timescaledb和PG写入性能测试

最新推荐文章于 2025-07-31 00:31:15 发布
原创 最新推荐文章于 2025-07-31 00:31:15 发布 · 5.7k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#timescaledb #postgresql

在小数据量下，PG和TSDB性能相近，PG略优；增加索引后，两者性能均下降。大数据量下，PG插入性能优于TSDB，资源消耗也更低。测试环境为Intel i7 CPU，32GB内存，SSD硬盘。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

 

结论摘要

测试环境

数据构造

CASE 1 单TIME索引

单行写入

WAL文件增加

BATCH写入

资源占用

CASE 2 增加一个索引

单行写入

BATCH写入

资源占用

CASE 3 大量数据

结论摘要

小数据量（线程10万行），无论单多线程，有无batch，PG和TSDB性能相仿，PG略强。

增加一条索引，两者插入性能都有所下降

WAL增长约为插入数据的2倍，但是WAL有上限。

大数据量（2000万、1亿行），BATCHSIZE=1000，PG插入性能依旧强于TSDB。

CPU占用，TSDB占用略高，以8线程batch1000为例（TSDB:80%, PG: %60）

总体上单独PG 性能和资源消耗都优于TSDB。

下一步需要找到在何种场景下TSDB插入性能会优于PG。

测试环境

Intel(R) Core(TM) i7-4790 CPU @ 3.60GHz

32G memory

SSD harddisk.

postgresql.conf


max_connections = 256
 
shared_buffers = 3GB                    # min 128kB
 
work_mem = 16MB                         # min 64kB
maintenance_work_mem = 256MB            # min 1MB
 
wal_buffers = 4MB 
checkpoint_timeout = 10min              # range 30s-1d
max_wal_size = 2GB
 
checkpoint_completion_target = 0.9  
--------------------- 
作者：Kun_Tsai 
来源：优快云 
原文：https://blog.youkuaiyun.com/jacicson1987/article/details/82988556?utm_source=copy 
版权声明：本文为博主原创文章，转载请附上博文链接！

数据构造

timestamp 每行递增1s

id  每行递增1

10个 integer 随机数 + 9个随机长度字符串

 

CASE 1 单TIME索引

timescaledb 不设置索引（默认time索引）

PG 设置time索引

ts1=# \d+ ckts1
                                            Table "public.ckts1"
 Column |           Type           | Collation | Nullable | Default | Storage  | Stats target | Description 
--------+--------------------------+-----------+----------+---------+----------+--------------+-------------
 time   | timestamp with time zone |           | not null |         | plain    |              | 
 id     | integer                  |           |          |         | plain    |              | 
 col2   | integer                  |           |          |         | plain    |              | 
 col3   | integer                  |           |          |         | plain    |              | 
 col4   | integer                  |           |          |         | plain    |              | 
 col5   | integer                  |           |          |         | plain    |              | 
 col6   | integer                  |           |          |         | plain    |              | 
 col7   | integer                  |           |          |         | plain    |              | 
 col8   | integer                  |           |          |         | plain    |              | 
 col9   | integer                  |           |          |         | plain    |              | 
 col10  | integer                  |           |          |         | plain    |              | 
 col11  | integer                  |           |          |         | plain    |              | 
 col12  | character varying(30)    |           |          |         | extended |              | 
 col13  | character varying(30)    |           |          |         | extended |              | 
 col14  | character varying(30)    |           |          |         | extended |              | 
 col15  | character varying(30)    |           |          |         | extended |              | 
 col16  | character varying(30)    |           |          |         | extended |              | 
 col17  | character varying(30)    |           |          |         | extended |              | 
 col18  | character varying(30)    |           |          |         | extended |              | 
 col19  | character varying(30)    |           |          |         | extended |              | 
 col20  | character varying(30)    |           |          |         | extended |              | 
Indexes:
    "ckts1_time_idx" btree ("time" DESC)
Triggers:
    ts_insert_blocker BEFORE INSERT ON ckts1 FOR EACH ROW EXECUTE PROCEDURE _timescaledb_internal.insert_blocker()

