Cosa serve per scegliere e gestire un database SaaS nel 2026
La scelta del database è la decisione tecnica più determinante in un progetto SaaS. Sbagliarla vuol dire trascorrere da 3 a 6 mesi a migrare sotto carico di produzione invece di spedire funzionalità. Questa guida fornisce a founder, CTO e lead tecnici le regole decisionali, i costi reali del 2026 e i playbook operativi per scegliere bene al primo tentativo e gestire il sistema nel tempo.
PostgreSQL come default nel 2026: perché il consenso regge
PostgreSQL ha guidato il Stack Overflow 2025 Developer Survey come database più utilizzato per il terzo anno consecutivo, con il 49% degli sviluppatori professionisti che lo indica come DB primario. Quel numero conta perché traina assunzioni, supporto alle librerie e investimenti nei servizi gestiti. Iniziare con Postgres significa poter assumere più facilmente, trovare più risposte su Stack Overflow e scegliere tra più provider di hosting rispetto a qualsiasi altro database relazionale.
Per un prodotto SaaS, Postgres offre integrità relazionale per fatturazione, abbonamenti e relazioni tra utenti; colonne JSONB per metadati flessibili senza migrazioni dello schema a ogni sprint; un motore di ricerca full-text integrato che copre la maggior parte dei casi d'uso in fase startup senza dover avviare un cluster Elasticsearch; e policy di row-level security (RLS) che impongono l'isolamento del tenant a livello di database, non a livello di ORM.
L'argomento realistico a favore di MongoDB è la flessibilità dello schema durante la prima fase di product discovery. Quell'argomento è più debole di quanto sembri: una colonna JSONB di Postgres offre la stessa flessibilità con le transazioni ACID. Il vero vantaggio di MongoDB è la sua aggregation pipeline per query su documenti profondamente annidati e la strategia di horizontal sharding. Se il tuo modello dati primario ha davvero forma documentale (ad esempio un CMS che archivia alberature di contenuti arbitrari definiti dall'utente) e prevedi di fare sharding prima di raggiungere 10 milioni di righe, MongoDB è una scelta legittima. In tutti gli altri casi, Postgres è più rapido da mettere in produzione, meno costoso da gestire e più facile da ragionare.
Pattern di multi-tenancy e row-level security
I prodotti SaaS isolano i dati dei tenant con uno di tre pattern: database separati per tenant, schemi separati per tenant oppure schema condiviso con una colonna tenant_id. Ciascuno ha un profilo di costo e complessità che va scelto consapevolmente.
Database separati offrono l'isolamento più forte e rendono banale la cancellazione ai fini del GDPR, ma il provisioning di centinaia di database aggiunge overhead operativo e costi. PlanetScale e Supabase supportano entrambi i workflow database-per-tenant, ma in scala si paga per database e si gestiscono migrazioni su tutti.
Lo schema condiviso con tenant_id è il pattern più comune, e quello che Postgres RLS rende sicuro. Si definisce una policy del tipo CREATE POLICY tenant_isolation ON orders USING (tenant_id = current_setting('app.current_tenant_id')::uuid) e ogni query su quella tabella filtra automaticamente in base al tenant attivo. La regola implementativa fondamentale: imposta il tenant ID nella configurazione della connessione (tramite SET LOCAL o una variabile di sessione), non fare mai affidamento sul solo filtraggio a livello applicativo.
Il rischio con RLS è una policy mal configurata che fa trapelare righe tra tenant. Mitigalo con test di integrazione automatizzati che verifichino che un tenant non possa leggere i dati di un altro. Eseguili in CI a ogni deploy.
L'equivalente MongoDB è il filtraggio per campo combinato con un tenantId imposto dall'applicazione su ogni query. Non esiste RLS nativo. Si può aggiungere l'enforcement tramite middleware, ma risiede a livello applicativo e non a livello database, il che è una garanzia più debole. Se la tua postura di compliance richiede un isolamento dei dati dimostrabile (SOC 2, HIPAA), Postgres RLS con policy documentate è più semplice da sottoporre ad audit.
