PostgreSQL 19 深度解析：SQL/PGQ图查询、REPACK表重整与并行Autovacuum——三十而立的数据库之王如何重新定义关系型数据库的边界

一、引言：三十而立的PostgreSQL，又一次证明自己

2026年6月4日，PostgreSQL全球开发组正式发布了PostgreSQL 19 Beta 1。这个时间节点意义非凡——自1996年首次发布以来，PostgreSQL已经走过了整整三十年。三十年间，它从一个学术项目成长为全球最流行的开源关系型数据库，在DB-Engines排名中常年位居第四，在所有关系型数据库中仅次于Oracle、MySQL和SQL Server。

但PostgreSQL从不满足于"关系型数据库"的定位。每一次大版本发布，它都在蚕食其他数据库品类的领地：PostgreSQL 9.4引入JSONB，抢了文档数据库的生意；PostgreSQL 10引入逻辑复制，抢了数据同步工具的生意；PostgreSQL 14引入multirange类型，抢了时序数据库的生意；PostgreSQL 18引入原生向量搜索（pgvector整合），抢了向量数据库的生意。

而PostgreSQL 19，它来抢图数据库的生意了。

SQL/PGQ（Property Graph Queries）的正式引入，意味着你可以在关系型表上直接执行图查询，无需Neo4j、无需JanusGraph、无需任何额外的图数据库。与此同时，REPACK命令终结了VACUUM FULL和CLUSTER长达二十年的混乱，并行Autovacuum让大表清理不再是DBA的噩梦，在线Checksum开关让运维不再需要停机，LZ4压缩默认化让存储效率再上一个台阶。

这篇文章将从架构原理到代码实战，逐一拆解PostgreSQL 19的每一个重要特性。无论你是DBA、后端开发者还是数据库内核爱好者，这都是一份值得收藏的技术指南。

二、SQL/PGQ：在关系型表上跑图查询——告别图数据库的时代来了

2.1 什么是SQL/PGQ

SQL/PGQ是ISO/IEC 9075-16:2023标准定义的图查询语法，它允许在SQL中声明属性图（Property Graph），并使用类似Cypher的模式匹配语法进行图遍历查询。PostgreSQL 19实现的是SQL/PGQ——作为SQL语言的内嵌扩展，而不是独立的图查询语言。

简单来说，你可以：

1. 把现有的关系表"声明"为一个属性图（顶点和边）
2. 使用GRAPH_TABLE语法进行模式匹配查询
3. 查询结果仍然是标准的关系型结果集，可以和普通SQL无缝组合

2.2 为什么不需要图数据库了

图数据库的核心价值在于一件事：路径查询。

当你需要"找出A和B之间所有长度不超过5的路径"或者"找出和A有3层以内关系的所有人"时，在纯SQL中你需要写递归CTE（Common Table Expression），代码复杂度和可读性都很差。而在图查询语言中，这可能只需要一行代码。

但图数据库的问题也很明显：

• 数据同步：你需要把关系型数据库中的数据ETL到图数据库，增加了一条数据管道
• 事务一致性：图数据库和关系型数据库之间的事务一致性很难保证
• 运维成本：多一套数据库意味着多一套备份、监控、扩容方案
• 查询能力：大多数图数据库的聚合、排序、分页能力远不如SQL

SQL/PGQ的出现，让你在PostgreSQL内部就能获得图查询能力，同时保留SQL的全部优势。

2.3 实战：在PostgreSQL 19中使用SQL/PGQ

假设我们有一个社交网络场景，有用户表和好友关系表：

-- 创建基础表
CREATE TABLE users (
    id SERIAL PRIMARY KEY,
    name TEXT NOT NULL,
    age INT,
    city TEXT
);

CREATE TABLE friendships (
    user_id INT REFERENCES users(id),
    friend_id INT REFERENCES users(id),
    since DATE,
    PRIMARY KEY (user_id, friend_id)
);

CREATE TABLE posts (
    id SERIAL PRIMARY KEY,
    user_id INT REFERENCES users(id),
    content TEXT,
    created_at TIMESTAMPTZ DEFAULT now()
);

