中文翻译网址：文档目录/Document Index: 世界上功能最强大的开源数据库...
官网下载地址：Community DL Page
Windows 10 安装忽略（第三方及图形可视化工具选择安装）
一、开始使用
1、启动postgreSQL 服务
进入服务安装位置/bin下，执行cmd命令，通过命令启动服务
pg_ctl.exe -D "D:\Program Files\PostgreSQL\12\data" start
#说明: D:\Program Files\PostgreSQL\12\data 替换为安装时实际/data存储目录
执行出现以下结果，则启动成功！
启动异常，解决方案：
1、删除已存在/data目录
2、重新初始化/data存储文件,执行
initdb.exe -D "data存储位置" -E UTF-8 --locale=chs -U postgres -W
例：C:\Program Files\PostgreSQL\12\data #此为默认位置
2、本地连接数据库及创建测试库和表 本次使用 Navicat Premium 15 版本连接
创建测试数据库——test_db
创建测试数据表——test 设置表自增主键
（1）、创建测试数据表
CREATE TABLE "public"."test" ( "id" int4 NOT NULL, "name" varchar(255) COLLATE "pg_catalog"."default", "create_time" timestamp(6), CONSTRAINT "test_pkey" PRIMARY KEY ("id") ) ; ALTER TABLE "public"."test" OWNER TO "postgres"; COMMENT ON COLUMN "public"."test"."id" IS '主键'; COMMENT ON COLUMN "public"."test"."name" IS '姓名'; COMMENT ON COLUMN "public"."test"."create_time" IS '时间';
（2）、创建主键自增序列（选中表—>其他—>新建序列）
（3）、主键列关联序列设置
nextval('序列名称'::regclass)
(4)、支持数据类型说明
| 名字 |
别名 |
描述 |
| bigint |
int8 |
有符号的8字节整数 |
| bigserial |
serial8 |
自动增长的8字节整数 |
| bit [ (n) ] |
定长位串 |
|
| bit varying [ (n) ] |
varbit [ (n) ] |
变长位串 |
| boolean |
bool |
逻辑布尔值（真/假） |
| box |
平面上的普通方框 |
|
| bytea |
二进制数据（ “字节数组” ） |
|
| character [ (n) ] |
char [ (n) ] |
定长字符串 |
| character varying [ (n) ] |
varchar [ (n) ] |
变长字符串 |
| cidr |
IPv4或IPv6网络地址 |
|
| circle |
平面上的圆 |
|
| date |
日历日期（年、月、日） |
|
| double precision |
float8 |
双精度浮点数（8字节） |
| inet |
IPv4或IPv6主机地址 |
|
| integer |
int int4 int8 |
-32768~ +32767 -21474836478 ~ 2147483647 -9223372036854775808 ~ +9223372036854775807 |
| interval [ fields ] [ (p) ] |
时间段 |
|
| json |
文本 JSON 数据 |
|
| jsonb |
二进制 JSON 数据，已分解 |
|
| line |
平面上的无限长的线 |
|
| lseg |
平面上的线段 |
|
| macaddr |
MAC（Media Access Control）地址 |
|
| macaddr8 |
MAC（Media Access Control）地址（EUI-64格式） |
|
| money |
货币数量 |
|
| numeric [ (p, s) ] |
decimal [ (p, s) ] |
可选择精度的精确数字 |
| path |
平面上的几何路径 |
|
| pg_lsn |
PostgreSQL 日志序列号 |
|
| point |
平面上的几何点 |
|
| polygon |
平面上的封闭几何路径 |
|
| real |
float4 |
单精度浮点数（4字节） |
| smallint |
int2 |
有符号2字节整数 |
| smallserial |
serial2 |
自动增长的2字节整数 |
| serial |
serial4 |
自动增长的4字节整数 |
| text |