postgres=# \d+ cts1
                                            Table "public.cts1"
 Column |           Type           | Collation | Nullable | Default | Storage  | Stats target | Description 
--------+--------------------------+-----------+----------+---------+----------+--------------+-------------
 time   | timestamp with time zone |           | not null |         | plain    |              | 
 id     | integer                  |           |          |         | plain    |              | 
 col2   | integer                  |           |          |         | plain    |              | 
 col3   | integer                  |           |          |         | plain    |              | 
 col4   | integer                  |           |          |         | plain    |              | 
 col5   | integer                  |           |          |         | plain    |              | 
 col6   | integer                  |           |          |         | plain    |              | 
 col7   | integer                  |           |          |         | plain    |              | 
 col8   | integer                  |           |          |         | plain    |              | 
 col9   | integer                  |           |          |         | plain    |              | 
 col10  | integer                  |           |          |         | plain    |              | 
 col11  | integer                  |           |          |         | plain    |              | 
 col12  | character varying(30)    |           |          |         | extended |              | 
 col13  | character varying(30)    |           |          |         | extended |              | 
 col14  | character varying(30)    |           |          |         | extended |              | 
 col15  | character varying(30)    |           |          |         | extended |              | 
 col16  | character varying(30)    |           |          |         | extended |              | 
 col17  | character varying(30)    |           |          |         | extended |              | 
 col18  | character varying(30)    |           |          |         | extended |              | 
 col19  | character varying(30)    |           |          |         | extended |              | 
 col20  | character varying(30)    |           |          |         | extended |              | 
Indexes:
    "cts1_time_index" btree ("time")

 

单行写入

每线程10W行数据。每行约180bytes. 一个线程写入约18MB。

看起来两者性能相差不大，PG稍强5%~10%， 之前此场景下influxdb的测试数据也放在一起做个对比

线程平均速率（行/s）单线程2线程4线程8线程16线程32线程
timescaledb1075100810261045923654
PG1092102010701120982737
infuxdb422378398370341305
       
总速率（行/s）单线程2线程4线程8线程16线程32线程
timescaledb10752011400081661435820337
PG10922037403787341508722445
infuxdb4227521588294754449732


WAL文件大小两者基本一致，都是大约数据量的 2倍。WAL文件增加

线程数字节数PG_WAL_SIZETS_WAL_SIZE
1186975623742827237464824
2373792237454714475026672
474785548149803536149525488
8149548561298455240298400040
16299134911596227840596302792
3259838511511916109521194038480

BATCH写入

单线程行数设为1000万， BATCHSIZE 设为1000

PG优于TIMESCALEDB。

每线程1000W行数据batchsize=1000
线程平均速率（行/s）单线程8线程
timescaledb2673211916
PG3911314972
   
   
总速率（行/s）单线程8线程
timescaledb2673295140
PG39113119528

资源占用

TDSB 32线程， CPU平均占用 57%。 比PG高10%。

PG 32线程， CPU平均占用 46%.

CASE 2 增加一个索引

 增加id为索引

ts1=# \d+ ckts1
                                            Table "public.ckts1"
 Column |           Type           | Collation | Nullable | Default | Storage  | Stats target | Description 
--------+--------------------------+-----------+----------+---------+----------+--------------+-------------
 time   | timestamp with time zone |           | not null |         | plain    |              | 
 id     | integer                  |           |          |         | plain    |              | 
 col2   | integer                  |           |          |         | plain    |              | 
 col3   | integer                  |           |          |         | plain    |              | 
 col4   | integer                  |           |          |         | plain    |              | 
 col5   | integer                  |           |          |         | plain    |              | 
 col6   | integer                  |           |          |         | plain    |              | 
 col7   | integer                  |           |          |         | plain    |              | 
 col8   | integer                  |           |          |         | plain    |              | 
 col9   | integer                  |           |          |         | plain    |              | 
 col10  | integer                  |           |          |         | plain    |              | 
 col11  | integer                  |           |          |         | plain    |              | 
 col12  | character varying(30)    |           |          |         | extended |              | 
 col13  | character varying(30)    |           |          |         | extended |              | 
 col14  | character varying(30)    |           |          |         | extended |              | 
 col15  | character varying(30)    |           |          |         | extended |              | 
 col16  | character varying(30)    |           |          |         | extended |              | 
 col17  | character varying(30)    |           |          |         | extended |              | 
 col18  | character varying(30)    |           |          |         | extended |              | 
 col19  | character varying(30)    |           |          |         | extended |              | 
 col20  | character varying(30)    |           |          |         | extended |              | 
Indexes:
    "ckts1_id_idx" btree (id)
    "ckts1_time_idx" btree ("time" DESC)
Triggers:
    ts_insert_blocker BEFORE INSERT ON ckts1 FOR EACH ROW EXECUTE PROCEDURE _timescaledb_internal.insert_blocker()