CREATE TABLE likes (
    user_id INT REFERENCES users(id),
    post_id INT REFERENCES posts(id),
    PRIMARY KEY (user_id, post_id)
);

-- 插入测试数据
INSERT INTO users (name, age, city) VALUES
    ('Alice', 30, 'Beijing'),
    ('Bob', 25, 'Shanghai'),
    ('Charlie', 35, 'Beijing'),
    ('Diana', 28, 'Shenzhen'),
    ('Eve', 22, 'Beijing');

INSERT INTO friendships VALUES
    (1, 2, '2024-01-15'),
    (2, 3, '2024-03-20'),
    (1, 4, '2024-06-10'),
    (3, 5, '2024-09-01'),
    (4, 5, '2025-01-05');

INSERT INTO posts (user_id, content) VALUES
    (1, 'Hello World'), (2, 'PG19 is great'), (3, 'Graph queries!');

INSERT INTO likes VALUES (1, 2), (2, 3), (3, 1);

声明属性图

-- 将关系表映射为属性图
CREATE PROPERTY GRAPH social_network
    VERTEX TABLES (
        users
            VERTEX KEY (id)
            PROPERTIES (name, age, city),
        posts
            VERTEX KEY (id)
            PROPERTIES (content, created_at)
    )
    EDGE TABLES (
        friendships
            SOURCE KEY (user_id) REFERENCES users (id)
            DESTINATION KEY (friend_id) REFERENCES users (id)
            PROPERTIES (since),
        likes
            SOURCE KEY (user_id) REFERENCES users (id)
            DESTINATION KEY (post_id) REFERENCES posts (id)
    );

执行图查询

-- 查询1：找出Alice的所有朋友
SELECT person.name
FROM GRAPH_TABLE (
    social_network
    MATCH (person:users) -[f:friendships]-> (friend:users)
    WHERE person.name = 'Alice'
    COLUMNS (friend.name AS person_name)
);

-- 查询2：找出Alice的朋友的朋友（二度关系）
SELECT DISTINCT p2.name AS friend_of_friend
FROM GRAPH_TABLE (
    social_network
    MATCH (p1:users) -[f1:friendships]-> (p2:users) -[f2:friendships]-> (p3:users)
    WHERE p1.name = 'Alice' AND p3.name <> 'Alice'
    COLUMNS (p3.name AS friend_of_friend)
);

-- 查询3：找出所有互相认识的人（双向友谊）
SELECT p1.name, p2.name
FROM GRAPH_TABLE (
    social_network
    MATCH (p1:users) -[f1:friendships]-> (p2:users) -[f2:friendships]-> (p1:users)
    WHERE p1.id < p2.id
    COLUMNS (p1.name AS person1, p2.name AS person2)
);

-- 查询4：找出谁喜欢Alice发的帖子
SELECT liker.name
FROM GRAPH_TABLE (
    social_network
    MATCH (liker:users) -[l:likes]-> (post:posts) <-[w:posts]- (author:users)
    WHERE author.name = 'Alice'
    COLUMNS (liker.name AS liker_name)
);

2.4 架构原理：PGQ不是图存储引擎

PostgreSQL 19的SQL/PGQ实现有一个关键设计决策：它不是图存储引擎，而是一个图查询重写器。

当你创建PROPERTY GRAPH时，PostgreSQL只是存储了图的元数据（哪些表是顶点、哪些表是边、属性如何映射）。当你执行GRAPH_TABLE查询时，查询规划器会把它重写为标准的关系型查询——本质上是JOIN操作。

这意味着：

• 零数据冗余：不需要额外存储图数据，图就是你的关系表
• 事务一致性：图查询和普通SQL在同一个事务中，ACID保证
• 优化器加持：图查询会受益于PostgreSQL查询优化器的所有改进
• 扩展性：你可以随时添加新的顶点和边类型

2.5 与Cypher/Neo4j的对比

结论：如果你的查询以路径遍历为主（如社交网络、推荐引擎），且数据量极大（数十亿边），专用图数据库仍有优势。但如果你的查询80%是关系型、20%是图遍历，PostgreSQL 19的SQL/PGQ是更优雅的方案——你不需要维护两套数据库。

