使用 Python 探索 PostgreSQL 的新功能

PostgreSQL 17 带来了许多令人兴奋的新功能和增强功能，以满足开发人员、数据科学家和数据库管理员的需求。本文将探讨 PostgreSQL 17 中一些最重要的新增功能和改进，并演示如何通过 Python 使用这些功能。

1. 通过增量排序提高查询性能 PostgreSQL 17 的突出功能之一是增量排序算法的增强，该算法现在支持更广泛的用例。增量排序可以显着减少执行涉及大型数据集的查询所需的时间，尤其是在处理排序数据时。

Python 示例：使用 PostgreSQL 17 进行增量排序

要使用此功能，我们首先使用 Python 的 psycopg2 库设置 PostgreSQL 连接：

`导入 psycopg2

连接到 PostgreSQL 数据库

conn = psycopg2.connect(
主机=“本地主机”，
数据库=“test_db”，
用户=“postgres”，
密码=“您的密码”
)

创建光标对象

cur = conn.cursor()

创建表并插入数据

cur.execute("""
如果大数据集不存在则创建表 (
id 串行主键，
类别 VARCHAR(50),
值 INT
);
""")

插入样本数据

cur.execute("""
INSERT INTO large_dataset（类别，值）
选择
'类别'|| (i % 10),
随机() * 1000
FROMgenerate_series(1, 1000000) i;
""")

conn.commit()

使用增量排序

cur.execute("""
解释分析
从大数据集中选择 *
按类别、值排序；
""")

获取并打印查询计划

query_plan = cur.fetchall()
对于 query_plan 中的行：
打印（行）

关闭光标和连接

cur.close()
conn.close()
`

在此示例中，PostgreSQL 17 改进的增量排序可以有效处理 ORDER BY 子句，对数据进行增量排序并减少整体查询执行时间。

1. JSON 路径增强 PostgreSQL 17 引入了 JSONPath 的增强功能，使查询和操作 JSON 数据变得更加容易。这对于严重依赖 JSON 进行数据交换的应用程序特别有用。

Python 示例：使用 JSONPath 增强功能
`## 重新连接数据库
conn = psycopg2.connect(
主机=“本地主机”，
数据库=“test_db”，
用户=“postgres”，
密码=“您的密码”
)
cur = conn.cursor()

创建包含 JSON 数据的表

cur.execute("""
如果 json_data 不存在则创建表 (
id 串行主键，
数据 JSONB
);
""")

插入示例 JSON 数据

cur.execute("""
插入 json_data (数据)
价值观
('{"姓名": "爱丽丝", "年龄": 30, "技能": ["Python", "SQL"]}'),
('{"姓名": "鲍勃", "年龄": 25, "技能": ["Java", "C++"]}');
""")

conn.commit()

使用 JSONPath 查询 JSON 数据

cur.execute("""
选择数据->> 'name' AS名称，数据->> '年龄' AS 年龄
来自 json_data
数据@在哪里？ '$.技能？ (@ == "Python")';
""")

获取并打印结果

结果 = cur.fetchall()
对于结果中的行：
打印（行）

关闭光标和连接

cur.close()
conn.close()
`

此代码演示了 PostgreSQL 17 增强的 JSONPath 功能如何简化根据复杂条件从 JSON 字段提取数据。

1. 增强索引创建的并行性 由于改进了并行性，PostgreSQL 17 中的索引创建现在更加高效，可以更快地对大型数据集建立索引。

Python 示例：并行索引创建
`## 重新连接数据库
conn = psycopg2.connect(
主机=“本地主机”，
数据库=“test_db”，
用户=“postgres”，
密码=“您的密码”
)
cur = conn.cursor()

创建一个大表

cur.execute("""
如果不存在则创建表large_table (
id 串行主键，
数据 VARCHAR(255)
);
""")

插入大量行

cur.execute("""
插入大型表（数据）
选择
md5(随机()::文本)
FROMgenerate_series(1, 5000000);
""")

conn.commit()

创建具有并行性的索引

cur.execute("""
在large_table（数据）上同时创建索引large_table_data_idx;
""")

conn.commit()

关闭光标和连接

cur.close()
conn.close()
`

此示例展示了 PostgreSQL 17 改进的使用多个 CPU 核心同时创建索引的能力，这在处理海量表时非常有用。

1. 符合 SQL/JSON 标准的函数 PostgreSQL 17 增加了对更多 SQL/JSON 标准兼容函数的支持，增强了其使用更多 SQL 标准语法处理 JSON 数据的能力。

Python 示例：SQL/JSON 标准函数
`## 重新连接数据库
conn = psycopg2.connect(
主机=“本地主机”，
数据库=“test_db”，
用户=“postgres”，
密码=“您的密码”
)
cur = conn.cursor()

创建包含 JSON 数据的表

cur.execute("""
如果不存在则创建表employee_data (
id 串行主键，
信息 JSONB
);
""")

插入示例 JSON 数据

cur.execute("""
插入员工数据（信息）
价值观
('{"姓名": "约翰", "部门": "销售", "工资": 5000}'),
('{“姓名”:“简”,“部门”:“IT”,“工资”:7000}');
""")

conn.commit()

使用 SQL/JSON 函数进行查询

cur.execute("""
SELECT jsonb_path_query_first(info, '$.department') AS 部门
来自员工数据
哪里 jsonb_path_exists(info, '$.salary ? (@ > 6000)');
""")

获取并打印结果

结果 = cur.fetchall()
对于结果中的行：
打印（行）

关闭光标和连接

cur.close()
conn.close()
`

在这个示例中，我们演示了如何使用 SQL/JSON 标准函数来查询 JSON 数据，展示了 PostgreSQL 17 对新 SQL 标准的遵从。

有关 PostgreSQL 17 及其新功能的更多信息，请参阅官方文档。

以上是使用 Python 探索 PostgreSQL 的新功能的详细内容。更多信息请关注PHP中文网其他相关文章！