数据库性能优化这事儿，很多人条件反射就三板斧：改 SQL、加索引、再加索引。一通操作下来，查询快了，磁盘炸了；延迟降了，维护成本上天；更扎心的是——你还以为自己“优化得很专业”。😅
这篇文章的思路很“叛逆”：与其在常规套路里打转，不如换个角度，利用 PostgreSQL 本身的一些机制做“非常规优化”。下面挑 3 个最容易落地、同时最容易被忽略的点，讲透它们为什么能省钱又提速。
1）别再全表扫了
先看一个特别真实的场景：用户表只有两种 plan：free 和 pro，并且写了约束，保证不会出现别的值。
CREATE TABLE users (
id INT PRIMARY KEY,
username TEXT NOT NULL,
plan TEXT NOT NULL,
CONSTRAINT plan_check CHECK (plan IN ('free', 'pro'))
);
然后某位大佬在报表工具里一顿操作猛如虎，写了个：
SELECT * FROM users WHERE plan = 'Pro';
注意大小写：Pro ≠ pro。结果当然是 0 行。问题是——它为了得到“0 行”，居然可能 把全表扫了一遍，这就很离谱：明明约束告诉你“根本不可能有 Pro”，你还扫什么扫？扫得我 CPU 风扇都快起飞了。
这时可以打开一个“看起来冷门但对报表场景很香”的开关：constraint_exclusion。
SET constraint_exclusion to 'on';
开启后，PostgreSQL 会在生成执行计划时参考约束信息，发现条件永远为假，就直接变成“秒回 0 行”，彻底避免无意义的 Seq Scan。
为什么它默认不是 on？因为它会增加规划阶段开销：对“系统自动生成的简单查询”，大概率用不上；但对 BI/报表这种人肉手写 SQL的场景，写错值、写错条件太常见了。
结论很直白：如果你的数据库经常被报表工具/分析师/临时查询折腾，考虑在报表环境把它打开，能省不少冤枉资源。
2）只要“按天统计”，就别用“精确到秒”的索引
函数索引省 3 倍空间还更快
第二个场景更像日常优化现场：10M 的销售表 sale，分析师要做按天汇总：
SELECT date_trunc('day', sold_at AT TIME ZONE 'UTC'), SUM(charged)
FROM sale
WHERE '2025-01-01 UTC' <= sold_at AND sold_at < '2025-02-01 UTC'
GROUP BY 1;
大家的第一反应：给 sold_at 上 B-Tree 索引！
CREATE INDEX sale_sold_at_ix ON sale(sold_at);
查询确实快了，但你一看索引体积——214MB，心里也跟着“咯噔”一下：为了按天统计，建了个精确到毫秒级的索引，这属于用大炮打蚊子。
更聪明的做法是：只索引“天”，别索引“秒”。直接上表达式索引（函数索引）：
CREATE INDEX sale_sold_at_date_ix ON sale((date_trunc('day', sold_at AT TIME ZONE 'UTC'))::date);
然后把查询写成同样表达式：
SELECT date_trunc('day', sold_at AT TIME ZONE 'UTC'), SUM(charged)
FROM sale
WHERE date_trunc('day', sold_at AT TIME ZONE 'UTC')::date BETWEEN '2025-01-01' AND '2025-01-31'
GROUP BY 1;
结果：索引体积从 214MB 变成 66MB，直接小了 3 倍多，还更快。原因不只是 date 比 timestamptz 小，而是离散值更少，B-Tree 可以做去重优化（deduplication），索引变得更紧凑。
但函数索引有个“脾气”：表达式得一模一样，稍微换个写法就可能用不上索引，比如把 date_trunc 换成 ::date，就直接退化回 Seq Scan。现实里让全团队“严格写同一表达式”，基本等同于要求大家每天不犯错（这事比上班准点还难🙂）。
解决方案有两种：
方案 A：View，把表达式固化成列
CREATE VIEW v_sale AS
SELECT *, date_trunc('day', sold_at AT TIME ZONE 'UTC')::date AS sold_at_date
FROM sale;
方案 B：Generated Column（更像“官方自带的 view 列”）
从 PostgreSQL 14 起支持生成列；文章里提到 PostgreSQL 18 还支持虚拟生成列：看起来是列，实际上是每次访问时计算的表达式，既保证表达式一致，又不额外存储（主打一个“既要又要”）。
ALTER TABLE sale ADD sold_at_date DATE
GENERATED ALWAYS AS (date_trunc('day', sold_at AT TIME ZONE 'UTC'));
然后查询就统一写：
SELECT sold_at_date, SUM(charged)
FROM sale
WHERE sold_at_date BETWEEN '2025-01-01' AND '2025-01-31'
GROUP BY 1;
这类优化特别适合那种“指标按天/按周/按月统计”的系统：别让索引为你用不到的精度买单。
3）长 URL 唯一约束把索引撑爆？
用排他约束 + Hash 索引，5 倍缩容（但有坑）
当你要对一个超长字段（比如 URL）做唯一约束时，B-Tree 索引可能接近表本体大小，因为 B-Tree 叶子节点会存储被索引值本身。URL 又长又几乎不重复，索引很容易“胖成球”。
那能不能用 Hash 索引？Hash 索引存的是 hash 值，通常小很多。问题来了：PostgreSQL 的 Hash 索引 不支持 unique index。
CREATE UNIQUE INDEX urls_url_unique_hash ON urls USING HASH(url);
-- ERROR: access method "hash" does not support unique indexes
但 PostgreSQL 还有个很少人用、名字很霸气的约束：Exclusion Constraint（排他约束）。它能配合 Hash 索引做“等值排他”，效果等同唯一约束：
ALTER TABLE urls ADD CONSTRAINT urls_url_unique_hash EXCLUDE USING HASH (url WITH =);
于是你得到了一个“用 Hash 索引实现的唯一性”。索引体积可能从 154MB 掉到 32MB，约 5 倍缩水，而且等值查询同样能用索引：
SELECT * FROM urls WHERE url = 'https://hakibenita.com';
不过它不是银弹，有几个硬坑必须知道：
- 不能被外键引用：外键要求引用“唯一约束”，而排他约束不算传统意义的 unique constraint，所以引用会失败。
INSERT ... ON CONFLICT有限制：ON CONFLICT (url)可能不认；需要写ON CONFLICT ON CONSTRAINT ...；更糟的是DO UPDATE不支持排他约束。- 更通用的替代写法是用
MERGE（如果你的版本支持）：
MERGE INTO urls t
USING (VALUES (1000004, 'https://hakibenita.com')) AS s(id, url)
ON t.url = s.url
WHEN MATCHED THEN UPDATE SET id = s.id
WHEN NOT MATCHED THEN INSERT (id, url) VALUES (s.id, s.url);
适用场景一句话总结：超长字符串字段需要唯一性，但不需要被外键引用，且写入冲突处理可以接受用 MERGE/业务层逻辑替代。
结语
真正的优化，不是“更快”，而是“更合适”✅
这 3 个技巧的共同点很朴素： 不是让数据库“更努力”，而是让数据库别做无意义的事。
- 报表查错值？让约束帮你秒判 false，别全表扫
- 只按天统计？索引就按天建，别为秒级精度付账
- 长字段唯一性撑爆索引？换思路，用排他约束把 Hash 索引用起来
下次你准备“再加一个索引”之前，不妨先问一句： 需求到底需要多精？这条查询真的值得我为它养一个 200MB 的索引吗？ 能把性能、成本、维护复杂度一起优化的，才是最爽的优化😉
喜欢就奖励一个“👍”和“在看”呗~