三、REPACK：终结VACUUM FULL和CLUSTER二十年的混乱

3.1 历史遗留问题

PostgreSQL的MVCC（多版本并发控制）机制有一个众所周知的副作用：表膨胀（Table Bloat）。每次UPDATE操作都会产生新版本的行，旧版本的行需要VACUUM来清理。但普通的VACUUM只能标记空间为可重用，不能真正归还给操作系统。

为了真正压缩表空间，PostgreSQL历史上提供了两个命令：

• VACUUM FULL：重写整个表，获取排他锁
• CLUSTER：按索引顺序重写表，获取排他锁

这两个命令的问题是：

1. 名字令人困惑：VACUUM FULL听起来像"更强力的VACUUM"，但其实完全不同
2. 都需要排他锁：执行期间表完全不可用
3. 功能重叠：两者做的事情几乎一样，只是排序策略不同
4. 第三方方案：pg_repack扩展应运而生，但需要额外安装

3.2 REPACK：统一的解决方案

PostgreSQL 19引入了全新的REPACK命令，一举取代VACUUM FULL和CLUSTER：

-- 基本用法：重写表，回收空间
REPACK my_table;

-- 按索引顺序重写（取代CLUSTER）
REPACK my_table USING my_index;

-- 并发模式：不阻塞读写（取代pg_repack）
REPACK my_table CONCURRENTLY;

3.3 REPACK CONCURRENTLY的实现原理

REPACK CONCURRENTLY是PostgreSQL 19最令人兴奋的特性之一。它允许在不获取排他锁的情况下重整表空间，整个过程表保持可读写状态。

其实现原理如下：

1. 创建复制槽：首先创建一个逻辑复制槽，用于捕获REPACK期间的所有变更
2. 创建新表文件：在后台创建一个新的表文件，按指定顺序写入数据
3. 应用增量变更：在新表构建期间，通过复制槽捕获原表的INSERT/UPDATE/DELETE操作，并在新表上重放
4. 原子切换：当新表和原表的差异足够小时，短暂获取排他锁，完成最后的增量同步，然后原子切换表文件

-- 实战：对一个膨胀的大表进行并发重整
-- 假设 orders 表因为频繁更新导致严重膨胀

-- 查看表膨胀情况
SELECT
    schemaname || '.' || tablename AS table_name,
    pg_size_pretty(pg_total_relation_size(schemaname || '.' || tablename)) AS total_size,
    pg_size_pretty(pg_relation_size(schemaname || '.' || tablename)) AS table_size,
    n_dead_tup,
    n_live_tup,
    ROUND(n_dead_tup::numeric / GREATEST(n_live_tup, 1) * 100, 2) AS dead_pct
FROM pg_stat_user_tables
WHERE schemaname = 'public'
ORDER BY n_dead_tup DESC;

-- 并发重整（不影响业务）
REPACK orders CONCURRENTLY;

-- 查看重整后的大小
SELECT pg_size_pretty(pg_relation_size('orders'));

3.4 相关配置参数

-- 设置REPACK使用的最大复制槽数（默认3）
SET max_repack_replication_slots = 5;

-- 查看当前复制槽使用情况
SELECT slot_name, active, restart_lsn
FROM pg_replication_slots;

3.5 与pg_repack扩展的对比

建议：PostgreSQL 19正式发布后，REPACK将逐步取代pg_repack。但在初期，对于关键业务系统，建议继续使用pg_repack直到REPACK经过更多生产验证。

四、并行Autovacuum：大表清理不再是DBA的噩梦

4.1 老问题：单线程Vacuum太慢

在PostgreSQL 18及之前版本中，Autovacuum是单线程执行的。对于一张有数十亿行、几十个索引的大表，一次VACUUM可能需要数小时。在这期间：

• 表空间持续膨胀
• 查询性能下降
• 事务ID回卷风险增加

手动VACUUM从PostgreSQL 13开始支持并行（VACUUM (PARALLEL 4)），但Autovacuum一直不支持。

4.2 PostgreSQL 19的并行Autovacuum

PostgreSQL 19终于为Autovacuum引入了并行能力。新的配置参数：

-- 集群级：最大并行Autovacuum Worker数（默认0，即关闭）
SET autovacuum_max_parallel_workers = 4;

