Масштабирование PostgreSQL в 2026 году: когда реплицировать, партиционировать или шардировать

Большинству баз данных на Postgres шардирование никогда не понадобится. Но выбор неверного пути масштабирования в нужный момент обходится в месяцы работы и шестизначные суммы. Это руководство проведёт вас через каждый этап: от сервера за $100 в месяц до распределённого шард-кластера, с реальными точками перехода по стоимости, временными рамками и правилами принятия решений, чтобы вы успели сделать выбор раньше, чем база данных превратится в кризис.

8 мин чтенияРазделов: 920 июня 2026 г.

Автор

Kostadin Stamboliev

Основатель и имагинатор

Основатель и имагинатор Pineido. Занимается ИТ-консалтингом, разработкой приложений и сайтов, техническим SEO, ИИ и автоматизацией. Выпускает рабочий код 30-дневными спринтами с фиксированным объёмом и понятной ответственностью.

LinkedIn

Одиночный сервер: что вы реально получаете

Правильно настроенный одиночный экземпляр Postgres справляется с нагрузкой, которую большинство команд недооценивает. На RDS db.r6g.2xlarge или сопоставимом тарифе Supabase Pro вы получаете 5000-10000 одновременных подключений (через PgBouncer), 1-2 ТБ используемого хранилища и счёт $100-300 в месяц. Этого достаточно для большинства SaaS-продуктов на стадии до Series A и ниже.

Ключевое слово здесь "правильно настроенный". Конфигурация Postgres "из коробки" намеренно консервативна. Настройка work_mem, effective_cache_size, max_parallel_workers_per_gather и параметров autovacuum под ваш профиль нагрузки нередко даёт прирост пропускной способности на 50-100% без замены железа. Добавьте частичные индексы по высококардинальным фильтруемым колонкам и покрывающие индексы на горячих путях чтения, и на том же железе можно выжать ещё в 2-3 раза больше.

Не пропускайте этот шаг. Команды, которые сразу прыгают к репликации или шардированию из-за медленных запросов, как правило, решают не ту проблему. Сначала профилируйте с помощью pg_stat_statements. Найдите 10 самых дорогих запросов по суммарному времени. Исправьте их. Большинство "проблем масштабирования" при нагрузке ниже 1000 RPS - это проблемы индексов.

Правило принятия решений: если объём данных меньше 100 ГБ и нагрузка ниже 1000 RPS, работайте на одном сервере. Точка.

Вертикальное масштабирование и PgBouncer: дешёвый множитель 2-3x

Прежде чем добавлять серверы, исчерпайте вертикальное масштабирование. Переход с 4-ядерного на 16-ядерный инстанс RDS стоит денег, но несравнимо дешевле по инженерному времени, чем настройка репликации. Вертикальное масштабирование Postgres линейно примерно до 32 ядер для CPU-bound нагрузок, а IOPS хранилища растут вместе с классом инстанса на большинстве управляемых платформ.

PgBouncer обязателен при любой значимой нагрузке. Postgres создаёт отдельный процесс на каждое подключение. При 500 реальных подключениях приложения без пула вы сжигаете 5-10 ГБ RAM только на накладные расходы процессов и тратите значительный CPU на переключение контекста. PgBouncer в режиме transaction-mode pooling мультиплексирует сотни потоков приложения на 20-50 реальных подключений к Postgres. Это одно только нередко снижает давление на память на 40% и улучшает хвостовые задержки.

Настройка запросов поверх вертикального масштабирования и правильного пула соединений обычно даёт полные 2-3x улучшения по сравнению с дефолтной конфигурацией. Заложите две недели на целенаправленный спринт по оптимизации: одна неделя на профилирование и работу с индексами, вторая на настройку пула соединений и устранение медленных запросов. Эти две недели инженерного времени по ставке $150-200 в час для опытного DBA обойдутся в $12000-16000 и нередко откладывают необходимость в репликации на 12-18 месяцев.

Правило принятия решений: прежде чем усложнять топологию, пройдите спринт по оптимизации. Если после этого не удаётся достичь целевых задержек, тогда реплицируйте.

Реплики для чтения: правильный инструмент для 80% задач масштабирования

Веб-приложения читают данных значительно больше, чем пишут, как правило, в соотношении 10:1 или выше. Потоковая репликация Postgres позволяет направлять все запросы на чтение (дашборды, списки, поиск, отчёты) на реплики, оставляя основному серверу только запись. Это наиболее экономически эффективный инструмент масштабирования из доступных.

Стандартная производственная конфигурация из 1 основного и 2 реплик примерно утраивает пропускную способность чтения и обеспечивает высокую доступность. При стоимости $300-1000 в месяц на этом уровне RDS или Supabase большинство приложений выдержат до 5000 RPS при чистом разделении чтения и записи. Добавление третьей или четвёртой реплики для аналитических запросов с полным сканированием таблиц не даёт этим дорогостоящим запросам нагружать основной сервер.

