用 PostgreSQL 存图片等 binary 有什么坑吗

[liyafe1997]

如题，大概每个主条目下面关联有几张到一两百张不等的图片/文档之类的附件，每张图最大 500KB （入库时超大会自动压缩），文档也是不超过 500KB 。

目前测试数据（几十/百来个主条目）跑起来感觉挺香的，也没见什么性能问题。特别是设置好外键和 cascade delete 之后，主条目删除会自动把存 binary 的表中关联的附件一并干掉，比放文件系统好维护。文件系统还要自己处理数据关联和清理逻辑。

就是不知道以后数据量大了会有什么坑，预计之后主条目有数万个这样的量级。

[KongLiu]

数据库占用 IO 太高了，高并发就废了，而且以后配合 CDN 做加速也不方便，还有数据库存储一般都比对象云存储贵把

[wangtian2020]

我 sqlite 都不敢这么存

[liyafe1997]

@KongLiu 没有什么太高的并发需求，正常用户应该没考虑到高并发这个量级，但是怕的是 Internet 上乱跑的爬虫/搜索引擎 Bot 之类的。
「以后配合 CDN 做加速也不方便」，这个为什么呢？我还想着以后用 CDN 来帮缓存一些图，不用每次都进我的后端/数据库 IO 。

[zhengfan2016]

后面接手项目的开发：安卓架构(bushi

[JYii]

@liyafe1997 #3 你自己都说出隐患了，一个查询 api 就能把你 DB 打死。

[Vegetable]

IO 很难受，这么弄也很难做到正常文件服务器的能力，本来如空气一般自然的功能你都得自己实现，比如 http 304 。
你如果一开始选了这个架构，后边会越来越难受，只有一开始能爽点，与其后边难受，不如一开始做好资源管理，把删除的逻辑弄好。

[KongLiu]

@liyafe1997 用 OSS 配置一下就好了，你这种方式全靠自己控制。搞不到 OSS 配置本身就提供的功能，你自己要写一大堆

[liyafe1997]

@JYii 感觉在 HTTP Server 或者套一层 sqiud 做缓存能解决？甚至最外面还有一层 CDN 也能缓存？总之就是不用每次 HTTP GET 都去查 DB 。

[liyafe1997]

@KongLiu 那还得装一套 OSS

[xtreme1]

"条目"具体是什么东西?

[zephyru]

CDN 一般不都是通过图片的文件路径地址去访问的？
存文件系统里直接上传对应文件保持路径，项目里替换下请求的地址就好了。
你这种模式也并不是不能用 CDN 但确实不方便。
小文件存数据库主要问题还是开销大吧，基本没见过正经系统把文件直接存数据库里的。

[liyafe1997]

@xtreme1 你就理解成类似 V2EX 的帖子就好了，一条帖子下面可能挂有很多图片甚至文档等附件。

[AutumnVerse]

以前自己玩具项目这样搞过

就像楼上说的，数据库 io 扛不住，而且没法优化

[liyafe1997]

@zephyru CDN 请求我的 Server 也是 HTTP GET 哇，我的后端访问数据库中的图片也是 HTTP GET （ RESTful API ），查 db 再把图 binary data 通过 http response 弹回给你

[liyafe1997]

@AutumnVerse 现在想到的解决方案是在 HTTP Server 上做缓存，不知道加上这个之后，还有什么坑

[AutumnVerse]

正经做法是数据库存 oos 地址，后端返回 oos 地址，前端直接请求 oos ，这样减少服务端 io

[AutumnVerse]

@liyafe1997 缓存里面放图片？那你缓存的多大啊，你不怕缓存被撑爆吗

[liyafe1997]

@AutumnVerse 不想（懒得）再引入一套 OSS 了🤣

[AutumnVerse]

直接放磁盘路径都比放数据库好，直接放磁盘有一些文件系统，操作系统相关的优化方案，而且可以挂载远程磁盘的方式做分布式

[liyafe1997]

@AutumnVerse 直接放磁盘的话...我还是考虑 OSS 吧🤣
感谢解答

[zephyru]

@liyafe1997
一般来说，大家说图片 CDN 可能是 OSS 那种模式的。
所有的流量全部走 CDN 不会再打到服务器上。
你这种情况，可能只适合使用套在域名上那种作为前置缓存的 CDN （缓存规则，失效诸如此类的先另说）。
你想使用传统使用 CDN 的方式，得先从 DB 里下载出来再上传，这就是麻烦的点。
这么看来主要的坑点，除了开销大，就是传统的方案需要你自己再另外实现。

[xtreme1]

额, 就是富文本吗. 现在方案都很成熟了啊, 文本存 pg, 附件上 oss, 索引上 es.

