Keyv项目中使用PostgreSQL非日志表提升性能的探索
2025-06-28 16:41:42作者:翟萌耘Ralph
在基于事件溯源架构的系统设计中,投影(Projection)的稳定性通常不是关键问题,因为事件的存储才是系统的唯一真实来源。针对这一场景,Keyv项目的PostgreSQL适配器可以考虑引入对非日志表(unlogged tables)的支持,以获得显著的性能提升。
非日志表的技术原理
PostgreSQL的非日志表是一种特殊类型的表,它通过绕过预写日志(WAL)机制来实现更高的写入性能。与常规表相比,非日志表具有以下特点:
- 写入操作不记录事务日志
- 服务器崩溃后表数据会自动清空
- 不支持主从复制
- 索引也是非日志的
性能优势分析
在Keyv作为键值存储的场景下,使用非日志表可以带来多方面的性能提升:
- 写入速度提高2-3倍,因为避免了WAL日志的I/O开销
- 减少磁盘空间占用,特别是对于频繁更新的场景
- 降低系统负载,适合高吞吐量的临时数据存储
适用场景建议
虽然非日志表性能优越,但并非适用于所有场景。在Keyv项目中,以下情况特别适合考虑使用非日志表:
- 作为事件溯源架构中的投影存储
- 缓存数据等可丢失的临时数据
- 中间计算结果存储
- 需要快速导入大量临时数据的场景
实现方案设计
在Keyv的PostgreSQL适配器中实现非日志表支持,可以通过以下方式:
- 在构造函数中增加
unlogged选项 - 根据选项动态生成表创建语句
- 提供清晰的文档说明使用限制
注意事项
开发者在Keyv中使用非日志表时需要注意:
- 数据不具备持久性保证
- 不适用于需要复制的环境
- 表结构变更仍会记录日志
- 主键和唯一约束仍然有效
这种优化特别适合那些将Keyv用于事件溯源投影层或者缓存层的应用场景,能够在保证系统核心功能的同时获得显著的性能提升。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322