ts1=# 

postgres=# \d+ cts1
                                            Table "public.cts1"
 Column |           Type           | Collation | Nullable | Default | Storage  | Stats target | Description 
--------+--------------------------+-----------+----------+---------+----------+--------------+-------------
 time   | timestamp with time zone |           | not null |         | plain    |              | 
 id     | integer                  |           |          |         | plain    |              | 
 col2   | integer                  |           |          |         | plain    |              | 
 col3   | integer                  |           |          |         | plain    |              | 
 col4   | integer                  |           |          |         | plain    |              | 
 col5   | integer                  |           |          |         | plain    |              | 
 col6   | integer                  |           |          |         | plain    |              | 
 col7   | integer                  |           |          |         | plain    |              | 
 col8   | integer                  |           |          |         | plain    |              | 
 col9   | integer                  |           |          |         | plain    |              | 
 col10  | integer                  |           |          |         | plain    |              | 
 col11  | integer                  |           |          |         | plain    |              | 
 col12  | character varying(30)    |           |          |         | extended |              | 
 col13  | character varying(30)    |           |          |         | extended |              | 
 col14  | character varying(30)    |           |          |         | extended |              | 
 col15  | character varying(30)    |           |          |         | extended |              | 
 col16  | character varying(30)    |           |          |         | extended |              | 
 col17  | character varying(30)    |           |          |         | extended |              | 
 col18  | character varying(30)    |           |          |         | extended |              | 
 col19  | character varying(30)    |           |          |         | extended |              | 
 col20  | character varying(30)    |           |          |         | extended |              | 
Indexes:
    "cst1_id_index" btree (id)
    "cts1_time_index" btree ("time")

单行写入

10万行数据，单条写入

和没有添加索引时性能差不多，PG看起来性能下降更多一点。

总速率（行/s）单线程
timescaledb1051
PG1019

 

BATCH写入

每线程1000万行数据，batchsize设为1000， 8线程处理，13.9G数据

增加一个索引以后，PG和TSDB比之前性能都有所降低，PG写入仍旧比TSDB快。

每线程1000W行数据batchsize=1000
线程平均速率（行/s）单线程8线程
timescaledb2614210591
PG3686113037
   
   
总速率（行/s）单线程8线程
timescaledb2614284588
PG36861103806

资源占用

8线程,batchsize=1000, TSDB CPU占用80%左右

8线程,batchsize=1000, PG CPU占用60%左右

 

CASE 3 大量数据

设置PG的表cts1索引time为DESC（倒序)，测试结果与上面并无不同

postgres=# \d+ cts1
                                            Table "public.cts1"
 Column |           Type           | Collation | Nullable | Default | Storage  | Stats target | Description 
--------+--------------------------+-----------+----------+---------+----------+--------------+-------------
 time   | timestamp with time zone |           | not null |         | plain    |              | 
 id     | integer                  |           |          |         | plain    |              | 
 col2   | integer                  |           |          |         | plain    |              | 
 col3   | integer                  |           |          |         | plain    |              | 
 col4   | integer                  |           |          |         | plain    |              | 
 col5   | integer                  |           |          |         | plain    |              | 
 col6   | integer                  |           |          |         | plain    |              | 
 col7   | integer                  |           |          |         | plain    |              | 
 col8   | integer                  |           |          |         | plain    |              | 
 col9   | integer                  |           |          |         | plain    |              | 
 col10  | integer                  |           |          |         | plain    |              | 
 col11  | integer                  |           |          |         | plain    |              | 
 col12  | character varying(30)    |           |          |         | extended |              | 
 col13  | character varying(30)    |           |          |         | extended |              | 
 col14  | character varying(30)    |           |          |         | extended |              | 
 col15  | character varying(30)    |           |          |         | extended |              | 
 col16  | character varying(30)    |           |          |         | extended |              | 
 col17  | character varying(30)    |           |          |         | extended |              | 
 col18  | character varying(30)    |           |          |         | extended |              | 
 col19  | character varying(30)    |           |          |         | extended |              | 
 col20  | character varying(30)    |           |          |         | extended |              | 
Indexes:
    "cts1_id_idx" btree (id)
    "cts1_time_idx" btree ("time" DESC)