变长字符串 |
|
| time [ (p) ] [ without time zone ] |
一天中的时间（无时区） |
|
| time [ (p) ] with time zone |
timetz |
一天中的时间，包括时区 |
| timestamp [ (p) ] [ without time zone ] |
日期和时间（无时区） |
|
| timestamp [ (p) ] with time zone |
timestamptz |
日期和时间，包括时区 |
| tsquery |
文本搜索查询 |
|
| tsvector |
文本搜索文档 |
|
| txid_snapshot |
用户级别事务ID快照 |
|
| uuid |
通用唯一标识码 |
|
| xml |
XML数据 |
（5）、事务说明
在PostgreSQL中，开启一个事务需要将SQL命令用BEGIN和COMMIT命令包围起来。事务提交
BEGIN; UPDATE accounts SET balance = balance - 100.00 WHERE name = 'Alice'; -- etc etc COMMIT;
记住那个银行数据库，假设我们从Alice的账户扣款100美元，然后存款到Bob的账户，结果直到最后才发现我们应该存到Wally的账户。我们可以通过使用保存点来做这件事：
事务回退 SAVEPOINT和 ROLLBACK
BEGIN; UPDATE accounts SET balance = balance - 100.00 WHERE name = 'Alice'; SAVEPOINT my_savepoint; UPDATE accounts SET balance = balance + 100.00 WHERE name = 'Bob'; -- oops ... forget that and use Wally's account ROLLBACK TO my_savepoint; UPDATE accounts SET balance = balance + 100.00 WHERE name = 'Wally'; COMMIT;
（6）、索引说明
Btree索引
Btree索引使用Btree数据结构来存储索引数据，可用于处理等值查询和范围查询，包括＜、＜=、=、＞=、＞等运算符，以及BETWEEN、IN、IS NULL、IS NOT NULL 等条件。
Btree索引可用于模式匹配查询，如“col LIKE′foo%′”或“col～′^foo′”，但是不能用于“col LIKE′%bar′”之类的后缀模糊匹配查询。Btree索引还可以用于查询结果集排序，如ORDER BY排序。
Hash索引
Hash索引根据每一行数据的索引字段计算哈希码，并维护哈希码、记录指针对应关系。对于哈希码相同的数据来说，可以采用链表来解决冲突。Hash索引的查询速度很快。
GiST索引
GiST（Generalized Search Tree）是一种平衡的树型结构访问方法，可作为一种基础模板来实现任意索引模式。B-tree索引和许多其他的索引模式都可以用GiST索引来实现。GiST 索引适用于多维数据类型和集合数据类型。GiST 多列索引支持在查询条件中包含索引字段的子集。PostgreSQL包含了全文检索、几何数据类型等多个用GiST实现的索引方法。
SP-GiST索引
SP-GiST索引与GiST索引类似，可作为一种基础模板来实现多种搜索方法。SP-GiST索引主要实现非平衡的基于硬盘的数据结构，如四叉树、k-d树和radix树。
GIN索引
GIN索引是一种通用倒排索引（GIN stands for generalized inverted indexes），可以处理包含多个键值，如 hstore, array，jsonb, 和 range 类型。用它来全文搜索或JSON键值的效率很高。GIN 允许用户开发自定义访问方法的数据类型索引，可以支持多种不同用户定义的索引策略。
BRIN索引
BRIN索引BRIN表示块范围索引。BRIN索引存储连续相邻的数据块统计信息，可以大大缩小索引占用空间。对于数据量比较大的表来说，BRIN索引比B-Tree索引插入数据的速度要快，两者的范围查询效率相当。BRIN索引通常用于线性顺序排列的列，如订单表的创建日期。
布尔过滤索引
Bloom Filter是一种空间效率很高的随机数据结构，它利用位数组很简洁地表示一个集合，并能判断一个元素是否属于这个集合。Bloom Filter的这种高效是有一定代价的：在判断一个元素是否属于某个集合时，有可能会把不属于这个集合的元素误认为属于这个集合（false positive）。因此，Bloom Filter不适合那些“零错误”的应用场合。而在能容忍低错误率的应用场合下，Bloom Filter通过极少的错误换取了存储空间的极大节省。
以下场景不建议使用索引:
数据量小的表不要使用索引
频繁大批量插入、更新操作的表不要索引
列上有大量null值，不应该建索引
列值被频繁维护，不应该建索引