能免去自己培养生态，避免重复造轮子，而且PG的代码基础已经具备商业化基础。另外，不断提供代码也是防止其他厂商控制PG失去市场主导能力的方法。
开源许可独特性
除了以上这些原因，还有很重要的一点，开源许可独特性。PG的开源许可是类BSD许可，可以随意分发、闭源或开源，可以被用于商业目的或其他场合。
PG开源中心的这行字（见红框），说的是不管怎么使用、拷贝、修改、分发这个软件，只要把这一行放到你的输出版本里面去就行了。是不是活雷锋？所以云厂商选择这么友好的纯社区版本感觉像拣到宝一样。
架构独特性
作为一款开源出来拿去直接用的数据库，PG采用了开放接口的设计，是最具扩展能力的数据库。基于PG的图数据库、流数据库、GIS、时序数据库、推荐数据库、搜索引擎等；围绕PG的应用垂直化插件机器学习、图像识别、分词、向量计算、MPP等，基本上都是使用PG扩展接口扩展出来的。
商业趋势
目前全球都在提高安全、合规、正版化意识，对于数据库厂商、云厂商来说，从长远来看，纯社区具有这么强的可扩展能力的数据库，PG可以说是首选。生态已经摆在这里了，还有不去用的理由吗？
技术趋势
首先，PG是一款远远超越当前关系数据库的多模数据库，因为它的开放性，可以随意扩展。
其次，在内置并行计算方面，我接触过很多用户的数据库就跟蜘蛛网一样，为什么？因为用户的业务需求很多，关系数据库处理不了，需要将数据同步到其他引擎：最常见的有计算平台、搜索引擎，还有一些客户要同步到流计算平台，空间，时序数据库平台等。同步会带来硬件、管理、开发成本的增加，同时会引入数据丢失、延迟等风险。如果数据库提供并行计算、搜索、时空等多模能力的话，没必要把平台建这么复杂。
再次，PG开始在内核中支持存储引擎的扩展，可以解决行存、列存、内存引擎，多样化的多版本控制，等不同场景不同需求的问题。
最后，在芯片支持方面，PG对芯片友好，例如ARM芯片的支持。
以上四方面满足市场的既要又要还要的需求，即：既要SQL通用性，又要NOSQL扩展性，还要多模开发便捷性；既要OLTP又要OLAP。
二、PG的商业能力与创新能力
对于数据库的商用价值来讲，首先是能不能扛住企业级的需求，也就是能不能做到零丢失、高可用、安全；弹性这一块就是能不能横向扩展、能不能做模块化；而性能这一块TP、AP都可以跑。Oracle兼容性体现两块：社区版本有这样的插件，加完这个插件在Oracle数据类型然后还有函数，还有操作服务这一块做的兼容，包括包也做的一些。因为用户我见过大量的使用PLsql的存储过程或函数，一个业务部就有上百万行，使用PG的plpgsql可以改造这些oracle plsql存储过程代码。
另一方面吗，阿里云提供兼容Oracle的数据库PPAS（实际上也是基于PG的），我们兼容了PLsql语法，能够减轻用户区改造存储过程到PG的工作，所以说这个东西熟悉之后你会发现PLPgsql能够满足功能差不多，没有会弱到哪里去，其实做得挺好的。
在创新能力上，其实我们刚刚讲到了一块关于边缘计算，边缘计算分两块：基于GPU的并行，对用户是透明的，数据库会根据sql的成本、代价去启动GPU并行计算。
阿里在这里同样开源，阿里因为在线上有很多的用户，包括影像处理、移动跟踪做了GPU加速。这就是创新价值。
多模使得PG这个数据库得以满足那些你曾经想都不敢想的需求。
三、PG新版本与新特性
上图展示的是PG版本发布节奏，如果每年股票是这样涨的话大家肯定很开心。作为背后没有商业公司没有驱动的开源数据库，PG每年发一个大版本，每个大版本会持续维护五年，有组织有纪律就是不一样。
PG 11新特性
PG 11是去年发的，有什么新特性？在此说明一下，我这里说的特性全部基于PG自己，比如基于11以前的版本，其实有很多功能很早之前就已经支撑。
1）分区表增强
- hash分区；
- 支持触发器；
- 支持默认分区；
- 允许修改分区字段。
2）并行计算增强
对业务完全透明的并行计算，几乎覆盖所有的场景，平均20倍的提升。
以上这个CASE数据量10亿的表，大家觉得10亿做排序要多久？不到3秒，不开并行需要70多秒。
什么时候要用并行计算？通常是实时分析，复杂查询，马上就要看到结果，原来需要T+1，现在就想做实时。
我们来看一下这些CASE，第一个是最简单的全表扫描，要将近1分钟。开并行只需要1.8秒。
哈希聚合，因为我们做分析一定会涉及到聚合，处理大量的数据，有哈希聚合、分组聚合。10亿记录的聚合需要花多少时间？5秒！不开并行需要140多秒。
做数据分析处理一般流程比较长，会有中间结果。
这些中间结果可能是通过create table as这种方式出来的，这种操作能不能支持运行？也可以。
同样也是10亿的数据量，差不多1.9秒。
创建索引，想不想很快完成？比如说这个索引膨胀，你想快速重建索引发现性能不行，10亿记录不带并行将近1000秒，开启并行后只需要252秒。
关于聚合的话，数据库会提供一些聚合函数，比如说平均值、标准方差，有些时候发现数据库提供聚合的方式不够用，不能满足你的业务要求。
所以的话需要自定义聚合，自定义聚合操作也支持并行，这边也做了两个测试，一个求（count distinct）个数，另一个求count distinct数组元素个数。分别从300，100秒降到了8秒，3秒。