ts1=# \d+ ckts1
                                            Table "public.ckts1"
 Column |           Type           | Collation | Nullable | Default | Storage  | Stats target | Description 
--------+--------------------------+-----------+----------+---------+----------+--------------+-------------
 time   | timestamp with time zone |           | not null |         | plain    |              | 
 id     | integer                  |           |          |         | plain    |              | 
 col2   | integer                  |           |          |         | plain    |              | 
 col3   | integer                  |           |          |         | plain    |              | 
 col4   | integer                  |           |          |         | plain    |              | 
 col5   | integer                  |           |          |         | plain    |              | 
 col6   | integer                  |           |          |         | plain    |              | 
 col7   | integer                  |           |          |         | plain    |              | 
 col8   | integer                  |           |          |         | plain    |              | 
 col9   | integer                  |           |          |         | plain    |              | 
 col10  | integer                  |           |          |         | plain    |              | 
 col11  | integer                  |           |          |         | plain    |              | 
 col12  | character varying(30)    |           |          |         | extended |              | 
 col13  | character varying(30)    |           |          |         | extended |              | 
 col14  | character varying(30)    |           |          |         | extended |              | 
 col15  | character varying(30)    |           |          |         | extended |              | 
 col16  | character varying(30)    |           |          |         | extended |              | 
 col17  | character varying(30)    |           |          |         | extended |              | 
 col18  | character varying(30)    |           |          |         | extended |              | 
 col19  | character varying(30)    |           |          |         | extended |              | 
 col20  | character varying(30)    |           |          |         | extended |              | 
Indexes:
    "ckts1_id_idx" btree (id)
    "ckts1_time_idx" btree ("time" DESC)
Triggers:
    ts_insert_blocker BEFORE INSERT ON ckts1 FOR EACH ROW EXECUTE PROCEDURE _timescaledb_internal.insert_blocker()

怀疑因为数据量不够大，导致TSDB写入性能优势没能体现

增大数据量到1亿行

batchsize = 1000，单线程写入

行数字节数PG执行时间TSDB执行时间PG行速率TSDB行速率(行/s)TSDB TRUNK数量
2000万3.45GB565 s817 s35398 (行/s)24480 (行/s)30
1亿17.4GB2782 s3992 s35945 (行/s)25050 (行/s)166

结果仍然是PG写入速度更快。

To be continued...