JSONB, ricerca full-text e quando serve davvero un servizio separato
Due dei motivi più comuni per cui i team si rivolgono a MongoDB o Elasticsearch sono la flessibilità dello schema e la ricerca. Postgres gestisce entrambi senza servizi aggiuntivi, fino a una soglia di scala significativa.
Le colonne JSONB archiviano JSON arbitrario e lo indicizzano. Un indice GIN su una colonna JSONB permette di interrogare chiavi annidate con le stesse caratteristiche di performance di un document store dedicato per la maggior parte dei workload sotto qualche milione di righe. La differenza chiave rispetto a MongoDB: le scritture su una colonna JSONB partecipano comunque alle transazioni Postgres, quindi si ottiene archiviazione flessibile senza rinunciare ai rollback o alle foreign key. Il costo è che le colonne JSONB non impongono uno schema, il che nel tempo può portare a deriva. Usa un trigger di validazione JSON Schema oppure imponi la struttura a livello API.
Per la ricerca full-text, tsvector e tsquery con un indice GIN gestiscono cataloghi prodotti, ricerca tra articoli e lookup di clienti in modo sufficientemente efficace che molti prodotti SaaS non hanno mai bisogno di Elasticsearch. La soglia pratica è circa 10 milioni di righe con tuning della rilevanza complesso, stemming multilingua e filtri sfaccettati. Al di sotto, un indice to_tsvector sulla colonna contenuto e una query plainto_tsquery sono più rapidi da implementare e non costano nulla in più.
Dove aggiungere un servizio di ricerca dedicato ha senso: grandi cataloghi e-commerce con faceting in tempo reale, ricerca semantica AI (che richiede un vector database o l'estensione pg_vector) e SaaS multilingua che servono mercati non anglofoni con requisiti di stemming complessi. Per quest'ultimo caso, Typesense è spesso una scelta migliore di Elasticsearch alla scala startup perché l'overhead operativo è inferiore.
Hosting gestito: Supabase vs RDS vs PlanetScale
La decisione tra gestito e self-hosted si risolve quasi sempre a favore del gestito per le startup SaaS nel 2026. Le ore ingegneristiche necessarie per configurare, aggiornare e operare un cluster Postgres self-hosted costano più del premium del servizio gestito, a meno che non si spendano oltre $5K/mese in infrastruttura database.
Supabase Pro parte da $25/mese e include Postgres, RLS integrata, connection pooling via Supabase Pooler (basato su PgBouncer), storage, auth e edge function. Per un SaaS in fase early-stage con meno di 50K DAU, spesso rappresenta l'intero stack backend. In scala, il pricing Supabase Enterprise viene negoziato, ma i team riportano costi nell'intervallo $500-2.000/mese per workload ad alto traffico.
AWS RDS per PostgreSQL parte da circa $20/mese per un db.t4g.micro, ma un deployment Multi-AZ in produzione con IOPS ragionevoli parte da circa $300-600/mese. In scala seria (db.r6g.2xlarge, Multi-AZ, 500 GB di storage, 3K IOPS), si arriva a $1.500-2.500/mese. RDS offre maggiore controllo su tipo di istanza, IOPS e topologia di rete, ma richiede più competenze operative. Aurora PostgreSQL-compatible fornisce uno storage layer distribuito e gestisce più connessioni concorrenti, a un costo circa del 20-30% superiore a RDS per la stessa capacità di calcolo.
PlanetScale (compatibile MySQL) ha eliminato il piano gratuito nel 2024, con piani production a partire da $39/mese. Il suo workflow di branching è eccellente per le migrazioni di schema e la storia dello horizontal sharding è solida, ma il layer di compatibilità MySQL rende non disponibili alcune funzionalità specifiche di Postgres (RLS, JSONB, pg_vector). È la scelta giusta per i team che hanno bisogno di scalare le scritture orizzontalmente prima di raggiungere il tetto naturale di Postgres, tipicamente oltre 10K transazioni di scrittura al secondo in modo sostenuto.
Connection pooling, PgBouncer e perché questo manda in crash la produzione
Postgres crea un processo per ogni connessione. Intorno a 200 connessioni aperte su un'istanza standard, la pressione sulla memoria inizia a degradare le performance delle query. Un tipico servizio Node.js o Python con 10 worker process e un pool di 20 connessioni ciascuno può raggiungere 200 connessioni in pochi minuti dal deploy su un cluster modesto. È una delle cause più comuni di outage in produzione su prodotti SaaS in fase early-stage.
