PostgreSQL 19 Beta 1 深度解析：SQL/PGQ 图查询 + 并行自动清理 + pg_plan_advice——60 项新特性如何让「全球最先进的开源数据库」再次拉开代差

背景：三十而立的 PostgreSQL，为什么 PG19 是最值得期待的一个版本？

2026 年 6 月 4 日，PostgreSQL 全球开发组正式发布了 PostgreSQL 19 Beta 1。这一年恰好是 PostgreSQL 诞生 30 周年——从 1996 年 Michael Stonebraker 在 UC Berkeley 的 POSTGRES 项目起步，到如今稳坐全球最受欢迎开源关系型数据库的宝座，三十年间 PostgreSQL 击败了一个又一个挑战者：MySQL 被 Oracle 收购后社区分裂，MariaDB 始终在功能完整性上慢半拍，而各种 NewSQL 和 NoSQL 数据库虽然在特定场景下表现优异，但在通用性和稳定性上依然无法撼动 PG 的地位。

PG19 为什么特别？ 因为它一次性解决了三个困扰社区多年的核心痛点：

1. 图查询能力缺失：此前要跑图查询必须引入 Neo4j 或 Apache AGE 扩展，PG19 原生支持 SQL/PGQ 标准，直接在关系型数据上执行属性图查询
2. Vacuum 性能瓶颈：大表的 VACUUM 一直是 PG 的老大难问题，PG19 引入并行自动清理 + 智能评分系统 + 边查询边标记可见页的「懒清理」策略
3. 查询计划不可控：生产环境最怕执行计划突然跑偏，PG19 的 pg_plan_advice 让你可以「钉死」关键查询的执行计划

加上 INSERT 性能翻倍、REPACK CONCURRENTLY 在线表重建、WAIT FOR LSN 读写一致性保证、SNI 多证书支持等 60+ 项改进，PG19 堪称近年来最「炸裂」的一次大版本更新。

本文将从架构原理到生产级实战，逐项拆解 PG19 的核心新特性。

一、SQL/PGQ：PostgreSQL 正式成为「图数据库杀手」

1.1 什么是 SQL/PGQ？

SQL/PGQ（SQL Property Graph Queries）是 SQL:2023 标准中定义的图查询子标准。它允许你在标准 SQL 语法中定义「属性图」（Property Graph），然后使用 GRAPH_TABLE、MATCH 等语法直接在关系型表上执行图遍历查询。

核心概念：

• 属性图（Property Graph）：基于已有的关系表定义顶点（Vertex）和边（Edge），不需要数据迁移
• GRAPH_TABLE：图查询的入口，类似 FROM 子句，但内部使用 MATCH 模式匹配
• MATCH 模式：用 ()-[]->() 语法描述图模式，类似 Cypher 但嵌入在 SQL 中

1.2 实战：用 SQL/PGQ 构建社交网络分析

假设我们有一个社交网络系统，已有以下关系表：

-- 用户表
CREATE TABLE users (
    id BIGSERIAL PRIMARY KEY,
    name TEXT NOT NULL,
    email TEXT UNIQUE,
    created_at TIMESTAMPTZ DEFAULT NOW()
);

-- 好友关系表
CREATE TABLE friendships (
    user_id BIGINT REFERENCES users(id),
    friend_id BIGINT REFERENCES users(id),
    since DATE,
    PRIMARY KEY (user_id, friend_id)
);

-- 帖子表
CREATE TABLE posts (
    id BIGSERIAL PRIMARY KEY,
    author_id BIGINT REFERENCES users(id),
    content TEXT,
    created_at TIMESTAMPTZ DEFAULT NOW()
);

第一步：定义属性图

CREATE PROPERTY GRAPH social_network
    VERTEX TABLES (
        users
        PROPERTIES (id, name, email)
    )
    EDGE TABLES (
        friendships
            SOURCE KEY (user_id) REFERENCES users (id)
            DESTINATION KEY (friend_id) REFERENCES users (id)
            PROPERTIES (since),
        posts
            SOURCE KEY (author_id) REFERENCES users (id)
            PROPERTIES (content, created_at)
    );

注意：属性图是元数据定义，不需要复制数据。它只是告诉 PostgreSQL 如何将现有的关系表解释为图结构。

第二步：执行图查询

-- 查找某用户的朋友的朋友（二度人脉）
SELECT friend_of_friend.name
FROM GRAPH_TABLE(social_network
    MATCH (u:users) -[f:friendships]-> (fof:users) -[f2:friendships]-> (friend_of_friend:users)
    WHERE u.name = '张三'
      AND friend_of_friend.name <> '张三'
    COLUMNS (friend_of_friend.name)
);