-- 表级：针对特定表设置并行Worker数
ALTER TABLE huge_table SET (
    autovacuum_parallel_workers = 3
);

4.3 并行化的范围：不是你想的那样

关键点：并行Autovacuum只并行化索引清理阶段（Index Cleanup），不并行化堆扫描（Heap Scan）和堆截断（Heap Truncation）。

工作流程：

1. Leader进程：扫描Heap，构建Dead Tuple列表（单线程）
2. Worker进程：多个Worker同时清理不同的索引（并行）
3. Leader进程：清理Heap，截断尾部空页（单线程）

-- 一张有5个索引的表，使用并行Autovacuum
-- Leader + 4个Worker，每个Worker负责一个索引
-- Leader同时清理第5个索引

CREATE TABLE events (
    id BIGSERIAL PRIMARY KEY,
    event_type TEXT,
    payload JSONB,
    created_at TIMESTAMPTZ DEFAULT now(),
    user_id BIGINT,
    session_id TEXT
);

-- 创建多个索引
CREATE INDEX idx_events_type ON events (event_type);
CREATE INDEX idx_events_user ON events (user_id);
CREATE INDEX idx_events_session ON events (session_id);
CREATE INDEX idx_events_created ON events (created_at);
CREATE INDEX idx_events_payload ON events USING GIN (payload);

-- 设置该表使用3个并行Worker
ALTER TABLE events SET (
    autovacuum_parallel_workers = 3
);

4.4 什么时候并行Autovacuum真正有用

有用的场景：

• 表有多个索引（特别是GIN、GiST等代价高的索引）
• 索引清理是VACUUM的主要耗时来源
• 宽表场景，单行数据量大

没用的场景：

• 只有一个主键B-tree索引的表：Leader自己就能完成，没有Worker可分配
• 瓶颈在Heap Scan而非Index Cleanup的场景
• 索引很小，清理本身就很快

-- 诊断：查看VACUUM各阶段耗时
-- PostgreSQL 19新增了更详细的VACUUM进度报告
SELECT
    relid::regclass,
    phase,
    heap_blks_total,
    heap_blks_scanned,
    heap_blks_vacuumed,
    index_vacuum_count,
    max_dead_tuples,
    num_dead_tuples
FROM pg_stat_progress_vacuum;

4.5 Autovacuum评分系统

PostgreSQL 19还引入了一个全新的Autovacuum评分系统，用于更智能地决定哪些表应该优先被清理：

-- 新的评分权重参数
SET autovacuum_vacuum_score_weight = 10;        -- 死元组权重
SET autovacuum_freeze_score_weight = 5;         -- 事务ID冻结权重
SET autovacuum_multixact_freeze_score_weight = 5; -- MultiXact冻结权重
SET autovacuum_analyze_score_weight = 2;        -- 统计信息过时权重
SET vacuum_insert_score_weight = 1;             -- 插入统计权重

评分越高的表，越优先被Autovacuum处理。这比之前的简单阈值机制更加灵活和智能。

五、在线Checksum：终于不用停机切换数据校验了

5.1 老问题：Checksum是初始化时的决定

在PostgreSQL 18及之前版本中，数据页Checksum（校验和）只能在initdb时开启或关闭。如果你在创建集群时忘了开启Checksum，想要事后开启，唯一的办法是：

1. 停止数据库
2. 使用pg_checksums工具离线转换
3. 重新启动数据库

对于7×24运行的生产系统，这几乎不可接受。

5.2 PostgreSQL 19的在线Checksum

PostgreSQL 19允许你在数据库运行时在线开启或关闭Checksum：

-- 在线开启Checksum
ALTER SYSTEM SET data_checksums = on;
SELECT pg_reload_conf();

-- 查看Checksum状态
SHOW data_checksums;

-- 或者使用函数查看
SELECT * FROM pg_checksums_status();

5.3 实现原理

在线Checksum的实现涉及以下步骤：

1. 后台转换：系统启动后台Worker，逐页读取数据文件并计算Checksum
2. 增量进行：转换是增量的，不会一次性占用大量I/O
3. 新页即时生效：转换开始后，所有新写入的页面立即带有Checksum
4. 旧页逐步覆盖：旧页面在被读取或写入时逐步添加Checksum