另外还进行了其他复杂查询（join、cte、subquery、排序、分区查询等），不再一一赘述，性能平均提速20倍左右。
3）btree index include索引叶子附加属性
这个特性比较有意思，创建索引的时候一般怎么做？制定字段放进去，这些字段是我要查的。我这里举一个例子说，用非索引组的表，数据怎么存放？写进来没有任何顺序。
比如说有这样的业务做移动对象跟踪，共享单车，我们在手机里可以看历史轨迹，由上报的点组成。一般来说行程会涉及到上千个点。上报的数据是一条一条插进来的，这个世界有很多人同时骑车，也就是说很多人都在上报数据。你去查某一笔订单的轨迹，我们怎么通常怎么优化？在订单号加索引，感觉挺快的。但是有没有想过这个问题在那里？你的数据是无序存储，1000条记录可能是分布在1000个数据块，如果同时有大量并发查询可以把IO打满，即使这个数据在内存，也很容易触达内存带宽上限。
最后怎么解决这个问题？通常建个合索引，可以查出来。当然可以了，但是这里出现另外一个问题，这个Key在索引page的每个层面都是多个Key，他的这种split概率就会增加。但是实际上查询条件就是驱动列，就是你的订单号的哪一列。所以实际上可以创建索引的时候还是用订单号，但是我把你的时间放到leaf page，同一个订单的附加字段的数据被放到了同一个订单所在的叶子里面。这个时候来查询，因为这个数据一千个点只落在三五数据块。Include index相比较索引组织表的好处：我可以创建很多个按你的要求来的索引组织，好像同一份数据有很多数据组织结构一样。然而索引组织表只有一种结构。
4）添加字段（含默认值）更快
以前添加字段不加否认值就是改一个原数据，以前加默认值做table rewrite所以慢。现在我们会变成甭管加什么字段，甭管是否包括默认值，总之瞬间完成。对用户特别友好。
5）支持存储过程
在存储过程中，支持子事务提交。
CREATE [ OR REPLACE ] PROCEDURE
name ( [ [ argmode ] [ argname ] argtype [ { DEFAULT | = } default_expr ] [, ...] ] )
{ LANGUAGE lang_name
| TRANSFORM { FOR TYPE type_name } [, ... ]
| [ EXTERNAL ] SECURITY INVOKER | [ EXTERNAL ] SECURITY DEFINER
| SET configuration_parameter { TO value | = value | FROM CURRENT }
| AS 'definition'
| AS 'obj_file', 'link_symbol'
} ...
PG 12新特性
1）AM接口
如上图所示，左边是12以前的版本，右边是12版本。12中间加了一层访问方法，这里面有索引方法或表访问方法，剥出来的好处就是我们可以在这个地方加新的数据存储结构，例如加内存表、列存表，压缩表等，都可以在这一层去做。
所以就有了列存的引擎，这里举两个例子，zedstore（列存）和zheap（支持回滚段）。列存压缩率高，支持向量计算，非常适合做批量计算，分析领域的性能提升很明显。
第二就是zheap，把回滚段从数据存储剥离出来，旧的版本拷贝到回滚段去，查到过去的版本去回滚段查，减少膨胀问题。
2）分区表-大量分区性能提升
原生分区（包括11的版本）分区很多有性能问题，12这一块已经优化掉，在1000个分区时，查询有提升400多倍。分区越多，性能提升越明显。
3）GiST index include索引叶子附加属性
- 正轨迹，时空搜索；
- 按结果集（索引）聚集存储，消除回表IO放大。
4）CTE 物化、非物化
物化的下推，在12版本里面可以指定要不要物化，如果是物化的话，物化的子句跟外面完全隔离，相当于这一层单独计算。如果指定不要物化，那么优化器会考虑子句外面的条件，可以将条件传递给非物化子句，提前过滤，提高性能。
5）日志采样
日志采样，相当于之前做审计日志，你要么全开，要么全关。实际上有的用户要的是不要所有的采下来，比如说做排错，同类错误不需要都被记录下来，采样就可以了。又比如说查询访问量特别大，如果所有的sql全审计下来会影响性能。使用这个采样的功能，不会影响性能。
6）COPY WHERE
Copy时支持过滤条件，可以在导入数据时过滤不需要的记录。
四、PG on 云
作为阿里巴巴自主研发的下一代关系型分布式云原生数据库，PolarDB目前兼容三种数据库引擎：MySQL、PostgreSQL、高度兼容Oracle语法。计算能力最高可扩展至1000核以上，存储容量最高可达100T。
- 兼容Oracle语法的引擎：高度兼容Oracle语法，降低Oracle迁移风险、缩短迁移周期，助力企业快速替换Oracle，进入云智能时代。
- 兼容PostgreSQL的引擎：完全兼容PostgreSQL，支持计算与存储分离、独立伸缩，存储按量付费。业务透明读写分离（该项功能开发中）。适合中大型企业核心业务场景。