PolarDB PostgreSQL 版

本文介绍了如何修改 `pg_bulkload` 工具以适配 PolarDB 的 PFS（Polar File System），从而加速批量导入数据。实验环境依赖于 Docker 容器中的 loop 设备模拟共享存储。通过对 `writer_direct.c` 文件的修改，替换了一些标准文件操作接口为 PFS 对应接口，实现了对 PolarDB 15 版本的支持。测试结果显示，使用 `pg_bulkload` 导入 1000 万条数据的速度是 COPY 命令的三倍多。此外，文章还提供了详细的步骤和代码示例，帮助读者理解和实践这一过程。

本文介绍了如何在PolarDB数据库中接入pg_duckdb、pg_mooncake插件以支持数据湖功能, 可以读写对象存储的远程数据, 支持csv, parquet等格式, 支持delta等框架, 并显著提升OLAP性能。

本文介绍了如何在PolarDB数据库中接入PostGIS插件全功能，实现地理空间数据处理。此外，文章还提供了使用PostGIS生成泰森多边形（Voronoi diagram）的具体示例，帮助用户理解其应用场景及操作方法。

本文介绍了如何在PolarDB数据库中接入私有化大模型服务，以实现多种应用场景。实验环境依赖于Docker容器中的loop设备模拟共享存储，具体搭建方法可参考相关系列文章。文中详细描述了部署ollama服务、编译并安装http和openai插件的过程，并通过示例展示了如何使用这些插件调用大模型API进行文本分析和情感分类等任务。此外，还探讨了如何设计表结构及触发器函数自动处理客户反馈数据，以及生成满足需求的SQL查询语句。最后对比了不同模型的回答效果，展示了deepseek-r1模型的优势。

PolarDB不仅支持基于“共享存储+多计算节点”的集群版，还提供类似开源PostgreSQL的单机版。单机版部署简单，适合大多数应用场景，并可直接使用PostgreSQL生态插件。通过Docker容器、Git克隆代码、编译软件等步骤，即可完成PolarDB单机版的安装与配置。具体操作包括启动容器、进入容器、克隆代码、编译软件、初始化实例、配置参数及启动数据库。此外，还有多个相关教程和视频链接供参考，帮助用户更好地理解和使用PolarDB单机版。

本文介绍如何将“本地存储实例”转换为“共享存储实例”，依赖于先前搭建的实验环境。主要步骤包括：准备PFS二进制文件、格式化共享盘为pfs文件系统、启动pfsd服务、停库并拷贝数据到pfs内、修改配置文件，最后启动实例。通过这些操作，成功实现了从本地存储到共享存储的转换，并验证了新实例的功能。相关系列文章和视频链接提供了更多背景信息和技术细节。

本文介绍了如何将“共享存储实例”转换为“本地存储实例”，实验环境依赖于Docker容器中的loop设备模拟共享存储。具体步骤包括准备本地目录、停库、拷贝数据、修改配置文件并启动实例。通过这些操作，可以实现从共享存储到本地存储的平滑转换。相关系列文章详细记录了PolarDB RAC一写多读集群的搭建与管理，提供了丰富的实战经验。

本文介绍了如何激活PolarDB容灾（Standby）节点，实验环境依赖于Docker容器中用loop设备模拟共享存储。通过`pg_ctl promote`命令可以将Standby节点提升为主节点，使其能够接收读写请求。激活后，原Standby节点不能再成为PolarDB集群的Standby节点。建议删除对应的复制槽位以避免WAL文件堆积。相关操作和配置请参考系列文章及视频教程。

本文介绍了如何配置读写分离工具pgpool-II for PolarDB，使应用程序能够透明地实现读写分离。

本文介绍了在PolarDB RAC一写多读集群中，当所有计算节点（主机）故障仅剩共享存储时的修复方法。实验基于Docker容器和loop设备模拟共享存储环境。通过重建计算节点、恢复PolarDB实例及配置相关参数，最终成功恢复RW和RO节点的功能，确保数据完整性和集群正常运行。视频回放可在B站和YouTube上查看。

