PGer真讨厌
digoal约 3 分钟PGer真的很讨厌, 总有一种莫名其妙的优越感!
他们这种鬼畜般的优越感到底哪来的?
就让我来分析分析.
PG数据库几乎可以囊括所有赛道的数据库能力, 从关系到搜索、图、向量、GIS、时序、文档等等.
甚至是一些没有数据库涉足的专业领域也有PG的身影, 例如化学分子式搜索、库内ONNX、机器学习、图像识别、指纹识别等等.
难怪纳德拉会说出SaaS已死。
如果需要给每个AI Agent装一个海马体，那一定是PG！不然Databrick和Snowflake收购PG商业公司的手速咋那么快呢？
赚大了！Databricks 10亿美元买下开源数据库Neon Database
Snowflake收购PostgreSQL商业发型版Crunchy Data扩大AI Data Cloud版图
也正因为如此, 如果你要精通PG真的会比其他数据库辛苦很多, 但是好处就是, 等你对PG逐渐深入, 你的优越感会油然而生!
例如, 今天我看到某个国产数据库公众号的一则活动信息如下 (为了避免有广告嫌疑, 我就不提是哪家国产数据库了, 反正你点开如下信息就知道了):
模糊搜索加速引擎：N-Gram Index 设计与优化全解析 | Data Infra NO.26
当我看到模糊和N-Gram的时候, 脑子里第一时间想到的是支持模糊搜索对pg_trgm, pg_bigm, pgroonga等PG插件. 实际上就是基于2元,3元组连续切割然后使用倒排索引实现的高效模糊搜索、正则匹配.
很多人都不相信PG单机跑1亿条文本的模糊查询能做到零点几毫秒的响应速度, 说句不好听的, 我刚入职阿里不久时, 团队满是数据库领域的精英, 一位来自DB2的同事就不信邪, 非要和我赌一把, 说PG前后百分号的模糊查询不可能那么快, 结果他吃了瘪!
真的, 用PG久了, 你的优越感会越来越强! 不是因为PG有多牛, 而是因为你用PG可能懂得比别人更多一点点.
至少用PG绝对不会让你有落后于人的尴尬, 新东西总是你先接触到. 例如还没有专业向量数据库的时候, 如果你玩过imgsmlr(图像相似搜索)、pg_similarity(十余种相似搜索算法)、cube插件 (这些都是十几年前就有的插件), 你应该早就知道多维数据的距离相近搜索, 不就是后来的向量嘛, 无非就是多了一些索引实现hnsw、ivfflat等又或者是量化、残差优化等手段, 而这些在PG数据库上也都很快就有了相应插件pgvector, vectorchord, pgvectorscale等.
PG跨诸多领域也就算了, 它还一堆衍生产品, 例如大数据相关的Greenplum(开源后太好用、被Broadcom这个大商人收购后闭源了, 幸好研发团队都在继续干, 后面几个就是: )、YMatrix(超融合数据库)、Cloudberry、PieCloudDB、HashData、ProtonBase(云原生实时湖仓)、Hologres等等.
更多衍生品参见: https://wiki.postgresql.org/wiki/PostgreSQL_derived_databases
学会PG包打天下! 你说气不气人!
总之, PGer很讨厌, 和他们聊新东西, 他们总是已经知道, 一副优越的样子非常非常让人讨厌!
但是但是, 我劝PGer还是要低调一点, 因为专业赛道的产品, 它一定有过人之处, 新产品打法第一条就是:
要么做市面上没有但是用户渴望的产品. 如果是做已经有产品的市场, 通常在某一点上用10倍以上优势单点突破, 从而吸引友商用户眼球.
是不是想玩玩PG了？我搞了个学习镜像，包含几百个PG常用插件, 如下:
https://github.com/digoal/blog/blob/master/202307/20230710_03.md
当然你也可以试试pigsty( https://pigsty.cc(中文) https://pigsty.io(国际) )这个国货之光（PG管控平台）, 不仅支持大规模PG实例生命周期管理, 还打包了很多有用插件，更能支持流行的国产数据库PolarDB for PostgreSQL、HaloDB、IvorySQL等. 简直是国产数据库及PGDBA福音.
欢迎交流, 特别是只用过MySQL的盆友, 真的心疼你们, 快来搞PG吧, 莫等闲白了少年头:
另外6.27，28有PG高峰论坛，欢迎报名。