PgBouncer risolve il problema facendo multiplexing di molte connessioni applicative su un insieme ridotto di connessioni reali al database. In modalità transaction pooling, PgBouncer mantiene una connessione al server solo mentre una transazione è in corso e la restituisce al pool subito dopo, consentendo di servire migliaia di connessioni applicative con 20-30 connessioni al server. Il vincolo: in modalità transaction pooling, le funzionalità a livello di sessione come prepared statement e advisory lock non funzionano come atteso. Il Supabase Pooler integrato usa PgBouncer sotto al cofano con transaction pooling, ecco perché alcuni ORM (Prisma in particolare) richiedono pgbouncer=true esplicito nella stringa di connessione.
La configurazione pratica per il 2026: connetti l'applicazione a PgBouncer o Supabase Pooler sulla porta 6543 (modalità transaction) e usa la porta diretta 5432 del database solo per migrazioni e attività di amministrazione. Imposta la dimensione del pool applicativo a 5-10 connessioni per processo, non il default dell'ORM di 20-100. Questo da solo previene la maggior parte degli incidenti di connection exhaustion.
Per API ad alta concorrenza (oltre 1K richieste concorrenti), valuta Pgpool-II per il load balancing tra primary e read replica, instradando automaticamente le query in sola lettura verso le repliche. Questo raddoppia effettivamente il throughput in lettura al costo di dover gestire la visibilità del replication lag.
Backup, PITR, RPO e RTO: cosa significano in pratica
Il Recovery Point Objective (RPO) è la perdita di dati massima tollerabile. Il Recovery Time Objective (RTO) è il downtime massimo tollerabile. Un piano Supabase Pro a $25/mese include 7 giorni di point-in-time recovery (PITR) per default. AWS RDS offre fino a 35 giorni di PITR automatico. Entrambi usano l'archiviazione continua del WAL (Write-Ahead Log), il che significa che è possibile recuperare i dati fino a qualsiasi secondo all'interno della finestra di retention.
Per un SaaS B2B con clienti enterprise, il tuo SLA probabilmente richiede un RPO inferiore a 1 ora e un RTO inferiore a 4 ore. I default sia di Supabase che di RDS soddisfano questi requisiti. Se hai bisogno di un RPO sub-minuto (transazioni finanziarie, dati sanitari), ti serve un deployment Multi-AZ con replica sincrona: significa che il primary attende che lo standby confermi ogni scrittura. Questo aggiunge 1-5 ms di latenza per scrittura, ma garantisce che nessuna transazione confermata vada persa in caso di failure del primary.
Testa la procedura di recovery ogni trimestre. Il failure mode più comune non è il backup che fallisce, ma il team che non conosce la procedura di ripristino sotto pressione alle 2 di notte. Esegui un drill di restore verso un ambiente di staging, misura i tempi e documenta i passi. Su RDS, un restore point-in-time verso una nuova istanza richiede 15-45 minuti a seconda delle dimensioni del database. Su Supabase, puoi usare la dashboard per avviare un restore oppure la Supabase CLI.
Per MongoDB Atlas (l'offerta gestita), i backup automatici con PITR sono disponibili sui cluster M10+ (a partire da $0,09/ora, circa $65/mese). Atlas supporta anche snapshot del cloud provider su schedule configurabile. Il modello operativo è paragonabile a RDS.
Identificazione delle query lente, strategia di indicizzazione e veri guadagni di performance
La singola ottimizzazione del database con il rendimento più alto è individuare e indicizzare le 5 query che generano l'80% del carico. Non serve un consulente per farlo. Bastano pg_stat_statements abilitato e 30 minuti.
Abilita pg_stat_statements con CREATE EXTENSION pg_stat_statements e interrogalo ogni settimana: SELECT query, calls, mean_exec_time, total_exec_time FROM pg_stat_statements ORDER BY total_exec_time DESC LIMIT 20. Le query in cima sono dove va il tempo del database. La maggior parte delle startup trova 2-4 query che rappresentano oltre il 60% del tempo di esecuzione totale, e la maggior parte di esse manca di un semplice indice.
