当 PostgreSQL 的“类别”太多时，我应该使用枚举吗？

Question

问题

我计划将包含更多 1000 万条记录的 CSV 加载到 PostgreSQL v12.1，其中一列具有“分类”值，因此为其创建枚举类型似乎是一个不错的选择，但它包含 208 个类别。

最短的字段为 2，最长的字段为 11 个字符。所有字段的平均值为 2.4。字符编码是 UTF8，但所有字符都是 ASCII。

问题：

我应该使用enumerated或varchar哪种类型？

附加信息

我丢弃char是因为官方 PostgreSQL 文档说明了有关char、varchar和text 的以下内容：

提示：这三种类型之间没有性能差异，除了使用空白填充类型时增加了存储空间，以及在存储到长度受限列时需要额外的一些 CPU 周期来检查长度。虽然 character(n) 在其他一些数据库系统中具有性能优势，但在 PostgreSQL 中没有这样的优势；事实上 character(n) 通常是三个中最慢的，因为它有额外的存储成本。在大多数情况下，应改用文本或字符变化。

PostgreSQL 中的枚举值在磁盘上占用4 个字节（请参阅 8.7.4. 实现细节）。考虑到这一点和使用enum类型的2.4 平均字符串长度会导致磁盘使用率略高（PostgreSQL 中的短字符串需要一个额外的字节磁盘空间）。我仍然有一种直觉，即使用 enum 是更好的选择，因为它的实现使许多针对它的操作更快。

Answer 1

平均有 2.4 个字符（更相关：平均字节- 但对于所有 ASCII 字符都是一样的）我不会费心使用枚举。这些占用磁盘上的 4 个字节，可能还有对齐填充。（text不需要对齐填充。）您甚至没有节省存储空间并因此获得更多开销。

由于大多数值低于 7 个字符（= 磁盘上的 8 个字节），text类别列上的索引也将仅略大于enum. （数据空间（通常）以 8 字节的倍数分配。）

对于固定数量的 208 个类别，"char"编码（不要与char！）可能是节省存储空间的一种选择。看：

• 如何在 PostgreSQL 中存储一字节整数？

但是，再一次，不值得为这么小的字符串烦恼。只需使用text. 也许使用FK 约束对category表强制执行正确性，例如：

CREATE TABLE category (category text PRIMARY KEY);

也是存储每个类别的附加信息的好地方。您可以轻松修改类别集。进行 FK 约束ON UPDATE CASCADE，您可以在一个中心位置更改类别名称。Make it ON DELETE SET NULL，您可以轻松删除一个类别。等等。

有关的：

• varchar(n) 的开销是多少？
• PostgreSQL中计算和节省空间

Answer 2

我完全支持 Erwin 的回答，但我想对枚举添加警告。

如果您有固定数量的永远不会改变的可能值（至少必须保证没有值必须被删除），则枚举是一个不错的选择。

在所有其他情况下，您不应使用枚举：一旦添加了枚举值，就不可能删除它。

例如，当为包含美国州的列选择数据类型时，我不会选择枚举——虽然不太可能，但可能是一个州分离，或者两个州联合。

根据您描述数据的方式，我不建议在您的情况下使用枚举。