本文介绍了如何在PolarDB RAC一写多读集群中进行时间点恢复（PITR）。实验环境依赖于Docker容器中的loop设备模拟共享存储。首先，确保已开启实时归档并完成全量备份。接着，在主节点生成数据并创建恢复点。然后，通过修改配置文件和添加恢复标记文件，使用备份和归档日志将数据库恢复到指定的时间点。最后，验证数据是否已成功恢复，并关闭恢复库。参考了多个相关文档和系列文章，详细步骤和配置请参阅提供的链接。

本文介绍了如何在PolarDB RAC一写多读集群中实现实时归档，确保WAL日志的及时备份。实验依赖于Docker容器和loop设备模拟的共享存储环境。通过配置主节点的`pg_hba.conf`、创建复制槽以及使用`pg_receivewal`工具，实现实时接收并归档WAL文件。此外，还提供了详细的命令行帮助和相关文档链接，方便读者参考和操作。注意：如果已搭建容灾节点，则无需重复进行实时归档。

本文介绍了如何在PolarDB RAC一写多读集群中进行在线归档。实验环境依赖于Docker容器中的loop设备模拟共享存储，具体步骤包括创建虚拟磁盘、挂载loop设备、格式化设备、启动pfsd服务、配置归档参数等。通过调整`archive_mode`和`archive_command`，确保WAL日志能够正确归档到指定路径。遇到跨pbdnames拷贝失败的问题后，确认需使用`-S disk -D disk`选项解决。最终实现将WAL日志归档到PFS或本地文件系统，并建议使用`pg_receivewal`进行实时归档。

本文介绍了如何在PolarDB RAC一写多读集群中进行在线备份，特别针对共享存储模式。通过使用`polar_basebackup`工具，可以将实例的本地数据和共享数据备份到本地盘中。实验环境依赖于Docker容器中用loop设备模拟的共享存储。

本文介绍了如何在PolarDB RAC一写多读集群中进行计算节点的Switchover操作。实验环境依赖于Docker容器中的loop设备模拟共享存储，确保Primary节点停止写入后，再将Replica节点提升为Primary节点，避免多节点同时写入导致的数据异常。文中详细描述了Switchover的具体步骤、常见问题及解决方案，并提供了相关配置和命令示例。通过这些步骤，可以顺利完成节点角色的切换，确保集群的高可用性和数据一致性。

本文继续探讨穷鬼玩PolarDB RAC一写多读集群系列，介绍如何在线扩容共享存储。实验环境依赖《在Docker容器中用loop设备模拟共享存储》搭建。主要步骤包括：1) 扩容虚拟磁盘；2) 刷新loop设备容量；3) 使用PFS工具进行文件系统扩容；4) 更新数据库实例以识别新空间。通过这些步骤，成功将共享存储从20GB扩容至30GB，并确保所有节点都能使用新的存储空间。

在笔记本上构建PolarDB RAC环境，本文介绍了一种适用于Windows、macOS和Linux的方法：通过将宿主机上的文件模拟为块设备，并在多个Docker容器中使用loop设备共享该文件。此方法解决了macOS不支持直接挂载块设备的问题。

本文介绍了如何在macOS中搭建PolarDB的容灾（standby）节点，作为“穷鬼玩PolarDB RAC一写多读集群”系列的一部分。基于前一篇通过Docker和loop设备模拟共享存储的经验，本文详细描述了创建虚拟磁盘、启动容器、配置网络、格式化磁盘、备份数据及配置standby节点的具体步骤。

本文介绍了玩转 PolarDB 开源社区指南:如何搭建 PolarDB 开发环境及参与开源社区。 主要内容： 1. **搭建开发环境**：提供多种 Docker 镜像供开发者选择，支持 x86_64 和 ARM64 架构，适配 CentOS、Debian、Ubuntu 等多个 Linux 发行版。 2. **编译与部署**：通过 Docker 容器克隆 PolarDB 源码并编译安装，支持构建一写多读集群测试 ePQ MPP 优化器功能。 3. **参与开源社区**：介绍个人、生态伙伴和用户如何从社区中获取技能、建立连接、积累战绩并提升影响力。社区活动涵盖公开课、训练营、编程大赛、企业行等。