-- 监控Checksum转换进度
SELECT
    datname,
    checksum_version,
    pages_total,
    pages_checksummed,
    ROUND(pages_checksummed::numeric / GREATEST(pages_total, 1) * 100, 2) AS progress_pct
FROM pg_database d
JOIN pg_checksum_progress p ON d.oid = p.dboid;

5.4 生产建议

• 所有新集群都应该开启Checksum：这是数据完整性的基本保障
• 已有集群建议在线开启：特别是使用云存储（如EBS、云盘）时，底层存储可能静默损坏数据
• 监控Checksum错误：定期检查日志中的Checksum校验失败

-- 检查Checksum错误
SELECT * FROM pg_stat_database WHERE datname = current_database();
-- 查看checksum_failures列

六、性能优化：从排序到压缩，全面提升

6.1 LZ4成为默认TOAST压缩算法

-- PostgreSQL 19之前：默认使用pglz压缩
-- PostgreSQL 19之后：默认使用lz4压缩

-- 查看当前默认压缩算法
SHOW default_toast_compression;
-- 输出: lz4

-- 对于已有的表，新插入/更新的数据会使用lz4
-- 旧数据仍然使用pglz，直到被重写

-- 手动指定压缩算法
ALTER TABLE my_table ALTER COLUMN big_text SET COMPRESSION lz4;
-- 或者
ALTER TABLE my_table ALTER COLUMN big_text SET COMPRESSION pglz;

-- 性能对比
-- lz4: 压缩率约2.5-3x，压缩/解压速度极快（GB/s级别）
-- pglz: 压缩率约2-3x，压缩/解压速度较慢（百MB/s级别）

6.2 基数排序（Radix Sort）加速

PostgreSQL 19将排序算法从传统的QuickSort升级为Radix Sort，对于大结果集的排序操作有显著提升：

-- 大量数据排序的场景
-- 例如：分析查询中的ORDER BY
EXPLAIN ANALYZE
SELECT user_id, COUNT(*) AS cnt
FROM events
GROUP BY user_id
ORDER BY cnt DESC
LIMIT 100;

-- PostgreSQL 19中，如果排序键是定长类型（如int, bigint, timestamp）
-- 会自动使用基数排序，性能提升可达30-50%

6.3 SIMD加速COPY FROM

PostgreSQL 19使用SIMD（单指令多数据）指令优化了文本和CSV格式的COPY FROM操作：

-- 大批量数据导入
COPY events (event_type, payload, created_at, user_id, session_id)
FROM '/data/events.csv'
WITH (FORMAT csv, HEADER true);

-- PostgreSQL 19使用SIMD指令并行解析字段分隔符和换行符
-- 对于宽表（每行数据量大），性能提升可达2-3倍

6.4 异步I/O改进

-- PostgreSQL 19改进了异步I/O的预读调度
-- 新的配置参数
SET io_method = 'worker';  -- 使用Worker模式的异步I/O
SET io_min_workers = 3;
SET io_max_workers = 16;
SET io_worker_idle_timeout = '5s';
SET io_worker_launch_interval = '100ms';

-- 查看I/O统计
SELECT * FROM pg_stat_io;

6.5 外键约束检查优化

PostgreSQL 19优化了外键约束检查的性能，特别是在大批量INSERT操作中：

-- 批量插入场景
-- PostgreSQL 19会合并对外键引用表的多次查找
-- 减少I/O操作次数

INSERT INTO orders (customer_id, product_id, quantity)
SELECT
    (random() * 1000)::int,
    (random() * 100)::int,
    (random() * 10 + 1)::int
FROM generate_series(1, 100000);

-- 在PostgreSQL 19中，外键检查的性能提升可达5-10倍

七、逻辑复制增强：序列同步与增量WAL解码

7.1 序列值同步

PostgreSQL 19终于解决了逻辑复制中序列不同步的老问题：

-- 创建发布（包含序列）
CREATE PUBLICATION my_pub FOR ALL TABLES, ALL SEQUENCES;

