破刀式 - 搞定文本、空间、时序流式数据

　　图三 破刀式 - 搞定文本、空间、时序流式数据

　　在模糊查询、分词等文本处理方面，PostgreSQL天然支持分词的特性，包括中文分词和英文分词，性能上能够做到每秒处理千万词汇的级别，足够满足使用者的需求。

　　空间地理位置数据管理方面，PostgreSQL支持PostGIS和Pgrouting两种位置处理的插件，PostGIS是全球使用范围最广的地理位置信息处理插件，在美国宇航局、欧洲宇航局等企业中得到了广泛使用;Pgrouting是基于位置信息完成最短路径运算的插件。

　　流式处理方面，PostgreSQL 9.5以后的版本支持BRIN索引，非常适合带有时序属性的流式数据。如果按照时间来访问流式日志数据，以往需要创建B-tree索引进行范围查询或者精确匹配，但是B-tree索引会因为需要存储的较大信息量导致索引也很庞大;而BRIN记录的是每(连续)块元数据，索引变得很小。下图是两种索引之间差别详细对比：

　　图四 BRIN索引与B-TREE 索引性能对比

　　破枪式 - 搞定实时流处理

　　图五 破枪式 - 搞定实时流处理

　　实时流处理的实时性要求很高，同时传统的流式计算开发门槛高。但采用PostgreSQL，仅一条SQL就可以搞定流失实时处理。在数据源源不断地往数据库持续插入过程中，只需要定义好需要实时统计的窗口或者是流视图，数据库后台就可以实时地进行数据统计。查询流失处理结果的响应时间是在毫秒级别的。PostgreSQL在流式处理方面大大简化了开发这一环节。其处理能力相当强大，一台8G CPU的服务器每天能够处理百亿级别的流式数据。

　　破鞭式 - 搞定复杂查询

　　图六 破鞭式 - 搞定复杂查询

　　在物联网中，因为数据维度多、相关性复杂，所以复杂查询也是一个不容忽视的问题。PostgreSQL中通过支持遗传算法、HASH JOIN、HASH 聚合，解决了多表查询的效率问题，在分析场景中比传统的嵌套循环性能提升100倍以上。

　　除此之外，在监测场景中，传统基于阀值或状态的监测方式是无法发现监测过程中存在抖动、趋势异常的情况。PostgreSQL中采用基于方差的监测方式用于抖动检测;同时基于时间或属性相关性，进行趋势检测，防患于未然。