Python を使用して PostgreSQL の新機能を探索する

PostgreSQL 17 は、開発者、データ サイエンティスト、データベース管理者のニーズに応える多数のエキサイティングな新機能と拡張機能をもたらします。この記事では、PostgreSQL 17 の最も重要な追加機能と改善点をいくつか取り上げ、これらの機能を Python で使用する方法を示します。

1. 増分ソートによるクエリのパフォーマンスの向上 PostgreSQL 17 の際立った機能の 1 つは、増分ソート アルゴリズムの強化であり、より幅広いユースケースをサポートするようになりました。増分ソートは、特にソートされたデータを扱う場合に、大規模なデータセットを含むクエリの実行にかかる時間を大幅に短縮できます。

Python の例: PostgreSQL 17 を使用した増分ソート

この機能を使用するには、まず Python の psycopg2 ライブラリを使用して PostgreSQL 接続をセットアップしましょう:

`psycopg2 をインポート

PostgreSQLデータベースに接続する

conn = psycopg2.connect(
ホスト = "ローカルホスト",
データベース="test_db",
ユーザー = "postgres",
パスワード="あなたのパスワード"
)

カーソルオブジェクトを作成する

cur = conn.cursor()

テーブルを作成してデータを挿入する

cur.execute("""
存在しない場合はテーブルを作成しますlarge_dataset (
id シリアル主キー、
カテゴリ VARCHAR(50)、
値 INT
);
""")

サンプルデータを挿入する

cur.execute("""
INSERT INTOlarge_dataset (カテゴリ、値)
選択
'カテゴリ' || (i % 10)、
ランダム() * 1000
FROMgenerate_series(1, 1000000) i;
""")

conn.commit()

増分ソートの使用

cur.execute("""
分析の説明
SELECT * FROMlarge_dataset
カテゴリ、値で注文;
""")

クエリプランを取得して出力します

query_plan = cur.fetchall()
query_plan の行:
print(行)

カーソルと接続を閉じます

cur.close()
conn.close()
`

この例では、PostgreSQL 17 の改良された増分ソートが ORDER BY 句を効率的に処理し、データを増分的にソートし、全体的なクエリ実行時間を短縮します。

1. JSON パスの強化 PostgreSQL 17 では JSONPath が強化され、JSON データのクエリと操作が容易になります。これは、データ交換に JSON に大きく依存するアプリケーションに特に役立ちます。

Python の例: JSONPath 拡張機能の使用
`## データベースに再接続します
conn = psycopg2.connect(
ホスト = "ローカルホスト",
データベース="test_db",
ユーザー = "postgres",
パスワード="あなたのパスワード"
)
cur = conn.cursor()

JSONデータを含むテーブルを作成する

cur.execute("""
存在しない場合はテーブルを作成 json_data (
id シリアル主キー、
データ JSONB
);
""")

サンプルの JSON データを挿入する

cur.execute("""
INSERT INTO json_data (データ)
値
('{"名前": "アリス", "年齢": 30, "スキル": ["Python", "SQL"]}'),
('{"名前": "ボブ", "年齢": 25, "スキル": ["Java", "C++"]}');
""")

conn.commit()

JSONPath を使用して JSON データをクエリする

cur.execute("""
データの選択 ->> 'name' AS 名、データ ->> '年齢' AS age
FROM json_data
WHERE データ @? 「$.スキル？」 (@ == "Python")';
""")

結果を取得して印刷する

結果 = cur.fetchall()
結果の行:
print(行)

カーソルと接続を閉じます

cur.close()
conn.close()
`

このコードは、PostgreSQL 17 の強化された JSONPath 機能により、複雑な条件に基づいて JSON フィールドからのデータ抽出を簡素化する方法を示しています。

1. インデックス作成の並列処理の強化 PostgreSQL 17 でのインデックス作成は、並列処理の向上によりより効率的になり、大規模なデータセットのインデックス作成を高速化できるようになりました。

Python の例: インデックスの並列作成
`## データベースに再接続します
conn = psycopg2.connect(
ホスト = "ローカルホスト",
データベース="test_db",
ユーザー = "postgres",
パスワード="あなたのパスワード"
)
cur = conn.cursor()

大きなテーブルを作成する

cur.execute("""
存在しない場合はテーブルを作成しますlarge_table (
id シリアル主キー、
データ VARCHAR(255)
);
""")

多数の行を挿入する

cur.execute("""
INSERT INTOlarge_table (データ)
選択
md5(ランダム()::テキスト)
FROMgenerate_series(1, 5000000);
""")

conn.commit()

並列処理を使用してインデックスを作成する

cur.execute("""
CREATE INDEX CONCURRENTLYlarge_table_data_idx ONlarge_table (データ);
""")

conn.commit()

カーソルと接続を閉じます

cur.close()
conn.close()
`

この例は、複数の CPU コアを使用して同時にインデックスを作成する PostgreSQL 17 の機能の向上を示しています。これは、大規模なテーブルを操作する場合に非常に有益です。

1. SQL/JSON 標準準拠関数 PostgreSQL 17 では、より多くの SQL/JSON 標準準拠関数のサポートが追加され、より多くの SQL 標準構文で JSON データを処理する機能が強化されました。

Python の例: SQL/JSON 標準関数
`## データベースに再接続します
conn = psycopg2.connect(
ホスト = "ローカルホスト",
データベース="test_db",
ユーザー = "postgres",
パスワード="あなたのパスワード"
)
cur = conn.cursor()

JSONデータを含むテーブルを作成する

cur.execute("""
存在しない場合はテーブルを作成従業員データ (
id シリアル主キー、
情報 JSONB
);
""")

サンプルの JSON データを挿入する

cur.execute("""
INSERT INTO 従業員データ (情報)
値
('{"名前": "ジョン", "部門": "売上高", "給与": 5000}'),
('{"名前": "ジェーン", "部署": "IT", "給与": 7000}');
""")

conn.commit()

SQL/JSON関数を使用したクエリ

cur.execute("""
SELECT jsonb_path_query_first(info, '$.Department') AS 部門
FROM 従業員データ
WHERE jsonb_path_exists(info, '$.salary ? (@ > 6000)');
""")

結果を取得して印刷する

結果 = cur.fetchall()
結果の行:
print(行)

カーソルと接続を閉じます

cur.close()
conn.close()
`

この例では、SQL/JSON 標準関数を使用して JSON データをクエリする方法を示し、PostgreSQL 17 が新しい SQL 標準に準拠していることを示します。

PostgreSQL 17 とその新機能の詳細については、公式ドキュメントを参照してください。

以上がPython を使用して PostgreSQL の新機能を探索するの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。