Per l'analisi strutturata dei log, pgBadger elabora i file di log di Postgres e genera un report HTML che mostra le query più lente, quelle più frequenti e gli eventi di lock wait. È gratuito e richiede circa 10 minuti per girare su un giorno di log. Su RDS, abilita Performance Insights (gratuito per 7 giorni, $0,02/vCPU-ora dopo) per una dashboard delle query in tempo reale.
Regole di indicizzazione che danno risultati immediati: aggiungi un indice B-tree su ogni colonna di foreign key (Postgres non lo fa automaticamente, a differenza di MySQL), su ogni colonna che appare in una clausola WHERE su una tabella con oltre 100K righe e su ogni colonna usata in ORDER BY su query paginate. Gli indici parziali (ad esempio CREATE INDEX ON orders (created_at) WHERE status = 'pending') sono spesso 10-50 volte più piccoli degli indici completi e più veloci per le query filtrate più comuni.
Per le colonne JSONB, usa un indice GIN quando cerchi per esistenza o contenimento di chiave. Per estrarre ripetutamente un campo JSONB specifico, crea una colonna generata e indicizza quella. Un indice GIN su una colonna JSONB grande può aggiungere 200-400 ms alle scritture, quindi effettua profiling prima di indicizzare tutto.
Migrare da SQLite, MySQL o DynamoDB: i costi reali
La decisione sul database più costosa è migrare via dal database sbagliato sotto carico di produzione. Ecco quanto costa davvero ogni migrazione nel 2026 in termini di tempo ingegneristico.
SQLite verso Postgres: SQLite è spesso la scelta iniziale per piccole app o prodotti desktop in stile Electron. La migrazione è lineare perché i dialetti SQL sono vicini. Aspettati 1-2 settimane di tempo ingegneristico per uno schema piccolo (meno di 50 tabelle), per lo più speso ad adattare i tipi di dato (tipizzazione permissiva di SQLite vs tipizzazione rigorosa di Postgres), riscrivere trigger e aggiornare il codice di connessione. Usa pgloader per la migrazione dei dati vera e propria.
MySQL verso Postgres: più complessa. Le differenze principali riguardano le regole di quoting delle stringhe, la gestione degli ENUM, la sintassi della ricerca full-text e il supporto JSON. Stima 2-4 settimane per uno schema SaaS in produzione. Gli strumenti di migrazione di PlanetScale possono aiutare se sei già su PlanetScale. Per MySQL vanilla, pgloader gestisce automaticamente la maggior parte delle conversioni di tipo.
DynamoDB verso Postgres: è la migrazione più costosa e quella di cui i team si pentono di più. Il design guidato dagli access pattern di DynamoDB significa che la struttura delle tabelle spesso non si mappa in modo pulito su righe relazionali. Stima 4-12 settimane a seconda della complessità dello schema e aspettati di riprogettare i modelli dati core, non solo di spostare i dati. I team che hanno scelto DynamoDB per semplicità operativa (nessuno schema, serverless) riferiscono spesso che questa migrazione costa $40K-120K in tempo ingegneristico ai tassi di mercato US del 2026 ($150-250/ora per un senior backend engineer).
La migrazione da MongoDB a Postgres è simile per durata a quella da DynamoDB. Se i tuoi documenti hanno una struttura variabile che è genuinamente load-bearing, potresti ritrovarti con un ibrido: entità core in tabelle relazionali, metadati flessibili in JSONB. Quell'ibrido è spesso il punto di arrivo corretto.
Realizzare la giusta configurazione del database in uno sprint a scope fisso
Impostare correttamente il layer database fin dal primo giorno è un esercizio concreto di definizione dello scope, non una trattativa continua. Uno sprint ben definito copre: progettazione dello schema con policy RLS per il multi-tenancy, configurazione del connection pooling, verifica di backup e PITR, strategia di indicizzazione per il set iniziale di query e un documento sul percorso di migrazione se si proviene da un sistema esistente.