CentOS 7.6安装ZABBIX 4.4.0 + TimescaleDB
qq_40907977的博客
11-30 1595
介绍 2019.10 ZABBIX 4.4.0 正式发布，发布全新的基于Go语言编写全新agent2和众多新功能特性，接下来介绍最重要的新功能，TimescaleDB数据库，ZABBIX除了支持MySQL、PostgreSQL、Oracle和DB2之外，ZABBIX 官方正式宣布支持TimescaleDB。与传统的关系数据库相比，TimescaleDB有诸多优点：近乎线性的性能水平，支持自动即时删...
优化PostgreSQL数据库的磁盘I_O性能
2502_91592937的博客
05-23 985
本文旨在为数据库管理员和开发人员提供一套完整的PostgreSQL磁盘I/O性能优化方法论。PostgreSQL存储引擎架构分析关键配置参数调优索引策略优化表分区技术WAL(预写日志)配置优化查询计划优化文章首先介绍PostgreSQL的存储架构和I/O特性，然后深入探讨各种优化技术，最后通过实际案例展示优化效果。每个优化点都将包含理论解释和实际操作指南。: PostgreSQL的事务日志机制，确保数据持久性和崩溃恢复能力: PostgreSQL维护的内存缓冲区，用于减少磁盘I/O。
TimescaleDB | 时序数据库
m0_59044499的博客
01-07 1630
TimescaleDB：本质是Postgresql数据库的扩展，Postgresql原本关系数据库的能力依旧在，可以同时支持时序表和关系表。
数据库 | timescaledb性能初步测试
m0_59044499的博客
05-29 899
timescaledb性能初步测试
云数据库选型：PostgreSQL vs MySQL 在 2025 的技术对决
2501_92585538的博客
06-27 1902
上周有位读者在社群里分享了他的选型故事，从最初坚持用MySQL，到后来发现PostgreSQL的JSONB特性完美契合业务需求，最终节省了30%的云资源成本。最近在技术社群里看到不少讨论，有位做电商的朋友吐槽："上个月刚换的MySQL集群遇到突发流量，虽然撑过来了，但数据库团队加班三天才恢复。成本方面，云存储费用降低18%。有个做SaaS工具的团队给我看他们的监控数据（图1）：当用户量突破10万DAU时，使用MySQL的团队遇到连接池耗尽问题，而PostgreSQL通过连接数动态调整策略，保持服务可用性。
记一次 TimescaleDB 性能优化
mofei
03-19 4146
项目中使用TimescaleDB来存储时序数据，最近发现查询很慢，且对服务器资源消耗较大。通过查看官方文档，慢日志等方式，找到了一些可以优化的地方，包括索引优化、SQL优化、调整分区大小、删除过时的块、压缩。
PostgreSQL 数据写入性能测试
热门推荐
欢迎来到我的技术分享博客！这里将带你深入了解AI技术、Java架构设计、系统开发与优化等前沿技术内容。我专注于从实战经验
05-19 1万+
1主2从SR同步流复制测 搭建环境略，可参考之前文章 Server | Role 10.10.56.16 | master 10.10.56.17 | slave1 10.10.56.19 | slave2 16查询状态 pocdb=# SELECT client_addr,application_name,sync_state FROM pg_stat_replicat...
时序数据库对比：InfluxDB vs TimescaleDB vs OpenTSDB 的性能测试
最新发布
2503_92849275的博客
07-31 833
在当今的大数据时代，时序数据的产生量呈爆炸式增长，如物联网设备的实时监测数据、金融领域的交易记录、工业生产中的传感器数据等。它将时序数据存储在 HBase 中，利用 HBase 的分布式存储和高可靠性特点，实现了对海量时序数据的高效存储和管理。在数据查询性能上，InfluxDB 和 TimescaleDB 各有优势，InfluxDB 在单表查询和简单聚合查询上更胜一筹，TimescaleDB 在多表关联查询和复杂查询上表现更好，OpenTSDB 在大规模聚合查询上有一定优势，但整体查询性能不如前两者。
【专业数据库探索 02】时序数据库终极对决：InfluxDB vs TimescaleDB完整实战指南
熵数实验室
06-12 879
在IoT设备爆炸式增长和实时监控需求日益增加的今天，时序数据库成为了处理海量时间序列数据的核心技术。本文通过费曼学习法，从实际业务场景出发，深度对比InfluxDB和TimescaleDB两大主流时序数据库的技术特点、性能表现和应用场景。我们将通过生动的案例和完整的代码实现，帮助你理解时序数据库的核心价值，掌握如何根据业务需求选择合适的时序数据库，并提供从环境搭建到生产优化的完整实战方案。无论你是运维工程师、IoT开发者还是数据架构师，这篇文章都将为你的时序数据处理提供权威指导。
深入掌握Python DB库：揭秘核心功能与性能优化（专家指南）
Python DB库是一系列为数据库交互设计的接口和库，它们遵循Python数据库API规范（DB-API）。这些库允许Python开发者能够轻松地与各类数据库进行交互，无论是关系型数据库如MySQL、PostgreSQL，还是非关系型数据库如...
用Python和SQLite存储时间序列数据：高效与低成本的解决方案
AI天才研究院
07-19 3558
作者：禅与计算机程序设计艺术 时序数据库是专门处理和分析结构化、时间相关的数据的一种数据库系统。它能够对按照时间顺序排列的数据进行快速高效地查询、聚合、统计等操作。时序数据的特点是随着时间的推移而增长，记录了实体在不同时刻或状态的变化情况，因此需要一种有效率的方式来管理这些数据。目前，主流的时序数据库包括InfluxDB、TimeScal
TimescaleDB的介绍
06-04
TimescaleDB的介绍 ： 1、什么是TimescaleDB？ 2、为什么使用它？ 3、它的安装、更新软件的问题 等等····