PolarDB是一款开源的云原生分布式数据库，源自阿里云商业产品。为降低使用门槛，PolarDB携手伙伴打造了完整的开源生态，涵盖操作系统、芯片、存储、集成管控、监控、审计、开发者工具、数据同步、超融合计算、ISV软件、开源插件、人才培养、社区合作及大型用户合作等领域。通过这些合作伙伴，PolarDB提供了丰富的功能和服务，支持多种硬件和软件环境，满足不同用户的需求。更多信息请访问[PolarDB开源官方网站](https://openpolardb.com/home)。

PolarDB在复杂查询、大数据量计算与分析场景的测试和优化实践.

PolarDB向量数据库插件通过实现通义大模型AI的外脑，解决了通用大模型无法触达私有知识库和产生幻觉的问题。该插件允许用户将新发现的知识和未训练的私有知识分段并转换为向量，存储在向量数据库中，并创建索引以加速相似搜索。当用户提问时，系统将问题向量化并与数据库中的向量进行匹配，找到最相似的内容发送给大模型，从而提高回答的准确性和相关性。此外，PolarDB支持多种编程语言接口，如Python，使数据库具备内置AI能力，极大提升了数据处理和分析的效率。

本文介绍了基于用户画像的精准营销技术，重点探讨了如何通过标签组合快速圈选目标人群。实验分为三部分： 1. **传统方法**：使用字符串存储标签并进行模糊查询，但性能较差，每次请求都需要扫描全表。 2. **实验1**：引入`pg_trgm`插件和GIN索引，显著提升了单个模糊查询条件的性能。 3. **实验2**：改用数组类型存储标签，并结合GIN索引加速包含查询，性能进一步提升。 4. **实验3**：利用`smlar`插件实现近似度过滤，支持按标签重合数量或比例筛选。

本文介绍了如何在跨境电商场景中快速判断商标或品牌侵权，避免因侵权带来的法律纠纷。通过创建品牌表并使用PostgreSQL的pg_trgm插件和GIN索引，实现了高性能的字符串相似匹配功能。与传统方法相比，PolarDB|PostgreSQL的方法不仅提升了上万倍的查询速度，还解决了传统方法难以处理的相似问题检索。具体实现步骤包括创建品牌表、插入随机品牌名、配置pg_trgm插件及索引，并设置相似度阈值进行高效查询。此外，文章还探讨了字符串相似度计算的原理及应用场景，提供了进一步优化和扩展的方向。

本文介绍了如何使用PostgreSQL和PolarDB快速生成“海量且逼真”的测试数据，以满足不同业务场景的需求。传统数据库测试依赖标准套件（如TPC-C、TPC-H），难以生成符合特定业务特征的复杂数据。通过自定义函数（如`gen_random_int`、`gen_random_string`等）、SRF函数（如`generate_series`）和pgbench工具，可以高效生成大规模、高仿真度的数据，并进行压力测试。文中还提供了多个示例代码展示.

1、当前环境已安装并支持哪些插件 2、AI外脑插件: vector 3、营销场景目标人群圈选插件: smlar 4、地理信息搜索插件: PostGIS 5、中文分词插件: pg_jieba 6、融合计算插件: duckdb_fdw 7、读写分离工具: pgpool-II

PolarDB 特性解读与体验涵盖多项关键技术，包括预读/预扩展、Shared Server（建议使用连接池）、闪回表和闪回日志、弹性跨机并行查询（ePQ）及TDE透明数据加密。预读/预扩展通过批量I/O操作显著提升Vacuum、SeqScan等场景性能；Shared Server优化高并发短连接处理；闪回功能可恢复表至指定时间点；ePQ支持跨机并行查询以提高复杂查询效率；TDE确保数据存储层的安全加密。

