当前位置：首页 > news >正文

PGlite：浏览器中运行的PostgreSQL

news 2025/8/27 5:48:05

PGlite 是一款基于 WebAssembly（WASM）构建的轻量级 PostgreSQL 数据库引擎，旨在简化开发者在浏览器、Node.js、Bun 或 Deno 环境中运行 PostgreSQL。PGlite 无需复杂的安装或配置，特别适合开发测试、本地化应用及快速原型设计。

在这里插入图片描述

一个完整的 PGlite 代码库压缩之后不到 3 MB，但是可以支持大量 PostgreSQL 扩展插件，包括向量数据库 pgvector。

PGlite 支持 Node、Bun、Deno、浏览器以及任何 JavaScript 框架，不同环境的安装方式如下：

-- npm
npm install @electric-sql/pglite-- pnpm
pnpm install @electric-sql/pglite-- yarn
yarn add @electric-sql/pglite-- bun
bun install @electric-sql/pglite-- deno
deno add npm:@electric-sql/pglite

创建数据库的方式如下：

import { PGlite } from '@electric-sql/pglite'const db = new PGlite() -- 使用内存存储const db = new PGlite('./path/to/pgdata') -- 使用文件系统存储

对于浏览器嵌入，安装后使用如下方式导入并创建数据库：

import { PGlite } from "@electric-sql/pglite"; -- 导入模块const db = new PGlite() -- 使用内存存储
const db = new PGlite('idb://my-pgdata') -- 使用IndexedDB存储await db.query("select 'Hello world' as message;") -- 执行查询
// -> { rows: [ { message: "Hello world" } ] }

接下来可以使用 .exec 方法创建表和数据：

await db.exec(`CREATE TABLE IF NOT EXISTS todo (id SERIAL PRIMARY KEY,task TEXT,done BOOLEAN DEFAULT false);INSERT INTO todo (task, done) VALUES ('Install PGlite from NPM', true);INSERT INTO todo (task, done) VALUES ('Load PGlite', true);INSERT INTO todo (task, done) VALUES ('Create a table', true);INSERT INTO todo (task, done) VALUES ('Insert some data', true);INSERT INTO todo (task) VALUES ('Update a task');
`)

然后使用 .query 方法查询数据：

const ret = await db.query(`SELECT * from todo WHERE id = 1;
`)
console.log(ret.rows)

查询返回的结果如下：

;[{id: 1,task: 'Install PGlite from NPM',done: false,},
]

以下是一个利用 pgvector 插件进行相似度搜索的示例：

import { PGlite } from "@electric-sql/pglite";
import { vector } from "@electric-sql/pglite/vector";const pg = new PGlite({extensions: {vector,// Alternatively, you can specify the path to the extension tarball// vector: new URL("../dist/vector.tar.gz", import.meta.url),}
});await pg.exec("CREATE EXTENSION IF NOT EXISTS vector;");
await pg.exec(`CREATE TABLE IF NOT EXISTS test (id SERIAL PRIMARY KEY,name TEXT,vec vector(3));
`);
await pg.exec("INSERT INTO test (name, vec) VALUES ('test1', '[1,2,3]');");
await pg.exec("INSERT INTO test (name, vec) VALUES ('test2', '[4,5,6]');");
await pg.exec("INSERT INTO test (name, vec) VALUES ('test3', '[7,8,9]');");const res = await pg.exec(`SELECT * FROM test;
`);
console.log(res);const res2 = await pg.exec(`SELECTname,vec,vec <-> '[3,1,2]' AS distanceFROM test;
`);
console.log(res2);

以上代码输出的结果如下：

[{"rows": [{"id": 1,"name": "test1","vec": "[1,2,3]"},{"id": 2,"name": "test2","vec": "[4,5,6]"},{"id": 3,"name": "test3","vec": "[7,8,9]"}],"fields": [{"name": "id","dataTypeID": 23},{"name": "name","dataTypeID": 25},{"name": "vec","dataTypeID": 16385}],"affectedRows": 0}
]
[{"rows": [{"name": "test1","vec": "[1,2,3]","distance": 2.449489742783178},{"name": "test2","vec": "[4,5,6]","distance": 5.744562646538029},{"name": "test3","vec": "[7,8,9]","distance": 10.677078252031311}],"fields": [{"name": "name","dataTypeID": 25},{"name": "vec","dataTypeID": 16385},{"name": "distance","dataTypeID": 701}],"affectedRows": 0}
]