应用场景与架构模式 on Mooncake

实时操作分析 (HTAP)

Mon, 01 Jan 0001 00:00:00 +0000

如果你正在 PostgreSQL 业务表上运行缓慢的分析查询（例如实时报表看板、面向客户的统计指标、多维聚合查询），pg_mooncake 提供了一条极简的加速路径：

PostgreSQL 大表分区冷热归档

Mon, 01 Jan 0001 00:00:00 +0000

pg_mooncake 的列存镜像表将数据写为高压缩比的 Parquet 文件（保存在本地磁盘或 AWS S3 / Cloudflare R2 对象存储上），使你能够在 PostgreSQL 行存中仅保留近期热分区，同时在列存镜像中以极低成本持久化保留完整的历史数据。

PostgreSQL 湖仓一体 (The Postgres Lakehouse)

Mon, 01 Jan 0001 00:00:00 +0000

**湖仓一体（Lakehouse）**架构将数据以开放表格式（Apache Iceberg 或 Delta Lake）统一存储在对象存储上，使多个计算引擎——PostgreSQL、DuckDB、Apache Spark、Snowflake、Trino 以及 Python（Polars / PyIceberg）——能够共享同一份数据，而无需反复拷贝。

日志分析与 OpenTelemetry

Mon, 01 Jan 0001 00:00:00 +0000

在传统架构中，人们很少使用 PostgreSQL 承载大规模日志分析，因为行存堆表与索引的磁盘占用增长极快，且对数千万条日志执行全表聚合扫描非常缓慢。

借助 pg_mooncake，你可以将按时间分区的 PostgreSQL 行存写入与基于对象存储的列存镜像结合起来：