PolarDB日常运维指南涵盖了多个关键操作，包括读写节点故障切换、增加只读节点、配置WAL日志归档、备份与恢复、创建容灾实例以及排查CPU负载高等。通过详细的步骤和代码示例，本文档帮助用户在本地环境中体验和学习PolarDB的高级功能，如共享存储架构下的集群管理。特别地，文档提供了如何使用`polar_basebackup`工具进行备份和恢复，确保数据安全；并通过`pg_stat_statements`插件定位慢查询，优化数据库性能。此外，还介绍了常见问题的排查方法，如业务量上涨或长时间执行的SQL语句导致的CPU高负载。更多内容和进阶课程可参考提供的GitHub链接和官方文档。

PolarDB 安装部署指南涵盖了从单机版到集群版的详细步骤。内容包括： 1. **单机版安装**：通过Docker镜像`polardb_pg_local_instance`，提供快速搭建PolarDB学习或开发环境的方法，支持多种操作系统。 2. **集群版安装（ECS + ESSD）**：在阿里云ECS上部署两台计算节点，并使用ESSD作为共享存储，通过PFS（PolarDB File System）实现存算分离和读写分离的集群架构。

PolarDB 是阿里云研发的云原生分布式数据库，基于 PostgreSQL 开源版本，旨在解决传统数据库在大规模数据和高并发场景下的性能和扩展性问题。其主要特点包括： 1. **存储计算分离架构**：通过将计算与存储分离，实现极致弹性、共享一份数据以降低成本、透明读写分离。 2. **HTAP 架构**：支持混合事务处理和分析处理（HTAP），能够在同一系统中高效执行 OLTP 和 OLAP 查询。 3. **优化的日志复制机制**：采用只复制元数据的方式减少网络传输量，优化页面回放和 DDL 锁回放过程。 4. **并行查询与索引创建**：引入 MPP 分布式执行引擎。

PolarDB，阿里云的云原生数据库，提供高性能（4倍于PostgreSQL）、高可用性、可扩展性和安全保障。包括分布式版本PolarDB-X和共享存储版本PolarDB-PG。部署过程简易快捷，但文档和指南有待更新和完善。建议增强PXD工具文档、更新PolarDB-PG指南，以及提升PolarDB-PG性能和扩展PolarDB-X功能。测试者对PolarDB整体表现满意，推荐开发者试用。

小鹏汽车在智能辅助驾驶业务中遇到数据库性能挑战，如大表查询慢、频繁更新和存储空间快速膨胀。他们原使用的是社区版PostgreSQL，但随着数据量增长，性能瓶颈日益凸显。为了解决这些问题，小鹏汽车采用了阿里云的PolarDB-PG。 PolarDB-PG 的存储具备弹性扩容的能力，最大可支持 100 TB 存储空间。它的大表优化和弹性跨机并行查询（ePQ），成功解决了社区 PostgreSQL 针对大表的查询和并发更新慢的问题。在小鹏汽车的智能辅助驾驶业务上，实现了每日 TB 级大数据表的 7000 万行更新和大数据表秒级分析查询。

基于阿里云瑶池数据库解决方案体验馆，带你体验PolarDB PG版 Serverless形态下的性能压测环境，基于可选择的标准压测工具进行压测，构造弹性场景进行压测，实时动态展示弹性能力、价格和性价比结果，压测环境可开放定制修改、可重复验证。参与活动即有机会获得小爱随身音响、体脂秤、极客时间VIP月卡、鼠标垫等精美礼品。

【公测】PolarDB PostgreSQL版Serverless功能免费使用​，公测于2024年3月28日开始，持续三个月，公测期间可以免费使用！

在 PolarDB-PG 数据库中，分区表 (Partitioned Table) 使您能够将非常大的表分解为更小且更易于管理的部分，这个部分称为分区 (Partition) 。 每个分区都是一个独立的对象，具有自己的名称和可选的存储特性。本文首先简单的介绍了分区表策略以及它的优势特点，然后介绍了PolarDB-PG 分区表支持的查询优化特性，最后介绍了分区表上的本地索引和全局索引，从而帮助用户对PolarDB-PG 分区表有一个全面的了解。

