PostgreSQL jako univerzální databáze: Proč v 2026 nahrazuje specializované systémy¶

PostgreSQL začínal jako akademický projekt v Berkeley. Dnes je to nejflexibilnější databáze na světě — a s každou verzí pohlcuje další specializované systémy.

PostgreSQL v 2026: Co všechno umí¶

Relační data (samozřejmě)¶

ACID transakce, MVCC, window functions, CTE, lateral joins — standard. Ale to umí každá relační DB.

Dokumentová databáze (nahrazuje MongoDB)¶

JSONB typ s plnou indexací. GIN indexy na JSON dokumentech jsou rychlejší než MongoDB pro většinu workloadů:

-- Uložení dokumentu
INSERT INTO products (data) VALUES (
  '{"name": "Widget", "specs": {"weight": 1.5, "color": "blue"}, "tags": ["new", "sale"]}'::jsonb
);

-- Dotaz do vnořeného dokumentu
SELECT data->>'name' FROM products
WHERE data->'specs'->>'color' = 'blue'
  AND data->'tags' ? 'sale';

-- GIN index na celý JSONB
CREATE INDEX idx_products_data ON products USING GIN (data);

Kdy nahrazuje MongoDB: Dokumenty s občasnými JOINy, transakční konzistence, queries přes vnořené struktury. MongoDB má výhodu jen při extrémním horizontálním škálování (sharding).

Fulltextové vyhledávání (nahrazuje Elasticsearch)¶

Vestavěný fulltext s českým stemmerem, ranking, highlighting:

-- Vytvoření fulltext indexu
ALTER TABLE articles ADD COLUMN tsv tsvector
  GENERATED ALWAYS AS (
    setweight(to_tsvector('czech', coalesce(title, '')), 'A') ||
    setweight(to_tsvector('czech', coalesce(body, '')), 'B')
  ) STORED;

CREATE INDEX idx_articles_tsv ON articles USING GIN (tsv);

-- Hledání s rankingem
SELECT title, ts_rank(tsv, query) AS rank
FROM articles, to_tsquery('czech', 'kubernetes & produkce') query
WHERE tsv @@ query
ORDER BY rank DESC;

Kdy nahrazuje Elasticsearch: Do milionů dokumentů, jednoduché fulltextové dotazy, nepotřebujete analytické agregace nad logy. Elasticsearch je stále lepší pro log management, real-time analytics a fuzzy matching ve velkém měřítku.

Vektorová databáze (pgvector — nahrazuje Pinecone/Weaviate)¶

S rozšířením pgvector máte vektorové embeddingy přímo vedle relačních dat:

-- pgvector setup
CREATE EXTENSION vector;

CREATE TABLE documents (
  id SERIAL PRIMARY KEY,
  content TEXT,
  embedding vector(1536),  -- OpenAI ada-002 dimension
  metadata JSONB
);

-- HNSW index pro rychlé ANN hledání
CREATE INDEX ON documents USING hnsw (embedding vector_cosine_ops);

-- Semantické hledání
SELECT content, 1 - (embedding <=> $1) AS similarity
FROM documents
ORDER BY embedding <=> $1
LIMIT 10;

Kdy nahrazuje Pinecone/Weaviate: RAG aplikace s <10M vektorů, kde potřebujete JOINy s relačními daty (metadata filtering + vector search v jednom dotazu). Specializované vektorové DB jsou lepší nad 100M+ vektorů a pro multi-tenant SaaS.

Time-series (TimescaleDB — nahrazuje InfluxDB)¶

TimescaleDB rozšíření přidává hypertables s automatickým partitioningem:

-- TimescaleDB
CREATE TABLE metrics (
  time TIMESTAMPTZ NOT NULL,
  device_id TEXT,
  temperature DOUBLE PRECISION,
  humidity DOUBLE PRECISION
);

SELECT create_hypertable('metrics', 'time');

-- Continuous aggregates (materialized views s auto-refresh)
CREATE MATERIALIZED VIEW metrics_hourly
WITH (timescaledb.continuous) AS
SELECT time_bucket('1 hour', time) AS bucket,
       device_id,
       AVG(temperature) AS avg_temp,
       MAX(humidity) AS max_humidity
FROM metrics
GROUP BY bucket, device_id;

Geospatial (PostGIS — nahrazuje dedicated GIS)¶

PostGIS je de facto standard pro geoprostorová data. Podporuje 2D/3D geometrie, rastry, routing:

-- Najdi pobočky do 5 km
SELECT name, ST_Distance(
  location::geography,
  ST_MakePoint(14.4378, 50.0755)::geography
) AS distance_m
FROM branches
WHERE ST_DWithin(
  location::geography,
  ST_MakePoint(14.4378, 50.0755)::geography,
  5000
)
ORDER BY distance_m;

Cache vrstva (nahrazuje Redis pro některé use-case)¶

UNLOGGED tabulky + index = cache bez síťového hopu:

CREATE UNLOGGED TABLE cache (
  key TEXT PRIMARY KEY,
  value JSONB,
  expires_at TIMESTAMPTZ
);

-- Automatické mazání expirovaných
CREATE INDEX ON cache (expires_at);

Ne, nenahradí Redis pro pub/sub nebo sub-milisekundové latence. Ale pro session storage a application cache s TTL? Jedna závislost méně.

Architektura: Kolik specializovaných DB potřebujete?¶

Typický enterprise stack 2020¶

PostgreSQL (relační) + MongoDB (dokumenty) + Elasticsearch (fulltext)
+ Redis (cache) + InfluxDB (metriky) + Pinecone (vektory)
= 6 databází, 6 operačních nákladů, 6 backup strategií

Konsolidovaný stack 2026¶

PostgreSQL + pgvector + TimescaleDB + PostGIS
= 1 databáze, 1 backup, 1 monitoring, 1 tým

Úspora: 40–60 % operačních nákladů, jednodušší DR, méně expertise potřeba.

Kdy PostgreSQL nestačí¶

• >100TB dat — zvažte Citus (distributed PG) nebo dedikované řešení
• Sub-milisekundový cache — Redis/Dragonfly
• Log analytics v petabyte měřítku — ClickHouse, Elasticsearch
• Graf queries — Neo4j (Apache AGE extension existuje, ale nezralý)
• Extrémní write throughput — ScyllaDB, Cassandra
• Multi-region active-active — CockroachDB, Spanner

Produkční tipy¶

Connection pooling je povinný¶

PostgreSQL vytváří proces per connection. Nad 200 spojení degraduje. Použijte PgBouncer nebo Supavisor:

App → PgBouncer (transaction pooling) → PostgreSQL

Vacuum a autovacuum¶

MVCC = mrtvé řádky. Autovacuum musí stíhat. Monitorujte pg_stat_user_tables.n_dead_tup a nastavte agresivnější autovacuum pro velké tabulky.

Partitioning pro velké tabulky¶

Deklarativní partitioning od PG 12+. Pro time-series data partition per měsíc/týden. Pro multi-tenant partition per tenant.

Logical replication pro zero-downtime migrace¶

Migrujete z MySQL/Oracle? Logical replication umožňuje real-time sync bez výpadku.

Závěr¶

PostgreSQL v 2026 pokrývá 80–90 % databázových potřeb typické české firmy. Než přidáte další specializovanou databázi do stacku, zkontrolujte — neudělá to PostgreSQL s rozšířením?

Jedno EXPLAIN ANALYZE vám řekne víc než marketingová stránka jakékoli NoSQL databáze.

---

CORE SYSTEMS navrhuje datové architektury od PostgreSQL po distribuované systémy. Kontaktujte nás pro audit vašeho databázového stacku.