-- Creare tabel cu coloană JSONB
CREATE TABLE audit_logs (
id BIGSERIAL PRIMARY KEY,
created_at TIMESTAMPTZ NOT NULL DEFAULT NOW(),
payload JSONB NOT NULL
);
-- Varianta optimă pentru containment queries: mult mai mic și mai rapid
CREATE INDEX idx_audit_logs_payload_path
ON audit_logs USING GIN (payload jsonb_path_ops);
-- Exemplu de interogare eficientă care va folosi indexul de mai sus
SELECT id, created_at
FROM audit_logs
WHERE payload @> '{"service": "auth", "level": "error"}';Am văzut prea multe echipe migrând aiurea la MongoDB doar fiindcă aveau câteva payload-uri dinamice, sau invers, trântind coloane JSONB peste tot de lene să scrie migrații. JSONB în Postgres e genial dacă știi exact de ce îl pui acolo, dar devine un coșmar de mentenanță dacă ignori cum funcționează storage-ul sub capotă. Dacă vrei performanță reală fără să arunci bani pe instanțe uriașe, trebuie să înțelegi trade-off-urile și cum îl indexezi corect.
Când are sens JSONB (și când e doar comoditate toxică)
Regula mea după 10+ ani e simplă: folosesc coloane normale pentru datele pe care le filtrez des, pe care le leg prin Foreign Keys sau care au o schemă stabilă. JSONB strălucește în două scenarii clare: payload-uri externe (de exemplu evenimente de la Stripe, webhook-uri de GitHub) și atribute dinamice de produs unde fiecare categorie are proprietăți complet diferite (pantofii au mărimi și culori, televizoarele au rezoluții și porturi HDMI).
Unde devine nasol? La statistici și agregări masive. Un GROUP BY pe un câmp extras din JSONB e considerabil mai lent decât pe o coloană scalară tipată (INT, VARCHAR), pentru că motorul trebuie să parseze structura binară pentru fiecare rând scanat. În plus, pierzi complet validarea nativă a bazei de date dacă nu te apuci să scrii check constraints cu JSON Schema, ceea ce devine repede un chin.
Un alt detaliu ignorat des este că Postgres rescrie întregul rând (și structura TOAST aferentă) la orice mic update. Dacă ai un JSONB de 100KB și schimbi doar o bifă de la false la true, Postgres duplică tot payload-ul din cauza modelului MVCC. La scrieri frecvente, asta înseamnă bloat masiv în tabele.
De la 1.8 secunde la 4ms: indexarea cu GIN
La un proiect de audit logs aveam vreo 3.5 milioane de înregistrări. Echipa căuta evenimente folosind operatorul de containment @>, de tipul metadata @> '{"status": "failed", "env": "prod"}'. Fără index, făcea un Seq Scan dureros care dura cam 1.8 secunde per interogare și rupea procesorul.
Soluția clasică e un index GIN (Generalized Inverted Index). Însă multă lume dă direct CREATE INDEX ON logs USING GIN (metadata) și trece mai departe. Acel index default folosește clasa de operatori jsonb_ops. Indexează fiecare cheie, fiecare valoare și fiecare cale. E flexibil, dar e mare.
Pentru scenariul clasic de filtrare pe structură fixă (containment), clasa jsonb_path_ops e mult superioară. În cazul meu, indexul cu jsonb_path_ops a ocupat 190MB în loc de 540MB cât scosese jsonb_ops, iar timpii de răspuns au coborât instantaneu la 4ms. Trade-off-ul e că jsonb_path_ops nu suportă operatori de verificare pe existența cheilor izolate (cum e operatorul ?), ci doar egalitate și containment (@>). Pentru 90% din cazuri, e fix ce ai nevoie.
Când să NU folosești GIN
Indexurile GIN sunt scumpe la scriere. La fiecare INSERT sau UPDATE, Postgres trebuie să spargă noul JSON în elemente și să actualizeze arborele inversat. Dacă ai un throughput mare, să zicem peste 2.000–3.000 de scrieri pe secundă, un index GIN o să-ți blocheze discul prin I/O ridicat.
Dacă știi de la început că vei căuta doar după un singur câmp din acel JSON (de exemplu metadata->>'tenant_id'), nu trânti un GIN peste tot obiectul. Fă un B-Tree funcțional pe expresia exactă: CREATE INDEX ON logs ((metadata->>'tenant_id')). E de zece ori mai rapid la scriere și mult mai compact.
Voi cum abordați JSONB în producție: îl păstrați strict pentru metadata necunoscută dinainte sau îl folosiți și pentru a scăpa de tabele de legătură many-to-many?