-- 创建订阅时自动同步序列
CREATE SUBSCRIPTION my_sub
    CONNECTION 'host=primary dbname=mydb'
    PUBLICATION my_pub
    WITH (copy_data = true);

-- 手动刷新序列值
ALTER SUBSCRIPTION my_sub REFRESH SEQUENCES;

-- 查看序列同步状态
SELECT * FROM pg_stat_subscription_stats;

7.2 不重启启用WAL逻辑解码

-- PostgreSQL 19之前：wal_level从replica改为logical需要重启
-- PostgreSQL 19之后：可以在线切换

-- 即使wal_level设置为replica
-- 当创建逻辑复制订阅时，系统会自动提升WAL级别
SHOW wal_level;           -- replica
SHOW effective_wal_level;  -- logical（自动提升）

7.3 PUBLICATION的EXCEPT子句

-- 发布所有表，但排除特定表
CREATE PUBLICATION my_pub FOR ALL TABLES
    EXCEPT TABLE temp_data, TABLE audit_log;

-- 这在大型数据库中非常有用
-- 你不需要逐一列出所有要发布的表

八、查询优化器：更多聪明的重写

8.1 NOT IN转Anti-Join

-- PostgreSQL 19可以将NOT IN子查询转换为更高效的Anti-Join
-- 当子查询结果不包含NULL时

-- 之前：可能使用SubPlan
-- 之后：自动使用Anti-Join

SELECT * FROM orders
WHERE customer_id NOT IN (
    SELECT id FROM customers WHERE status = 'banned'
);

-- 用EXPLAIN查看执行计划
EXPLAIN SELECT * FROM orders
WHERE customer_id NOT IN (
    SELECT id FROM customers WHERE status = 'banned'
);
-- PostgreSQL 19: Anti Join
-- PostgreSQL 18: SubPlan

8.2 聚合下推到Join之前

-- 当Join会放大行数时，先聚合再Join可以减少处理的行数

-- 例如：统计每个客户的订单总金额
SELECT c.name, SUM(o.amount)
FROM customers c
JOIN orders o ON o.customer_id = c.id
GROUP BY c.name;

-- PostgreSQL 19可能将聚合下推到orders表上先执行
-- 减少Join处理的行数

8.3 Window函数支持IGNORE NULLS

-- 新的IGNORE NULLS选项
-- 对lead, lag, first_value, last_value, nth_value有效

-- 例如：取前一个非空值
SELECT
    ts,
    value,
    lag(value IGNORE NULLS) OVER (ORDER BY ts) AS prev_non_null
FROM sensor_data;

8.4 INSERT ON CONFLICT DO SELECT

-- 新语法：插入冲突时返回冲突行
INSERT INTO users (email, name)
VALUES ('alice@example.com', 'Alice')
ON CONFLICT (email) DO
    SELECT id, email, name FROM users WHERE email = 'alice@example.com'
RETURNING *;

-- 还可以加锁
INSERT INTO inventory (product_id, quantity)
VALUES (1, 10)
ON CONFLICT (product_id) DO
    SELECT * FROM inventory WHERE product_id = 1
    FOR UPDATE
RETURNING *;

九、安全增强：MD5退役与密码过期警告

9.1 MD5密码认证的最终警告

-- PostgreSQL 18将MD5密码标记为弃用
-- PostgreSQL 19在MD5认证成功后会发出警告

-- 查看警告
-- 日志中会出现：
-- WARNING: MD5 password authentication is deprecated

-- 禁用警告（不推荐）
SET md5_password_warnings = off;

-- 迁移到SCRAM-SHA-256
-- 步骤1：修改密码加密方式
SET password_encryption = 'scram-sha-256';

-- 步骤2：用户重新设置密码
ALTER USER myuser PASSWORD 'new_password';

-- 步骤3：修改pg_hba.conf
-- 将md5改为scram-sha-256

9.2 密码过期警告

-- 新参数：密码过期提前警告天数
SET password_expiration_warning_threshold = 7;

-- 当用户密码即将过期时，连接时会收到警告
-- 这需要配合密码有效期使用（通过角色属性设置）

9.3 RADIUS认证移除

PostgreSQL 19移除了RADIUS认证支持，因为RADIUS over UDP存在无法修复的安全漏洞。如果你的pg_hba.conf中使用了radius认证方式，需要在升级前替换为其他认证方式。

