当PostgreSQL有太多的“类别”时，我应该使用枚举吗？

Question

问题

我计划将包含1,000万条记录的CSV加载到PostgreSQL v12.1中，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。

最短字段为2，最长字段为11字符。所有字段的平均值为2.4。字符编码是UTF8，但是是所有字符为ASCII。

问题：

我应该使用哪种类型的枚举或varchar？

附加信息

我放弃char是因为官方的PostgreSQL文档州关于char、varchar和文本的内容如下：

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，以及在将长度存储到受长度限制的列中时需要额外的CPU周期来检查长度。虽然字符(N)在其他一些数据库系统中具有性能优势，但在PostgreSQL中却没有这种优势；事实上，字符(N)通常是这三个系统中最慢的，因为它需要额外的存储成本。在大多数情况下，应该使用文本或字符的变化。

PostgreSQL中的枚举值占据磁盘上的4个字节 (参见8.7.4 )。执行细节)。考虑到这一点，以及使用枚举类型的平均字符串长度将导致磁盘使用率略高一些( PostgreSQL中的短刺需要额外的一个字节磁盘空间)。尽管如此，我仍然认为使用枚举是一个更好的选择，因为它的实现使许多针对它的操作更快。

Answer 1

平均2.4个字符(更相关的是: avg字节--但对于所有ASCII字符来说是一样的)，我不会费心使用枚举。这些占用磁盘上的4个字节加上，可能，对齐填充。(text不需要对齐填充。)您甚至没有节省存储和获得更多的开销。

由于大多数值都低于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上的索引。(数据的空间(通常)以8字节的倍数分配。)

对于固定数目的208个类别，"char"编码(不要与char混淆！)可能是保存存储的一种选择。请参见：

• 如何在PostgreSQL中存储一个字节的整数？

但是，再一次，不值得为这么小的字符串麻烦。只需使用文本。可以使用FK约束对category表执行正确性，如下所示：

CREATE TABLE category (category text PRIMARY KEY);

同时也是每个类别存储额外信息的好地方。而且您可以很容易地修改类别集。将FK约束设置为ON UPDATE CASCADE，您可以在一个中心位置更改类别名称。让它成为ON DELETE SET NULL，您可以轻松地删除一个类别。等。

相关信息：

• varchar(N)的开销是多少？
• PostgreSQL中的空间计算与节省

Answer 2

我完全支持Erwin的回答，但我想补充一个警告，不要使用枚举。

如果有固定数量的不可更改的可能值，则Enum是一个很好的选择(至少必须保证不需要删除任何值)。

在所有其他情况下，您不应该使用枚举:一旦添加了枚举值，就不可能删除枚举值。

例如，当为包含美国状态的列选择数据类型时，我不会选择枚举--尽管这种情况不太可能，但可能是一个州分离，或者两个州联合起来。

根据您对数据的描述方式，在您的情况下，我不会推荐枚举。