https://www.paisen.site/tags/postgresql/Recent content in PostgreSQL on Paisen - blog for thinkingHugoenMon, 01 Jun 2026 10:00:00 +0800https://www.paisen.site/post/postgresql-optimization-docker-config/Mon, 01 Jun 2026 10:00:00 +0800https://www.paisen.site/post/postgresql-optimization-docker-config/<h2 id="背景高性能硬件下的低速尴尬">背景：高性能硬件下的低速尴尬</h2> <p>在最近的一个项目中，我们部署了一套 PostgreSQL 17 数据库。硬件配置非常硬核：</p> <ul> <li><strong>CPU</strong>: 20 Cores</li> <li><strong>Memory</strong>: 32GB RAM</li> <li><strong>Storage</strong>: NVMe SSD</li> </ul> <p>但在实际运行中，我们发现一个令人困惑的现象：在没有索引的情况下，全表扫描或复杂查询的 IO 吞吐量被死死限制在 <strong>25MB/s</strong> 左右。对于 NVMe 硬盘和 20 核 CPU 来说，这显然远未达到硬件上限。</p>https://www.paisen.site/post/sql-server-sync-crash-post-mortem/Wed, 27 May 2026 10:00:00 +0800https://www.paisen.site/post/sql-server-sync-crash-post-mortem/<h2 id="0-背景">0. 背景</h2> <p>最近在进行项目迁移，需要将数据 from PostgreSQL 同步到 SQL Server。为了快速实现逻辑，编写了一个 Python 脚本 <code>sync_pg_to_mssql.py</code>，利用 Pandas 的 <code>read_sql_query</code> 配合 <code>to_sql</code> 进行分块同步。</p>https://www.paisen.site/post/python-multiprocessing-graceful-exit/Tue, 19 May 2026 13:01:17 +0800https://www.paisen.site/post/python-multiprocessing-graceful-exit/<p>在处理大规模数据异步请求时，Python 的 <code>multiprocessing.Pool</code> 是我们常用的工具。然而，当任务涉及到外部 API 配额限制或需要保持数据库状态一致性时，简单的进程池往往力不从心。</p>