Настройка репликации занимает около недели для команды с опытом: настроить потоковую репликацию, обновить строки подключения приложения так, чтобы чтение шло в пул реплик (PgBouncer поддерживает это нативно через server_round_robin), протестировать переключение при отказе, готово. Основные текущие расходы - мониторинг отставания репликации. Синхронная репликация устраняет отставание, но увеличивает задержку записи (как правило, 5-15 мс для реплик в одном регионе). Асинхронная репликация сохраняет скорость записи, но реплики могут отставать на секунды при высокой нагрузке на запись.

Репликация не решает проблему размера набора данных. Все реплики хранят полную копию. Если проблема в том, что таблица слишком велика для эффективного запроса, репликация ускорит чтение большой таблицы на нескольких серверах, но таблица всё равно останется большой. Это задача партиционирования или шардирования.

Правило принятия решений: если чтение значительно преобладает над записью и объём данных меньше 1 ТБ, сначала реплицируйте.

Кэширование Redis: снизьте нагрузку на базу на 60-80% до того, как она достигнет Postgres

Добавление слоя Redis между приложением и Postgres почти всегда даёт наибольший ROI среди инфраструктурных изменений после настройки индексов. Redis за $50-200 в месяц на ElastiCache или Upstash обеспечивает чтение горячих данных за субмиллисекундное время. Типичный результат - снижение объёма запросов к Postgres на 60-80% для приложений с любым заметным паттерном повторного чтения.

Наибольшую выгоду дают: данные сессий, чтение профилей пользователей, проверки прав доступа, а также любые агрегированные счётчики и сводки, которые меняются редко, но читаются при каждой загрузке страницы. Кэшируйте их с TTL 60 секунд, и пул реплик Postgres внезапно получит запас для обработки в 5 раз большего трафика, с которым прежде не справлялся.

Инвалидация кэша - это цена реализации. Write-through кэширование (одновременное обновление Redis и Postgres при записи) - наиболее безопасная схема, но требует дисциплины на каждом пути записи. Cache-aside (читать из Redis, при промахе обращаться к Postgres, затем заполнять кэш) проще внедрять постепенно. Заложите неделю на реализацию кэш-слоя, покрывающего наиболее нагруженные пути чтения.

Не кэшируйте данные, требующие строгой согласованности: финансовые балансы, остатки на складе, всё, что подлежит юридическому аудиту. Кэшируйте отчётный слой, а не транзакционный.

Общая стоимость хорошо настроенного одиночного сервера плюс реплики плюс Redis составляет $350-1200 в месяц в зависимости от тарифа. Эта комбинация закрывает инфраструктурные потребности большинства VC-backed SaaS-продуктов на протяжении первых нескольких миллионов пользователей.

Партиционирование таблиц: скорость без сложности распределения

Партиционирование разбивает одну логическую таблицу на несколько физических дочерних внутри одной базы данных. Нативное партиционирование PostgreSQL (доступно с v10, зрелое с v12) поддерживает партиционирование по диапазону (по дате или диапазону ID), по списку (по категории или тенанту) и по хешу (по хешу ключа). База данных прозрачно управляет маршрутизацией: запросы обращаются к родительской таблице, а планировщик запросов отсекает ненужные партиции.

Прирост производительности ощутим. Таблица событий на 500 ГБ, партиционированная по месяцам, означает, что запрос за прошлый месяц просматривает 40 ГБ вместо 500 ГБ. Размеры индексов уменьшаются пропорционально. Vacuum работает быстрее. Удаление старых партиций мгновенно (DROP TABLE на дочерней таблице), в отличие от кошмара удаления миллионов строк из монолитной таблицы.

Партиционирование - правильный выбор, когда проблема в производительности запросов к большим таблицам, а не в общей пропускной способности. Оно не распределяет нагрузку по серверам. Все партиции живут на одном экземпляре Postgres. Вы получаете более быстрые запросы и упрощённое управление жизненным циклом данных, но не горизонтальное масштабирование.

Для мультитенантного SaaS партиционирование по списку по tenant ID стоит рассмотреть при 100 000+ тенантах. Это физически разделяет данные тенантов, упрощает удаление данных по запросам GDPR и ускоряет запросы в рамках одного тенанта.

Партиционирование существующей таблицы требует миграции с окном обслуживания (или аккуратной онлайн-миграции с использованием логической репликации). Заложите 4-8 недель на аккуратную производственную миграцию таблицы объёмом более 100 ГБ.

Правило принятия решений: если проблема в медленных запросах к большим таблицам, партиционируйте раньше, чем шардируете.

Шардирование: когда оно действительно нужно и во сколько обходится

Шардирование распределяет данные по нескольким независимым серверам Postgres с использованием ключа шардирования. Каждый сервер владеет подмножеством данных. Запрос пользователя идёт к шарду, которому принадлежит этот user ID. Запрос, охватывающий нескольких пользователей, должен быть разослан нескольким шардам с последующим объединением результатов. Это архитектура, обеспечивающая теоретически неограниченное горизонтальное масштабирование.

