Mooncake Labspg_mooncake、duckdb_mooncake 与 moonlink 的原上游工程研发团队 (@Mooncake-Labs) Zhou SunMooncake Labs 联合创始人兼 CEO · pg_mooncake 与 Moonlink 联合创建者 (@zhousun) Cheng ChenMooncake Labs 联合创始人兼 CTO · pg_mooncake、duckdb_mooncake 与 Moonlink 原作者 (@dpxcc) Pranav AuroraMooncake Labs 联合创始人 · pg_mooncake 与 Moonlink 联合创建者 (@paurora17)

我们在创业第 60 天向世界首次宣布了 pg_mooncake。

今天（第 131 天），pg_mooncake 正式结束 Beta 阶段，发布 v0.1.0。

pg_mooncake 的核心竞争力在于极致易用性与强悍性能。在 v0.1 中，我们在这两个方向上全力加码。

在 Postgres 中运行极速分析最简单的方式

凭借 Postgres 原生列存表，pg_mooncake 将开发者最熟悉的表语义带入分析场景。列存表不仅支持事务性的 INSERT、SELECT、UPDATE、DELETE 和 COPY，还能直接与普通 Postgres 堆表执行关联查询（JOIN）。

在 v0.1 中，我们让向列存表导入数据变得更加简单：

1. 直接读取 Parquet、CSV 与 JSON 文件：

SELECT * FROM mooncake.read_parquet('<file_path>');

2. 直接从 Hugging Face 数据集导入：

COPY reddit_comments FROM 'hf://datasets/fddemarco/pushshift-reddit-comments/data/RC_2012-01.parquet';

3. 直接查询外部现有的 Iceberg 与 Delta Lake 表：

SELECT * FROM mooncake.iceberg_scan('s3://bucket/table');

时序与分析负载性能大幅跃升

pg_mooncake 是唯一同时为 Postgres 提供列式存储与向量化执行的扩展。

在 v0.1 中，我们引入了文件级统计信息与数据块跳过（File Skipping / Segment Elimination），让用户无需传统分片即可轻松承载大规模时序与分析负载。

我们的 ClickBench 官方基准测试成绩将于下周揭晓（剧透：闯入全球前十 🙂）。事实证明，PostgreSQL 完全可以成为一流水准的实时分析数据库。

展望 v0.2

接下来我们将重点聚焦在开发者体验（DevEx）与实时同步能力上，规划中的改进包括：

1. 增强对高频小批量写入、更新与删除的支持
2. 将行存堆表（Rowstore）实时同步至列存表（Columnstore）
3. 索引支持（二级索引与排序键）
4. 时序分析函数

致谢社区

独行快，众行远。衷心感谢我们的社区用户、代码贡献者以及 Neon、Supabase 等 Postgres 生态伙伴的鼎力支持。

我们最珍视的指标，就是 pg_mooncake 开源贡献者人数的持续增长。pg_mooncake 的势头已经势不可挡，Postgres 原生分析时代已然到来 🥮