-- 查找互相关注但从未互动的「僵尸好友」
SELECT u1.name, u2.name
FROM GRAPH_TABLE(social_network
    MATCH (u1:users) -[f1:friendships]-> (u2:users) -[f2:friendships]-> (u1:users)
    WHERE NOT EXISTS (
        SELECT 1 FROM posts p 
        WHERE p.author_id = u1.id 
          AND p.content LIKE '%' || u2.name || '%'
    )
    COLUMNS (u1.name, u2.name)
);

1.3 SQL/PGQ vs Neo4j vs Apache AGE：深度对比

关键结论：SQL/PGQ 的最大价值不是替代 Neo4j，而是让 90% 的简单图查询场景不再需要引入额外的图数据库。对于社交关系分析、知识图谱查询、依赖关系遍历等典型场景，PG19 原生支持已经足够。

二、并行自动清理：终结大表 VACUUM 噩梦

2.1 为什么 VACUUM 是 PG 的阿喀琉斯之踵？

PostgreSQL 使用 MVCC（多版本并发控制）实现事务隔离。每次 UPDATE 或 DELETE 不会立即删除旧数据，而是标记为「死元组」（dead tuple）。VACUUM 的任务就是回收这些死元组占用的空间。

问题在于：对于 TB 级大表，单线程 VACUUM 可能需要数小时，期间：

• 表膨胀导致查询变慢
• 事务 ID 回卷（wraparound）风险
• 长时间锁竞争

2.2 PG19 的三重优化

优化一：并行 VACUUM Worker

-- 集群级配置：最多 4 个并行 VACUUM worker
ALTER SYSTEM SET autovacuum_max_parallel_workers = 4;

-- 表级配置：大表使用 3 个并行 worker
ALTER TABLE big_events SET (autovacuum_parallel_workers = 3);

-- 查看并行 VACUUM 进度
SELECT pid, relname, phase, 
       heap_blks_total, heap_blks_scanned,
       num_dead_tuples
FROM pg_stat_progress_vacuum v
JOIN pg_class c ON v.relid = c.oid;

并行 worker 来自现有的 max_parallel_workers 资源池，不会额外消耗资源。默认关闭，需要显式启用。

优化二：智能评分系统

PG19 引入了全新的 autovacuum 评分算法，不再是简单的「死元组超过阈值就清理」，而是综合考虑：

• 死元组占比
• 距上次 VACUUM 的时间
• 表的写入频率
• 系统负载

这让有限的 VACUUM 资源优先投入到最需要的表上。

优化三：查询时标记可见页（Lazy Visibility）

这是 PG19 最巧妙的优化之一：当查询扫描到某个页面时，如果该页面的所有元组都对当前事务可见，系统会顺手将整个页面标记为 all-visible，从而减少未来 VACUUM 的工作量。

-- 查看页面可见性状态
SELECT relname, 
       n_live_tup, n_dead_tup,
       round(n_dead_tup::numeric / GREATEST(n_live_tup, 1) * 100, 2) AS dead_pct
FROM pg_stat_user_tables
ORDER BY n_dead_tup DESC
LIMIT 10;

2.3 REPACK CONCURRENTLY：在线表重建，零停机

PG19 新增的 REPACK 命令是 pg_repack 扩展的官方内置版本：

-- 在线重建表，消除碎片，不阻塞读写
REPACK TABLE CONCURRENTLY big_events;

-- 重建索引
REPACK INDEX CONCURRENTLY idx_events_created;

与传统 VACUUM FULL 相比，REPACK CONCURRENTLY：

• 不需要 ACCESS EXCLUSIVE 锁
• 使用额外的临时空间完成重建
• 重建完成后原子切换

三、pg_plan_advice：给执行计划装上「方向盘」

3.1 执行计划跑偏：DBA 的深夜噩梦

在生产环境中，最恐怖的事情莫过于一条跑了三年的好好的 SQL，突然因为统计信息变化、数据分布偏移或者 PG 小版本升级，执行计划从 Index Scan 变成了 Seq Scan，查询时间从 10ms 飙到 10s。

PG19 引入的 pg_plan_advice 扩展让你可以为关键查询「锁定」执行计划。

3.2 实战：锁定关键查询的执行计划

-- 启用 pg_plan_advice 扩展
CREATE EXTENSION pg_plan_advice;

-- 为特定查询绑定执行计划
SELECT pg_plan_advice_add(
    query_id := 'abc123def456',  -- 查询的唯一标识
    plan := $$Seq Scan on users  -- 指定的执行计划
        Filter: (id = 42)
        Rows: 1$$
);