Postgre数据库Insert 、Query性能优化详解
09-10
主要介绍了Postgre数据库Insert和Query性能优化的步骤，大家可以参考使用
聚焦 TimescaleDB VS TDengine 性能对比报告，五大场景全面分析写入与查询
涛思数据
05-17 1153
从上述 TSBS 测试报告中我们可以得出结论，不管是在写入性能、查询性能还是存储性能，TDengine 比 TimescaleDB 都略胜一筹，且不论是服务器的 CPU 还是 IO 抑或是客户端的开销统计，TDengine 均远优于 TimescaleDB。尤其本次性能测试还是基于 Timescale 打造的基准性能测试平台 TSBS 进行的，测试结果的公平公正性可见一斑。
timescaledb和influxdb单行写入性能
jacicson1987的专栏
10-09 2723
目录 测试结果摘要 测试环境 Influxdb单行写入测试 测试结果 资源占用 timescaledb单行写入测试 测试结果 资源占用 结果对比 测试结果摘要 单行写入性能，timescaledb超过influxdb的2倍。不论单线程还是多线程。更详细的结果请看后文。 线程平均速率（行/s） 单线程 2线程 4线程 8线程 16线程 32...
时序数据库DolphinDB和TimescaleDB 性能对比测试报告
cpongo5
03-07 474
\u003cblockquote\u003e\n\u003cp\u003e在本文中，我们对 TimescaleDB 和 DolphinDB在时间序列数据集上进行了性能对比测试。测试涵盖了 CSV 数据文件的导入导出、磁盘空间占用、查询性能等三方面。\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e在我们进行的所有测试中，DolphinDB ...
时序数据库TimescaleDB 功能介绍、单节点、多节点集群安装部署、centos、linux
总要留下点什么吧
08-15 4141
Timescale是一个用于时间序列，事件和分析的PostgreSQL数据平台。提供了PostgreSQL的可靠性，这是时间序列的超能力 TimescaleDB，。它提供 自动备份和还原、复制的高可用性等功能， 无缝缩放和调整大小等等。
TimescaleDB 性能调优神器：timescaledb-tune 推荐
gitblog_00017的博客
04-05 373
TimescaleDB 性能调优神器：timescaledb-tune 推荐 项目介绍 在数据库性能优化领域，timescaledb-tune 是一款专为 TimescaleDB 设计的性能调优工具。TimescaleDB 是一个基于 PostgreSQL 的时序数据库，广泛应用于物联网、金融分析、监控系统等领域。timescaledb-tune 通过分析主机资源（如内存和 CPU 数量），自动调...
聚焦 TimescaleDB VS TDengine 性能对比报告，IoT 场景下全面分析写入与查询
涛思数据
08-03 680
本篇文章将为大家带来TimescaleDB 与 TDengine从写入、存储、查询及资源开销等维度的对比分析。
TimescaleDB pg
03-01
### TimescaleDB 和 PostgreSQL：特性、安装、配置与性能调优 #### 特性概述 TimescaleDB 是一种专为时间序列数据设计的关系型数据库，基于 PostgreSQL 构建。这使得 TimescaleDB 继承了许多 PostgreSQL 的强大功能，同时也增加了专门针对时间序列数据处理的功能[^1]。 - **自动分区**：支持按时间和/或空间维度的数据分片。 - **高效查询**：提供高效的聚合函数和窗口函数来加速复杂的时间序列分析。 - **SQL 支持**：完全兼容标准 SQL 查询语法，允许用户利用熟悉的工具和技术栈进行开发。 - **扩展插件**：继承自 PostgreSQL 的丰富生态系统，可以轻松集成各种第三方应用和服务。 #### 安装过程 对于 TimescaleDB 的安装，在大多数情况下只需要通过包管理器或者二进制文件下载最新版本即可完成基本部署工作。具体步骤取决于操作系统环境的不同而有所差异。一旦成功安装之后，则可以通过命令行客户端 psql 或者图形界面应用程序 pgAdmin 来连接到新创建好的实例上开始初步探索。 #### 配置优化 为了使 TimescaleDB 能够更好地适应特定的工作负载需求，通常还需要进一步调整其内部参数设置。这部分操作主要集中在修改 `postgresql.conf` 文件中的几个关键选项： - **共享缓冲区大小 (`shared_buffers`)** - **有效缓存大小 (`effective_cache_size`)** - **维护工作内存 (`maintenance_work_mem`)** 这些参数的选择应当依据服务器硬件资源情况以及预期的应用场景来进行合理规划。当启动配置向导时，会根据服务器特性和 PostgreSQL 版本推荐相应的设定值供参考；此时按下 'y' 即可开启自动化调参流程[^2]。 如果希望深入了解如何精确调节 PostgreSQL/TimescaleDB 中涉及的各类内存相关属性，建议查阅官方文档《Tuning Your PostgreSQL Server》获取更详细的指导说明[^3]。 ```bash # 修改 postgresql.conf 文件示例 shared_buffers = 4GB # 设置共享缓冲区大小 effective_cache_size = 8GB # 设定有效的磁盘缓存容量预估值 maintenance_work_mem = 512MB # 控制作业期间可用的最大内存量 ```
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值