# ClickBench 基准测试证明：Postgres 是一流的分析型数据库

> 凭借 pg_mooncake，PostgreSQL 成功闯入 ClickBench 全球前十——完全在 Postgres 进程内实现媲美专用 OLAP 引擎的分析性能。

---

LLMS 索引： [llms.txt](/zh/llms.txt)

---

**太长不看版（TL;DR）：**
经过几个月的深度优化，我们让 PostgreSQL 成功闯入了 [**ClickBench 全球前十**](https://benchmark.clickhouse.com/)——这个榜单长期以来一直被各种专门构建的 OLAP 分析数据库所统治。

更重要的是，所有计算均在 Postgres 进程内完成，所有表均由 PostgreSQL 直接管理——它绝不是一个简单的外部代理包装器。这就是 [`pg_mooncake`](/zh/docs/intro/) 的故事。

![Clickbench](/images/blog/clickbench-blog.jpg)

## 什么是 ClickBench？ {#what-is-clickbench}

[ClickBench](https://github.com/ClickHouse/ClickBench/tree/main) 是实时分析型数据库领域最权威的基准测试，最初由 ClickHouse 团队发起，旨在评估数据库处理真实世界大规模表扫描、多维过滤与复杂聚合查询的能力。

在历史上，ClickHouse 等专用分析型数据库一直在该榜单上遥遥领先，而像 Postgres / MySQL 这样的通用关系型数据库往往慢上 100 倍以上。我们希望打破这一固有印象——而 Postgres 不负众望。

## 如何在 Postgres 内部构建极速分析引擎？ {#how-to-build-analytics-in-postgres}

当大多数人想到 PostgreSQL 时，脑海里浮现的是一台坚如磐石的 OLTP 事务数据库，而不是实时分析引擎。然而，PostgreSQL 无与伦比的可扩展性使它具备了越级挑战的能力。

以下是我们的核心工程路径：

**1. 构建原生 PG 扩展**

我们充分利用 PostgreSQL 的扩展机制，将 `pg_mooncake` 构建为原生的 PG 扩展。

**2. 存储格式：列式存储（Columnstore）**

对于分析型负载而言，列存格式不可或缺。ClickBench 的典型负载是一张极宽的大表，而每条查询通常只访问其中少数几列：

- 在行存表（如 PostgreSQL 原生堆表）中，读取单列意味着必须在磁盘页面上跨行跳跃读取；
- 在列存表中，同一列的数据连续存放，顺序读取极快，且能实现更高的压缩率以及直接在压缩数据上执行计算。

**3. 向量化执行（Vectorized Execution）**

为了彻底释放列存格式的计算潜力，我们将 DuckDB 嵌入作为列存查询的执行引擎。整个执行管线以向量化批次（Vectorized Batches）而非逐行（Tuple-at-a-time）方式处理数据，充分激活现代 CPU 的 SIMD 指令集，在全表扫描、`GROUP BY` 分组与聚合计算中展现出极高的吞吐效率。

**4. 在 PostgreSQL 内部直接管理表元数据与统计信息**

在实时分析中，固定开销与规划延迟至关重要。我们没有在每次查询时去对象存储或 Parquet 文件尾部解析元数据，而是将文件列表与行组（Row Group）统计信息直接持久化在 PostgreSQL 中：

- 大幅缩短查询规划（Query Planning）耗时；
- 支持精细化的文件跳过（File Skipping）与行组裁剪，显著减少不必要的 I/O（详见[下一篇深度解析](/zh/blog/post/duckdb-parquet/)）。

关于整体架构的更多细节，请参阅[《pg_mooncake 是如何构建的》](/zh/blog/post/how-we-built-pgmooncake/)。

## 这意味着什么？ {#what-does-it-mean}

PostgreSQL 不再仅仅是一匹 OLTP 驮马。通过精心的内核工程与架构调优，它完全能够在保留 PostgreSQL 完整生态与灵活性的同时，提供媲美专用 OLAP 数据库的分析性能。

在打造了十年高端数据系统之后，我最核心的信念之一便是：**我们可以把现代数据栈变得简单得多。**

[`pg_mooncake`](/zh/docs/intro/) 采用 MIT 开源许可证发布，欢迎立即[上手体验](/zh/docs/getting-started/)。

🥮

---

反链：

- [如何让 DuckDB 在 Parquet 文件上的查询性能再上一个台阶](/zh/blog/post/duckdb-parquet/)
- [“在 Postgres 中做分析”究竟意味着什么？](/zh/blog/post/why-postgres-analytics/)
- [PostgreSQL 中最简单的极速分析方式：pg_mooncake v0.1 正式发布](/zh/blog/release/pgmooncake-v01/)
- [pg_mooncake v0.2 架构前瞻：开箱即用的实时列存与逻辑复制](/zh/blog/release/pgmooncake-v02discussion/)