-- 使用 pg_stash_advice 基于查询标识自动应用建议
CREATE EXTENSION pg_stash_advice;

-- 查看已有的 plan advice
SELECT * FROM pg_plan_advice_list();

3.3 pg_plan_advice vs pg_hint_plan

四、INSERT 性能翻倍：外键检查不再拖后腿

4.1 外键检查的性能陷阱

在有外键约束的表上执行批量 INSERT 时，每一行插入都需要检查外键引用的父表是否存在对应记录。当父表数据量很大时，这些检查会成为严重的性能瓶颈。

PG19 通过以下优化实现了外键场景下 INSERT 性能的 2 倍提升：

1. 批量外键检查缓存：将同一批次 INSERT 中的外键检查合并，减少对父表的重复扫描
2. 优化的锁获取策略：减少外键检查期间的锁竞争
3. 智能统计信息利用：利用已有的统计信息快速判断外键是否存在

4.2 性能对比测试

-- 创建测试表
CREATE TABLE parent (id BIGSERIAL PRIMARY KEY, data TEXT);
CREATE TABLE child (
    id BIGSERIAL PRIMARY KEY,
    parent_id BIGINT REFERENCES parent(id),
    value TEXT
);

-- 填充父表
INSERT INTO parent (data) 
SELECT 'data_' || i FROM generate_series(1, 1000000) i;

-- PG18 vs PG19 批量插入对比
-- PG18: ~15,000 rows/sec
-- PG19: ~32,000 rows/sec (2.1x)
INSERT INTO child (parent_id, value)
SELECT (random() * 999999 + 1)::BIGINT, 'value_' || i
FROM generate_series(1, 100000) i;

五、更多重磅特性速览

5.1 WAIT FOR LSN：读写一致性的终极方案

在读写分离架构中，最大的挑战是「读副本可能还没同步到最新写入」。PG19 的 WAIT FOR LSN 命令彻底解决了这个问题：

-- 写入后获取当前 LSN
INSERT INTO orders (product, amount) VALUES ('iPhone', 999);
SELECT pg_current_wal_lsn();

-- 在读副本上等待该 LN 同步完成
WAIT FOR LSN '0/12345678';

-- 现在可以安全地读取最新数据
SELECT * FROM orders WHERE product = 'iPhone';

相比之前的 synchronous_commit = remote_apply，WAIT FOR LSN 的优势：

• 粒度更细：可以只等待特定 LSN，而非所有写入
• 不影响写入性能：写入时不需要等待副本确认
• 应用层可控：可以根据业务场景灵活决定何时等待

5.2 GROUP BY ALL：告别繁琐的聚合查询

-- 旧写法：手动列出所有非聚合列
SELECT department, team, role, COUNT(*), AVG(salary)
FROM employees
GROUP BY department, team, role;

-- PG19 新写法
SELECT department, team, role, COUNT(*), AVG(salary)
FROM employees
GROUP BY ALL;

5.3 INSERT ... ON CONFLICT DO SELECT ... RETURNING

-- 插入或获取已存在的记录（upsert + 返回冲突行）
INSERT INTO users (email, name) 
VALUES ('test@example.com', 'Test User')
ON CONFLICT (email) 
DO SELECT id, email, name, 'existing' AS status
RETURNING *;

5.4 SNI 多证书支持

-- pg_hosts.conf 配置
-- hostname1  /path/to/cert1.crt  /path/to/key1.key
-- hostname2  /path/to/cert2.crt  /path/to/key2.key

-- 一个 PG 实例可以为不同域名提供不同的 TLS 证书
-- 非常适合多租户场景

5.5 数据校验和在线开关

-- 不需要停机即可启用数据校验和
ALTER SYSTEM SET data_checksums = on;
-- 或禁用
ALTER SYSTEM SET data_checksums = off;

5.6 JIT 默认关闭

PG19 将 JIT 编译默认关闭了。这是一个务实的决定——JIT 在复杂查询上确实有性能提升，但对于 OLTP 场景，JIT 的编译开销反而会拖慢简单查询。

5.7 lz4 默认压缩

-- PG19 默认使用 lz4 压缩 TOAST 数据
-- 相比 pglz，lz4 压缩速度快 3-5 倍，解压速度更快
ALTER SYSTEM SET default_toast_compression = 'lz4';