近日，成都晨云信息技术有限责任公司（以下简称晨云信息）与阿里云PolarDB PostgreSQL版数据库产品展开产品集成认证。测试结果表明，晨云信息旗下晨云-站群管理系统（V1.0）与阿里云以下产品：开源云原生数据库PolarDB PostgreSQL版（V11），完全满足产品兼容认证要求，兼容性良好，系统运行稳定。

PolarDB PostgreSQL版是一款高性能的数据库，具有与Oracle兼容的特性。它采用了分布式架构，可以轻松处理大量的数据，同时还支持多种数据类型和函数，具有高可用性和可扩展性。它还提供了丰富的管理工具和性能优化功能，为企业提供了可靠的数据存储和处理解决方案。PolarDB PostgreSQL版在数据库领域具有很高的竞争力，可以满足各种企业的需求。

PostgreSQL Json应用场景介绍和Shared Detoast优化

随着企业业务全面向数字化、在线化、智能化演进，企业面临着呈指数级递增的海量存储需求和挑战，传统的商业数据库已经难以满足和响应快速变化持续增长的业务诉求。云数据库凭借着成本、性能、业务连续性以及在线业务扩展等优势成为企业更优的选择。随着企业数据逐步上云，云数据库安全变得至关重要。云数据库安全不仅可以防止未授权访问和数据泄露问题，保护数据的机密性和完整性，还可以保护企业的声誉和客户信任，保障企业遵守法律法规的要求。只有通过确保云数据库的安全性，企业才能够在数字化时代中安心地利用云服务。

传统数据库不支持图像类型, 图像相似计算函数, 图像相似计算操作服, 相似排序操作符. 所以遇到类似的需求, 需要自行编写应用来解决. PG|PolarDB 通过imgsmlr插件, 可以将图像转换为向量特征值, 使用相似距离计算函数得到相似值, 使用索引加速相似度排序, 快速获得相似图片, 实现以图搜图. 也可以通过pgvector插件来存储图片向量特征值, 结合大模型服务(抠图、图像向量转换), 可以实现从图像转换、基于图像的相似向量检索全流程能力.

在上一个实验《沉浸式学习PostgreSQL|PolarDB 19: 体验最流行的开源企业ERP软件 odoo》 中, 学习了如何部署odoo和polardb|pg. 由于ODOO是非常复杂的ERP软件, 对于关系数据库的挑战也非常大, 所以通过odoo业务可以更快速提升同学的数据库优化能力, 发现业务对数据库的使用问题(如索引、事务对锁的运用逻辑问题), 数据库的代码缺陷, 参数或环境配置问题, 系统瓶颈等.

本文主要教大家怎么用好数据库, 而不是怎么运维管理数据库、怎么开发数据库内核.

本次分享将先从架构、特性、开源等三个维度解读PolarDB-PG的整体架构。在大家对架构有一定深入理解后，将继续从备份恢复、存储层、计算层扩容、只读节点提升、高可用等五个维度，对PolarDB-PG的日常运维进行深入浅出的介绍，为“唯手熟尔”的运维打好理论基础。

本文主要教大家怎么用好数据库, 而不是怎么运维管理数据库、怎么开发数据库内核.

本文所涉及的实验体验的就是怎么建设AI的外脑?向量数据库的核心价值:AI外脑

MySQL、PostgreSQL，乃至各种各样的数据库，孰强孰弱，难以辨别。究其原因，只因”不识庐山真面目，只缘身在此山中“。只需跳出”数据库“三字，一切自然看的分明。9月22日，解读如何换个维度，发现真相。

新生产力工具AI会催生下一级人类文明跃迁吗? 数据库进化出了哪些与AI相结合的能力? AI加持后的数据库应用场景有哪些变化?