Pineido definisce architettura e implementazione del database come parte di sprint applicativi a prezzo fisso di 30 giorni. Se stai valutando quanto costa la configurazione giusta per il tuo SaaS, il punto di partenza è lo sprint di sviluppo app e web personalizzato su /services/app-web-development. Lo scope viene definito prima che inizi qualsiasi lavoro, così sai esattamente cosa ottieni senza sorprese a ore e materiali.
Domande frequenti
Devo usare PostgreSQL o MongoDB per un nuovo SaaS nel 2026?
Usa PostgreSQL a meno che il tuo modello dati primario sia composto da documenti profondamente annidati con struttura genuinamente variabile. Postgres gestisce i dati flessibili tramite JSONB con piene garanzie ACID, impone l'isolamento multi-tenant con la row-level security e gestisce la ricerca full-text senza un servizio separato. MongoDB ha una storia di sharding più solida e una aggregation pipeline migliore per workload a dominanza documentale, ma la maggior parte dei prodotti SaaS non ne avrà mai bisogno prima di raggiungere il product-market fit.
Come funziona la row-level security in PostgreSQL per un SaaS multi-tenant?
Si crea una policy su ciascuna tabella con scope tenant usando CREATE POLICY, referenziando una variabile di sessione che l'applicazione imposta al momento della connessione (ad esempio current_setting('app.current_tenant_id')). Ogni query su quella tabella aggiunge automaticamente il filtro tenant a livello database. Questo è più sicuro del filtraggio a livello applicativo perché un bug nell'ORM non può far trapelare righe. Testa ogni policy con test automatizzati di accesso cross-tenant in CI.
Perché la mia istanza Postgres va in crash ad alto traffico e come lo risolvo?
Postgres crea un processo OS per ogni connessione. Senza pooling, un cluster Node.js con 20 processi e una dimensione di pool di 20 apre 400 connessioni e causa esaurimento della memoria. Risolvi instradando tutte le connessioni applicative attraverso PgBouncer o Supabase Pooler in modalità transaction. Imposta la dimensione del pool applicativo a 5-10 per processo. Riserva la porta diretta del database solo per le migrazioni.
Quale configurazione di backup e recovery serve a un database SaaS?
Come minimo, abilita il point-in-time recovery (PITR). Supabase Pro include PITR a 7 giorni; RDS supporta fino a 35 giorni. Per un RPO sotto 1 ora e un RTO sotto 4 ore, i default di entrambe le piattaforme sono sufficienti. Per dati finanziari o sanitari che richiedono un RPO sub-minuto, usa Multi-AZ con replica sincrona: aggiunge 1-5 ms di latenza alle scritture ma garantisce che nessuna transazione confermata vada persa in caso di failure del primary. Testa la procedura di restore ogni trimestre.
Quanto costa al mese un database SaaS nel 2026?
Supabase Pro parte da $25/mese con PITR, auth e connection pooling inclusi. Un deployment RDS Multi-AZ in produzione parte da circa $300-600/mese. In scala seria (db.r6g.2xlarge, Multi-AZ, 500 GB di storage) si arriva a $1.500-2.500/mese su RDS. MongoDB Atlas parte da circa $65/mese per cluster M10 production-grade. Il self-hosting fa risparmiare sulla voce infrastruttura ma sposta il costo sul tempo ingegneristico, quasi sempre più costoso.
Quanto costa migrare da DynamoDB a PostgreSQL?
Stima 4-12 settimane di senior backend engineering a seconda della complessità dello schema. Il design guidato dagli access pattern di DynamoDB raramente si mappa in modo pulito su tabelle relazionali, quindi di solito si riprogettano i modelli dati core invece di spostare solo i dati. Ai tassi di mercato US del 2026 ($150-250/ora per un senior backend engineer), quella migrazione costa $40K-120K. Ecco perché la scelta del database all'inizio del progetto conta così tanto.
Pronto a rilasciare?
Dicci dove sei bloccato. Lo esaminiamo e ti inviamo una raccomandazione mirata entro un giorno lavorativo.
Spunti operativi ogni settimana
Unisciti ai responsabili di aziende di servizi che ricevono ogni settimana uno spunto concreto su operazioni, automazione e crescita.
Niente spam. Disiscriviti quando vuoi.
Iscrizione completata! Cerca il prossimo numero nella tua casella di posta.
Invio non riuscito. Riprova o scrivi a [email protected].