在检查了stackoverflow上的许多类似问题后，似乎上下文可以说出哪种方式是持有数据的最佳方法...
简短的故事，我在一个只包含3列的非常简单的表中添加了10,000多行新的数据。我永远不会更新行，只能进行选择，分组和平均值。我正在寻找存储这些数据以使平均计算尽可能快的方式的最佳方法。
要使您在上下文中，我正在使用FFT分析一个录制的音频文件(在声音混音工作室中粉红色的噪音播放(。单个音频文件的结果始终以相同的格式：频率箱的ID(整数(及其在分贝中的值(浮点值(。我想将这些值存储在postgresql db中。
频率(宽度= 8Hz(的每个bin(频段(在分贝中获得振幅。第一个垃圾箱被忽略，所以它像这样(不是实际的DB值(：
- bin 1：8Hz -16Hz，-85.0db
- bin 2：16Hz -32Hz，-73.0db
- bin 3：32Hz -40Hz，-65.0dB
- ...
- bin 2499：20,000Hz -20,008Hz，-49.0db
目标是存储从8Hz到20,008Hz的每个垃圾箱的振幅(1箱覆盖8Hz(。
许多行方法
对于每个分析的音频文件，将有3列的2,499行："分析UID"，" BIN ID"one_answers" DB"。
对于每个工作室(4(，每天都有一个记录，该记录将在数据库中附加(每天是4倍2,499 = 9,996个新行(。
在一个工作室中的录制后，使用新的2,499行来显示频率响应的图。
我担心的是，我们还需要制作单个工作室中每个垃圾箱的平均DB值的图5-30天，以查看频率响应是否会随着时间的推移显着变化(因此告诉我们一个工作室需要校准(。
我想出了许多行方法的以下数据结构：
"分析"表：
- 分析uid(序列(
- studiouid(外键(
- AnalySistimestamp
"分析_Results"表：
- Analysissuid(外键(
- freq_bin_id(integer(
- amplitude_db(float(
这是存储数据的最佳方式吗？一张单表每天保持近10,000行，并进行5个或更多分析的平均值，通过分析和freq_bin_ids进行分组？那会给我2,499行(每行都对应于垃圾箱，并给我平均的数据库值(。
许多列方法：
我以为我可以相反地做到这一点，将频率箱打破4桌子(低，低，高，高，高(。由于Postgres文档表示列的限制为" 250-1600"，这取决于列类型" " ，因此将4个包含在625列(2,499/4(约为垃圾箱的表(2,499/4(的表是现实的，每个表都代表垃圾箱并包含一个垃圾箱"。db"值，就像这样：
"低"表：
- Analysissuid(外键(
- freq_bin_id_1_amplitution_db(float(
- FREQ_BIN_ID_2_AMPLETITE_DB(float(
- ...
- FREQ_BIN_ID_625_AMPLETITE_DB(float(
" med_low"表：
- Analysissuid(外键(
- FREQ_BIN_ID_626_AMPLETITE_DB(float(
- FREQ_BIN_ID_627_AMPLETITE_DB(float(
- ...
- FREQ_BIN_ID_1250_AMPLETITE_DB(float(
等...
如果服务器只需要通过分析uid进行分组并进行平均值，则平均值会更快地计算？
行不是一个问题，但是，您插入所述行的方式。如果插入时间是主要问题之一，请确保您可以插入它们或使用较少行的格式。
您可以以JSONB格式存储所有数据，尤其是因为您不会对数据进行任何更新 - 一次将其全部存储在一个表中可能很方便，但是性能可能会更少。
无论如何，由于您没有更新数据，因此(通常默认(填充器为100。
我不会使用"多列"方法作为您所谈论的数据数量确实不是那么多。使用您的第一个示例2表和几列的示例很可能是完成结果的最佳方法。
索引以下列可能很有用：Analysis_results.freq_bin_id分析。
将数据分解为不同的部分，这将取决于您正在运行的查询类型。如果您要查看所有Freq垃圾箱，那么使用多个桌子就会很麻烦，什么也没收。
如果一次仅在某个freq_bin上查询，则理论上可能会有所帮助，但是，您基本上是在做表分区，一旦进入该土地，您也可以为每个频带进行分区。<<<<<<<<<<<<<<<<<</p>
如果我是您，我会创建您的第一个表结构，并填充价值30天的数据并查询。您可能(就像我们经常一样(过度分析了这种情况。Postgres可以非常非常快。
请记住，您要分析的原始数据是按照绝对最大值的每天(5(MEG的顺序。分析150 MB的数据对于用现代硬件运行的DB索引并正确存储的数据不会出汗。
优化器将在"较小"表中找到正确的行真的非常快，可能会缓存所有这些，然后去寻找子行，它将确切知道ID和范围搜索的内容。如果您的数据全部按时间顺序插入，那么很有可能在很少的读物中读取所有内容。
我主要关心的是插入速度，因为如果您不做散装插件，则进行10,000个插入物可能需要一段时间。
测量结果表现良好，您可以使用数组，使用FREQ_BIN作为索引(注意：索引在SQL中是基于1的(这具有将Aray存储在烤储存中的附加优势，使fysical桌子保持较小。
CREATE TABLE herrie
( analysisUID serial NOT NULL PRIMARY KEY
, studioUID INTEGER NOT NULL REFERENCES studio(studioUID)
, analysisTimestamp TIMESTAMP NOT NULL
, decibels float[] -- array with 625 measurements
, UNIQUE (studioUID,analysisTimestamp)
);