PostgreSQL 17 帶來了許多令人興奮的新功能和增強功能，以滿足開發人員、資料科學家和資料庫管理員的需求。本文將探討 PostgreSQL 17 中一些最重要的新增功能和改進，並示範如何透過 Python 使用這些功能。
- 透過增量排序提高查詢效能
PostgreSQL 17 的突出功能之一是增量排序演算法的增強，該演算法現在支援更廣泛的用例。增量排序可以顯著減少執行涉及大型資料集的查詢所需的時間，尤其是在處理排序資料時。
Python 範例：使用 PostgreSQL 17 進行增量排序
要使用此功能，我們先使用 Python 的 psycopg2 函式庫設定 PostgreSQL 連線：
`導入 psycopg2
連接到 PostgreSQL 資料庫
conn = psycopg2.connect(
主機=“本機”，
資料庫=“test_db”，
使用者=“postgres”，
密碼=“您的密碼”
)
建立遊標對象
cur = conn.cursor()
建立表並插入數據
cur.execute("""
如果大資料集不存在則建立表 (
id 串列主鍵，
類別 VARCHAR(50),
值 INT
);
""")
插入樣本數據
cur.execute("""
INSERT INTO large_dataset（類別，值）
選擇
'類'|| (i % 10),
隨機() * 1000
FROMgenerate_series(1, 1000000) i;
""")
conn.commit()
使用增量排序
cur.execute("""
解釋分析
從大數據集中選擇 *
按類別、數值排序；
""")
取得並列印查詢計劃
query_plan = cur.fetchall()
對於 query_plan 中的行：
印（行）
關閉遊標和連接
cur.close()
conn.close()
`
在此範例中，PostgreSQL 17 改進的增量排序可以有效處理 ORDER BY 子句，對資料進行增量排序並減少整體查詢執行時間。
- JSON 路徑增強
PostgreSQL 17 引進了 JSONPath 的增強功能，讓查詢和操作 JSON 資料變得更容易。這對於嚴重依賴 JSON 進行資料交換的應用程式特別有用。
Python 範例：使用 JSONPath 增強功能
`## 重新連接資料庫
conn = psycopg2.connect(
主機=“本機”，
資料庫=“test_db”，
使用者=“postgres”，
密碼=“您的密碼”
)
cur = conn.cursor()
建立包含 JSON 資料的表
cur.execute("""
如果 json_data 不存在則建立表 (
id 串列主鍵，
資料 JSONB
);
""")
插入範例 JSON 數據
cur.execute("""
插入 json_data (資料)
價值觀
('{"姓名": "愛麗絲", "年齡": 30, "技能": ["Python", "SQL"]}'),
('{"姓名": "鮑伯", "年齡": 25, "技能": ["Java", "C++"]}');
""")
conn.commit()
使用 JSONPath 查詢 JSON 數據
cur.execute("""
選擇資料->> 'name' AS名稱，資料->> '年齡' AS 年齡
來自 json_data
數據@在哪裡？ '$.技能？ (@ == "Python")';
""")
取得並列印結果
結果 = cur.fetchall()
對於結果中的行：
印（行）
關閉遊標和連接
cur.close()
conn.close()
`
此程式碼示範了 PostgreSQL 17 增強的 JSONPath 功能如何簡化根據複雜條件從 JSON 欄位提取資料。
- 增強索引建立的平行性
由於改進了並行性，PostgreSQL 17 中的索引建立現在更加高效，可以更快地對大型資料集建立索引。
Python 範例：並行索引建立
`## 重新連接資料庫
conn = psycopg2.connect(
主機=“本機”，
資料庫=“test_db”，
使用者=“postgres”，
密碼=“您的密碼”
)
cur = conn.cursor()
建立一個大表
cur.execute("""
如果不存在則建立表格large_table (
id 串列主鍵，
資料 VARCHAR(255)
);
""")
插入大量行
cur.execute("""
插入大型表（資料）
選擇
md5(隨機()::文字)
FROMgenerate_series(1, 5000000);
""")
conn.commit()
建立具有並行性的索引
cur.execute("""
在large_table（資料）上同時建立索引large_table_data_idx;
""")
conn.commit()
關閉遊標和連接
cur.close()
conn.close()
`
此範例展示了 PostgreSQL 17 改進的使用多個 CPU 核心同時建立索引的能力，這在處理海量表時非常有用。
- 符合 SQL/JSON 標準的函數
PostgreSQL 17 增加了對更多 SQL/JSON 標準相容函數的支持，增強了其使用更多 SQL 標準語法處理 JSON 資料的能力。
Python 範例：SQL/JSON 標準函數
`## 重新連接資料庫
conn = psycopg2.connect(
主機=“本機”，
資料庫=“test_db”，
使用者=“postgres”，
密碼=“您的密碼”
)
cur = conn.cursor()
建立包含 JSON 資料的表
cur.execute("""
如果不存在則建立表employee_data (
id 串列主鍵，
資訊 JSONB
);
""")
插入範例 JSON 數據
cur.execute("""
插入員工資料（資訊）
價值觀
('{"姓名": "約翰", "部門": "銷售", "薪水": 5000}'),
('{“姓名”:“簡”,“部門”:“IT”,“工資”:7000}');
""")
conn.commit()
使用 SQL/JSON 函數進行查詢
cur.execute("""
SELECT jsonb_path_query_first(info, '$.department') AS 部門
來自員工資料
哪裡 jsonb_path_exists(info, '$.salary ? (@ > 6000)');
""")
取得並列印結果
結果 = cur.fetchall()
對於結果中的行：
印（行）
關閉遊標和連接
cur.close()
conn.close()
`
在這個範例中，我們示範如何使用 SQL/JSON 標準函數來查詢 JSON 數據，展示了 PostgreSQL 17 對新 SQL 標準的遵循。
有關 PostgreSQL 17 及其新功能的更多信息，請參閱官方文件。
以上是使用 Python 探索 PostgreSQL 的新功能的詳細內容。更多資訊請關注PHP中文網其他相關文章！