5.8 FOR PORTION OF 时态查询增强

PG18 引入了时态表（temporal tables）支持，PG19 扩展了 FOR PORTION OF 语法：

-- 更新某段时间内的数据
UPDATE employee_history
SET salary = 75000
FOR PORTION OF valid_between 
FROM '2026-01-01' TO '2026-06-30'
WHERE employee_id = 42;

-- 删除某段时间内的记录
DELETE FROM audit_log
FOR PORTION OF event_period
FROM '2025-01-01' TO '2025-06-30';

六、逻辑复制与查询联邦增强

6.1 序列值自动复制

-- PG19 逻辑复制现在自动包含序列值
-- 不再需要手动同步序列
CREATE PUBLICATION my_pub FOR ALL TABLES;

-- 在订阅端查看已同步的序列
SELECT * FROM pg_subscription;

6.2 不重启启用逻辑复制

-- PG19 之前：需要设置 wal_level = logical 并重启
-- PG19：按需启用，无需重启

-- 查看当前 effective WAL 级别
SHOW effective_wal_level;  -- 可能显示 'logical'

6.3 postgres_fdw 查询联邦增强

-- 数组操作下推到远程服务器
SELECT * FROM remote_users 
WHERE tags && ARRAY['admin', 'moderator'];

-- 获取远程表统计信息用于本地查询计划
ANALYZE remote_users;  -- 自动从远程获取统计信息

七、监控与可观测性增强

7.1 pg_stat_lock：锁统计视图

-- 查看各锁类型的统计信息
SELECT locktype, 
       mode,
       granted,
       count
FROM pg_stat_lock;

7.2 pg_stat_recovery：恢复状态监控

-- 查看恢复操作的详细状态
SELECT * FROM pg_stat_recovery;

7.3 EXPLAIN ANALYZE 增强

-- PG19 EXPLAIN ANALYZE 现在可以显示 AIO 统计信息
EXPLAIN (ANALYZE, BUFFERS, IO)
SELECT * FROM large_table WHERE status = 'active';

八、安全增强

8.1 SNI 多证书（已在 5.4 节详述）

8.2 密码过期预警

-- 配置密码过期提前 7 天警告
ALTER SYSTEM SET password_expiration_warning_threshold = '7 days';

-- 客户端连接时会收到警告
-- WARNING: Your password will expire in 5 days

8.3 MD5 认证警告

-- PG19 对 MD5 认证发出警告（MD5 已被标记为不安全）
-- 建议迁移到 SCRAM-SHA-256
ALTER SYSTEM SET md5_password_warnings = on;

九、升级建议与注意事项

9.1 JIT 默认关闭的影响

如果你的系统依赖 JIT 加速复杂查询，升级后需要手动启用：

ALTER SYSTEM SET jit = on;
ALTER SYSTEM SET jit_above_cost = 100000;

9.2 lz4 压缩迁移

现有使用 pglz 压缩的 TOAST 数据不会自动转换。需要手动处理：

-- 对现有表启用 lz4 压缩
ALTER TABLE big_table ALTER COLUMN json_data SET COMPRESSION lz4;
-- 然后 VACUUM FULL 或 REPACK 触发重压缩

9.3 RADIUS 认证移除

PG19 移除了 RADIUS 认证支持，需要迁移到其他认证方式。

9.4 测试建议

Beta 版本不建议在生产环境使用，但强烈建议：

1. 在测试环境用真实数据量和查询模式进行验证
2. 重点关注 SQL/PGQ 的查询性能
3. 验证并行 VACUUM 在你的工作负载下的效果
4. 测试 pg_plan_advice 是否能稳定关键查询的执行计划

十、总结：PostgreSQL 19 的战略意义

PG19 不仅仅是一次常规的大版本更新，它标志着 PostgreSQL 从「关系型数据库」向「通用数据平台」的战略转型：

1. SQL/PGQ 让 PG 成为图数据库的「替代方案」：对于 90% 的简单图查询场景，不再需要引入 Neo4j 等专用图数据库
2. 并行 VACUUM + REPACK 解决了 PG 最大的运维痛点：大表维护不再是噩梦
3. pg_plan_advice 让执行计划可控：消除了生产环境最大的不确定性来源
4. WAIT FOR LSN + 逻辑复制增强：读写分离和数据同步变得更加简单可靠

PostgreSQL 三十而立，PG19 证明了它依然是全球最先进的开源关系型数据库。

参考资料

1. PostgreSQL 19 Beta 1 Release Notes
2. SQL/PGQ Standard (SQL:2023)
3. PostgreSQL Parallel Autovacuum Design Document
4. pg_plan_advice Extension Documentation
5. PostgreSQL 30th Anniversary