数据库优化 - 编码字段

Question

有点理论题。

只是想知道有没有办法优化数据字段？

说对于给定的字段，您只有 3 个可能的字符串，但出于某种原因，这些字符串非常长（比如 50 个字符），声明该字段为 character_varying(50) 似乎浪费了很多磁盘空间，因为数据基本上适合2 位。

我想你可以通过加入标签表来解决这个问题，但是还有其他更合适的方法还是数据库能够自己自动优化这种列？

普通数据库是否能够自行处理这种优化？ 有没有办法在数据库中声明这种结构（类似于 R 语言因子概念）？ Postgresql 域结构是否有助于优化？

一些背景：

在您认为这是一个愚蠢的问题之前。我一直在使用旧的遗留系统（90 年代初），其中所有内容都经过大量编码以节省内存和性能（例如，性将被编码为 (1,2) 而不是（男性、女性）和许多不太明显的编码）。

现在我们正在将系统迁移到更现代的数据库 (postgresql)，希望我们能够使用可读的“纯文本”字段。

我并不真正关心实际性能。更多的理论问题。

Answer 1

PostgreSQL 的enums (enumerations) 就是为了这个。

CREATE TYPE sex AS ENUM ('male', 'female', 'intersex', 'unspecified');

（是的，我在这里用我的例子说明了一点。仍然强制二元性别选择的应用程序开发人员需要用线索棒打击，很难。与那些混淆“性别”（生物）和“性别”（社会学）。）

枚举的主要限制是它们必须包含name，而不是任意长度的字符串，并且您不能删除值，只能附加/插入它们。在所有标准 PostgreSQL 构建中，NAMEDATALEN 设置为 63 字节。所以你不能使用 long 字符串：

regress=> CREATE TYPE long AS ENUM ('aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa');
ERROR:  invalid enum label "aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa"
DETAIL:  Labels must be 63 characters or less.

枚举在内部被编码为int4 值：

regress=> SELECT pg_column_size( 'female'::sex );
 pg_column_size 
----------------
              4
(1 row)

所以实际上更紧凑来存储"char"：

select pg_column_size('m'::"char");

如果您不介意失去自记录的可读性以及无法独立于值指定排序顺序。 "char" 是 1 字节固定大小字符值的 PostgreSQL 扩展，必须始终使用引号将其与 SQL 标准 character 类型（可能缩写为 char）区分开来。

Answer 2

我认为您正在寻找必须专门创建的“枚举”数据类型，它将数据保存为整数，但在 SELECT 上将其转换为字符串

例如

CREATE TYPE my_specific_text_field AS ENUM
(
'string one with longish text',
'second string with fairly long text',
'third string'
);

CREATE TABLE test (
id serial not null primary key,
myenum my_specific_text_field
);

INSERT INTO test (myenum) VALUES ('string one with longish text');

也就是说，如果您不熟悉枚举，枚举可能会有点麻烦，导出枚举可能会很棘手，而且我相信它们的长度上限为 63 个字节。