<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>analytics on Mooncake</title>
    <link>https://mooncake.pgsty.com/zh/tags/analytics/</link>
    <description>Recent content in analytics on Mooncake</description>
    <generator>Hugo</generator>
    <language>zh-CN</language>
    
    
    
      <lastBuildDate>Thu, 05 Nov 2026 19:17:16 +0800</lastBuildDate>
    
    
      <atom:link href="https://mooncake.pgsty.com/zh/tags/analytics/index.xml" rel="self" type="application/rss+xml" />
    
    <item>
        <title>“在 Postgres 中做分析”究竟意味着什么？</title>
        <link>https://mooncake.pgsty.com/zh/blog/post/why-postgres-analytics/</link>
        <pubDate>Sun, 23 Mar 2025 00:00:00 +0000</pubDate>
        
        <guid>https://mooncake.pgsty.com/zh/blog/post/why-postgres-analytics/</guid>
        <description>&lt;p&gt;当今数据库领域很少有方向比“扩展 Postgres 以支持分析查询”更炙手可热了。这其实也算不上什么全新的课题——在过去十年间，业界已经有过许多次尝试：&lt;/p&gt;&#xA;&lt;img class=&#34;td-image&#34; src=&#34;https://mooncake.pgsty.com/images/blog/pganalytics-timeline.jpg&#34; alt=&#34;Timelines&#34; loading=&#34;lazy&#34; decoding=&#34;async&#34;&gt;&lt;p&gt;以下是我与大量客户交流后的核心总结——“Postgres 分析”对用户而言究竟意味着什么？以及为什么尽管我们在 &lt;a href=&#34;https://mooncake.pgsty.com/zh/docs/intro/&#34;&gt;&lt;code&gt;pg_mooncake&lt;/code&gt;&lt;/a&gt; 第一阶段取得了一定成果，这个领域的终极难题在很长时间里依然悬而未决？&lt;/p&gt;</description>
      </item>
    <item>
        <title>pg_mooncake 🤝 Drizzle：用强类型 ORM 驱动分析查询</title>
        <link>https://mooncake.pgsty.com/zh/blog/post/pgmooncake-drizzle/</link>
        <pubDate>Wed, 08 Jan 2025 00:00:00 +0000</pubDate>
        
        <guid>https://mooncake.pgsty.com/zh/blog/post/pgmooncake-drizzle/</guid>
        <description>&lt;p&gt;在 &lt;a href=&#34;https://mooncake.pgsty.com/zh/docs/intro/&#34;&gt;&lt;code&gt;pg_mooncake&lt;/code&gt;&lt;/a&gt; &lt;a href=&#34;https://mooncake.pgsty.com/zh/blog/post/how-we-built-pgmooncake/&#34;&gt;发布之初&lt;/a&gt;，有一件事出乎我们的意料：开发者们非常关心能否在分析型负载中继续使用熟悉的 ORM。我们经常收到两类典型需求：&lt;/p&gt;&#xA;&lt;ol&gt;&#xA;&lt;li&gt;&lt;em&gt;“我手头有一堆 Parquet 文件，我希望能在它们之上获得完整的 ORM 类型支持。”&lt;/em&gt;&lt;/li&gt;&#xA;&lt;li&gt;&lt;em&gt;“我在事务数据库里用了 Drizzle / Prisma，我也希望能直接用它来写分析报表和仪表盘查询。”&lt;/em&gt;&lt;/li&gt;&#xA;&lt;/ol&gt;&#xA;&lt;img class=&#34;td-image&#34; src=&#34;https://mooncake.pgsty.com/images/blog/blog6-slack.jpg&#34; alt=&#34;slack&#34; loading=&#34;lazy&#34; decoding=&#34;async&#34;&gt;&lt;p&gt;我们始终坚信，Postgres 中的列式存储在外观和使用体验上必须像一张普通堆表。这正是 &lt;code&gt;pg_mooncake&lt;/code&gt; 列存表的核心创新所在：你可以对它执行事务、更新、删除，并与普通堆表直接关联（JOIN）。&lt;/p&gt;</description>
      </item>
    <item>
        <title>pg_mooncake &#43; Neon：PostgreSQL 中的 Serverless 实时分析</title>
        <link>https://mooncake.pgsty.com/zh/blog/post/pgmooncake-neon/</link>
        <pubDate>Tue, 07 Jan 2025 00:00:00 +0000</pubDate>
        
        <guid>https://mooncake.pgsty.com/zh/blog/post/pgmooncake-neon/</guid>
        <description>&lt;p&gt;&lt;a href=&#34;https://mooncake.pgsty.com/zh/docs/intro/&#34;&gt;&lt;code&gt;pg_mooncake&lt;/code&gt;&lt;/a&gt; 在两个月前发布了 Beta 版，为 PostgreSQL 带来了列式存储与向量化查询执行引擎。&lt;/p&gt;&#xA;&lt;p&gt;在过去两个月与早期用户的打磨过程中，我们突然意识到：我们无意间打造出了最优秀的 Serverless 分析数据库。故事是这样的：&lt;/p&gt;</description>
      </item>
    
  </channel>
</rss>
