PostgreSQL通过TOAST压缩大字段、cstore_fdw列存扩展、ZFS/Btrfs文件系统压缩、分区归档及JSONB优化等多层协同方式，减少存储与I/O，提升查询性能。
PostgreSQL 中的数据压缩主要通过减少存储占用和 I/O 负载来提升数据库整体性能。虽然 PostgreSQL 本身不直接提供行或页级压缩功能（像某些商业数据库那样），但可以通过多种方式实现数据压缩，从而在特定场景下显著改善查询速度、降低磁盘使用并减少 I/O 压力。
1. 使用 TOAST 机制自动压缩大字段
PostgreSQL 内置了 TOAST（The Oversized-Attribute Storage Technique） 技术，专门用于处理超过页大小（通常 8KB）的字段，如 TEXT、VARCHAR、BYTEA 等大对象。
当字段内容较大时，PostgreSQL 会自动尝试以下操作：
- 先尝试进行压缩（LZ 压缩算法），减小数据体积
- 若仍过大，则将部分数据移出主表，存储到附属的 TOAST 表中
这种机制减少了主表的体积，提升了缓存效率和扫描速度，尤其对包含长文本或 JSON 数据的表非常有效。
2. 使用列存扩展（如 cstore_fdw）进行高效压缩
对于分析型负载（OLAP），可以引入外部扩展实现高压缩率和快速查询。
cstore_fdw 是一个基于列存储的外部表接口，支持：
- 高效的列级压缩（如 zlib、pglz）
- 跳过不相关数据块（谓词下推 + 列独立读取）
- 显著减少磁盘 I/O 和内存占用
适用于日志分析、数据仓库等场景，压缩率可达 60%-80%，同时提升复杂查询性能。
3. 启用表空间压缩（配合 ZFS/Btrfs 等文件系统）
在操作系统层使用支持透明压缩的文件系统（如 ZFS、Btrfs），可对 PostgreSQL 数据目录整体压缩。
优势包括：
- 无需修改数据库结构或应用逻辑
- 自动压缩所有数据文件、WAL 日志等
- 节省磁盘空间，降低备份体积
注意：需权衡 CPU 开销与 I/O 性能提升，在 SSD + 高并发 OLTP 场景中效果更明显。
4. 使用分区 + 压缩归档历史数据
对时间序列类数据，可通过分区将冷数据单独管理，并采用更高压缩策略。
例如：
- 使用 pg_pathman 或原生分区按时间切分
- 将旧分区迁移至压缩表（如用 cstore_fdw 存储）
- 减少活跃表大小，加快主查询响应
这种方式既保持热数据高性能，又高效归档历史数据。
5. JSONB 字段压缩与 GIN 索引优化
JSONB 虽然便于灵活存储，但体积较大。结合 TOAST 后仍可受益于压缩。
建议：
- 合理设计 JSON 结构，避免冗余键名
- 对频繁查询的路径建立 GIN 索引
- 利用压缩减少 I/O，提升索引扫描效率
基本上就这些。PostgreSQL 的压缩优势不在单一功能，而在于多层协同：TOAST 自动处理大字段，列存扩展提升分析效率，文件系统压缩简化运维，再配合分区策略，能在不牺牲可用性的前提下显著提升性能和存储效率。关键是根据业务类型选择合适组合，平衡 CPU 与 I/O 资源。