[KongLiu]

@liyafe1997 能用和好用是两码事，你这个只能算是能用水平，远远谈不上好用。OSS 配合 CDN 能很容易的改变缓存策略，你这个每一点改动都要改代码。除非你这个项目是玩具项目做出来不用考虑维护的，不然早晚有坑等着呢，你现在的想象中的美好都基于没几个人用的情况。

[chambered]

我觉得 pg 的 bytea 就是用来存这些二进制数据的，所以几十 kb 应该没什么问题，太大肯定不行。还是看文档怎么介绍的吧

[skallz]

之前只有富文本这么干过，当时是为了图省事把里面所有图片资源转成 base64 嵌在富文本里，但是后面也是相当难受，最后把富文本生成一个 json 文件传 oss 了

[ytmsdy]

数据库备份的时候，你就会知道这是一个噩梦，备份文件动不动就是上百 G 。
另外数据还原也是一个问题，很慢，很烦。
我们之前把身份证照片转成了 base64 ，存到了数据库里，然后自动备份服务器的空间动不动就满了。贼烦

[donaldturinglee]

正经做法还是上 OSS

[SoviaPhilo]

除非硬件资源限制了， 最好是能分离， 毕竟如楼上说的方案很成熟了。
而方案成熟那是无数前人拿血和泪换来的。

另外， 数据量大了， 你现在的设计绝大多数都会是坑， 不止是图片。毕竟大数据量和小数据量在设计上肯定是不一样的

[kenilalexandra]

OSS 的出现就是为了解决你不知道的“有什么坑吗”的

[geminikingfall]

这是个什么操作？这不上块存储吗？

[billbob]

上 OSS

[liyafe1997]

@ytmsdy base64 那会增大很多吧，正确不应该用 bytea?

[jjx]

500k 就是 5m 带宽了

两个人并发就带宽报警了

这种还是用 7 牛云之类的吧

[june4]

楼上都没给出实锤证据啊，说明可行？
存成文件也是要 IO 的，且存数据库前面也可以配缓存，不管是文件缓存还是 CDN 缓存

可能就是备份比文件方式不方便一点，如果图片量是巨大的话。

[sagnitude]

没什么太大问题，不要被吓到了。
平时这种应用场景很少，所以大家没做过，可能第一反应就是反对。
我就举一个例子，GIS 地图服务器，比如卫星图的图片，一般都是存数据库里的，几十 TB 照样存，我见过的，sqlite ，postgresql ，mongodb ，都有。比如 postgresql 直接就有一个 PostGIS 扩展来做这个。
全国地图总数据量应该是 10 亿图片量级，存数据库也没问题。
才几万个根本无所谓的。

而且 sqlite 也可以的，关键是做好分库分表，我自己就做过 sqlite 地图服务，每个 sqlite 数据库最多存储大概 1-2GB 的数据，没什么问题。

为什么不用 OSS 或者文件系统？因为他扛不住哈哈哈，我一次性导 20 亿文件进去，OSS 要几个月，文件系统也要等一个月，RAID 也没什么用，存储最佳方式就是数据库，可以解决小文件碎片化的问题。

[irrigate2554]

规模小的话应该没啥问题，memos 就支持存储附件到数据库，我也是这么用的。就怕规模越来越大，加上动不动 select * , 这样总有一天要炸。

[irrigate2554]

有一个明显的劣势就是存视频的话流式播放功能就无法实现了。

[CEBBCAT]

@sagnitude #35 请教下，是这个逻辑吗：OSS 是网络 IO(耗时)，FS 是系统调用，SQLite 跑在用户空间，众所周知有时候可以比硬盘快

[sagnitude]

@CEBBCAT
1. OSS 每一个操作都是网络，overhead 超级大，每个 stat 或者 mv cp 耗时增加哪怕 1 毫秒，乘以 20 亿的量级就是 23 天。几个月过去，项目都不要做了
2. 数据库可以用内存加速。
3. 文件系统对于巨量小文件的支持比较烂，碎片大，索引效率低，inode 就要占好几分之一的空间。
对数据库来说，读写是在单个文件内部完成的，不需要文件系统操作 open() close()

[xiangyuecn]

这么丁点数据量随便存，简单粗暴的存储架构，不要听楼上的，那些都是没卵用的提前优化

说不定项目黄了，数据库压力都不一定有上来

[moen]

pg 有个内置扩展叫 lo ，用来存大对象

[iyaozhen]

可以这样吧，没啥问题。

而且你又不是经常 select * ，比如帖子附件，你可以只展示名称。下载再查出内容字段

当然 OSS 确实是标准做法

[laminux29]

全存数据库，最大的优势是开发与调试都极其方便，节约了程序员大量时间。就算后期性能不足，直接堆硬件也能解决。

大部分中小项目，这么跑一点问题都没有，而且数据库天生做负载均衡与 HA 都更方便。

当然，非常特殊的追求性能的项目，以及用户或数据量众多的大厂项目，可能没办法这么玩。