十、监控与可观测性：更多系统视图

10.1 新增系统视图

-- pg_stat_lock：锁类型统计
SELECT * FROM pg_stat_lock;

-- pg_stat_recovery：恢复状态
SELECT * FROM pg_stat_recovery;

-- pg_stat_autovacuum_scores：Autovacuum评分详情
SELECT
    relid::regclass,
    score,
    last_autovacuum,
    last_autoanalyze
FROM pg_stat_autovacuum_scores
ORDER BY score DESC
LIMIT 20;

-- pg_dsm_registry_allocations：动态共享内存详情
SELECT * FROM pg_dsm_registry_allocations;

10.2 更详细的VACUUM进度

-- PostgreSQL 19增加了VACUUM的启动者和模式信息
SELECT
    relid::regclass,
    phase,
    started_by,  -- 新列：manual, autovacuum, wraparound
    mode,         -- 新列：normal, aggressive
    heap_blks_total,
    heap_blks_scanned,
    index_vacuum_count
FROM pg_stat_progress_vacuum;

10.3 进程级别的日志级别

-- 新语法：按进程类型设置日志级别
SET log_min_messages = 'autovacuum:debug1,warning';

-- 只对autovacuum进程输出debug1级别日志
-- 其他进程只输出warning及以上

十一、分区管理：合并与拆分

11.1 分区合并

-- 将多个分区合并为一个
ALTER TABLE orders
    MERGE PARTITIONS (orders_2024_q1, orders_2024_q2, orders_2024_q3, orders_2024_q4)
    INTO orders_2024;

11.2 分区拆分

-- 将一个分区拆分为多个
ALTER TABLE orders
    SPLIT PARTITION orders_2024
    AT ('2024-07-01')
    INTO (PARTITION orders_2024_h1, PARTITION orders_2024_h2);

这两个操作在PostgreSQL 19之前需要手动创建新分区、迁移数据、修改路由规则，现在一条SQL搞定。

十二、升级指南与兼容性注意事项

12.1 主要不兼容变更

12.2 升级步骤

# 1. 备份
pg_dumpall > backup.sql

# 2. 检查不兼容项
# 检查JIT设置
SHOW jit;

# 检查编码
SELECT datname, encoding FROM pg_database;

# 检查btree_gist索引
SELECT indexname, indexdef
FROM pg_indexes
WHERE indexdef LIKE '%btree_gist%'
    AND indexdef LIKE '%inet%';

# 3. 使用pg_upgrade升级
pg_upgrade -d /old/data -D /new/data -b /old/bin -B /new/bin

# 4. 更新统计信息
vacuumdb --all --analyze-in-stages

十三、总结与展望

PostgreSQL 19是一个里程碑式的版本。三十年来，PostgreSQL从一个学术项目成长为数据库领域的"瑞士军刀"，而PG19再次扩展了它的能力边界：

1. SQL/PGQ让你不再需要图数据库，关系型表上直接跑图查询
2. REPACK终结了VACUUM FULL和CLUSTER的混乱，并发模式让表重整不再停业务
3. 并行Autovacuum让大表清理不再是DBA的噩梦
4. 在线Checksum让数据完整性保障不再需要停机
5. LZ4默认压缩让存储效率再上一个台阶
6. 逻辑复制增强让序列同步、增量WAL解码成为现实
7. 查询优化器的持续改进让复杂查询越来越快
8. 安全增强推动MD5退役，引入密码过期警告

PostgreSQL的成功不是偶然。它的开放治理模式、严格的代码审查、保守的向后兼容策略，以及对SQL标准的深度拥抱，共同造就了这个三十年不衰的开源传奇。

对于开发者来说，PostgreSQL 19的建议是：

• 立即开始测试Beta版本，为正式发布做好准备
• 评估SQL/PGQ，看是否能简化你的图查询需求
• 启用LZ4压缩，免费获得存储和性能提升
• 规划并行Autovacuum，为大表清理做好配置
• 推动MD5退役，迁移到SCRAM-SHA-256

PostgreSQL的下一个三十年，从PG19开始。