Однако операционная и инженерная стоимость высока. Транзакции между шардами требуют координации на уровне приложения или распределённого координатора транзакций (оба варианта увеличивают задержку и сложность). Внешних ключей между шардами не существует. Объединения между шардами выполняются на стороне приложения. Миграции схемы должны применяться к каждому шарду последовательно. Аналитические запросы, которым нужны все данные, должны агрегировать результаты из всех шардов. Ваш ORM не сделает большую часть этого за вас.

PlanetScale (на основе MySQL, но модель показательна), Citus (настоящее шардирование Postgres) и шардирование на уровне приложения с уровнем маршрутизации - три пути реализации. Citus наиболее органично интегрируется с существующим инструментарием Postgres. Шардирование на уровне приложения даёт максимальный контроль над логикой маршрутизации, но требует наибольшего объёма кода.

Реальные ориентиры: Notion перешёл на шардированный Postgres при 30 миллионах пользователей. OpenAI масштабировался до 800 миллионов пользователей через настройку запросов и 50+ реплик для чтения, не прибегая к шардированию. Урок очевиден. Шардирование - последнее средство, а не стратегия масштабирования.

Сроки: внедрение шардирования занимает 8-12 недель у сфокусированной инженерной команды, плюс постоянные накладные расходы на обслуживание, эквивалентные 0,5-1 ставке. При зарплатах senior-инженеров $180000-220000 в 2026 году это $70000-130000 только на первоначальные инженерные затраты, ещё до инфраструктурных расходов.

Правило принятия решений: не шардируйте, пока объём данных не превысит 1 ТБ, нагрузка не превысит 10000 RPS и вы не исчерпаете возможности реплик и кэширования.

Стадии масштабирования: точки перехода и бюджеты

Существует стандартная последовательность, которая справедлива для подавляющего большинства Postgres-развёртываний. Следуйте ей по порядку и переходите на следующий уровень только тогда, когда текущий действительно исчерпан.

Стадия 1, до 100 ГБ и до 1000 RPS: одиночный сервер, $100-300 в месяц. Настройте запросы и индексы, сконфигурируйте PgBouncer, подберите правильный размер инстанса. Этого достаточно для большинства продуктов на ранних стадиях роста.

Стадия 2, 100 ГБ-1 ТБ и 1000-5000 RPS: реплики плюс кэширование, $300-1000 в месяц. Добавьте 2-3 реплики для чтения, направьте чтение через PgBouncer, подключите Redis для горячих данных. Этот уровень покрывает большинство SaaS-компаний на стадиях Series A-B.

Стадия 3, свыше 1 ТБ и свыше 5000 RPS: партиционирование плюс потенциально шардирование, $1000 в месяц и выше в зависимости от количества шардов. На этом этапе вы управляете серьёзной дата-инженерной операцией.

Эти стадии не жёсткие, они служат триггерами для принятия решений. Write-heavy нагрузка (обработка платежей, телеметрия IoT) достигает пределов Стадии 3 быстрее, чем read-heavy. Хорошо партиционированная time-series таблица на 2 ТБ может по-прежнему работать эффективно без шардирования. Контекст имеет значение.

Скачок стоимости между стадиями составляет примерно 3-5x. Скачок инженерной сложности - 1x, затем 3x, затем 10x. Именно эта асимметрия объясняет, почему "просто зашардируем" почти всегда является неверным ответом с точки зрения бизнеса.

Идеи для операционной работы каждую неделю

Присоединяйтесь к руководителям сервисных компаний, которые каждую неделю получают одну практическую идею об операциях, автоматизации и росте.

Проверяем, что вы человек. Отправить можно будет через мгновение.

Без спама. Отписаться можно в любой момент.

Вы подписаны! Следующий выпуск придёт на вашу почту.

Компромиссы согласованности и рекомендации по мультитенантности

Каждое решение по масштабированию меняет вашу модель согласованности. Одиночный экземпляр Postgres обеспечивает полную ACID-согласованность. Как только вы добавляете реплики, возникает отставание репликации: чтение из реплики может видеть данные, отстающие от основного сервера на миллисекунды или секунды. Для большинства путей чтения это приемлемо. Для согласованности read-your-own-writes (пользователь отправляет форму и сразу видит результат) нужно направлять эти запросы на основной сервер или ждать подтверждения от реплики.

Шардирование полностью нарушает распределённую согласованность. Перевод средств от пользователя на шарде 1 пользователю на шарде 2 теперь является распределённой транзакцией. PostgreSQL нативно не координирует такие операции. Вам нужен двухфазный коммит, паттерн saga или придётся принять eventual consistency для межшардовых операций. Большинство шардированных систем выбирают паттерн saga с компенсирующими транзакциями, что требует значительной логики на прикладном уровне.

Для мультитенантного SaaS выбор модели изоляции важен. Общая схема (все тенанты в одной базе, колонка tenant_id везде) наиболее дёшева в эксплуатации и масштабируется до миллионов небольших тенантов. Схема на тенанта (одна Postgres-схема на тенанта в одной базе) обеспечивает лучшую изоляцию и упрощает резервное копирование и восстановление для конкретного тенанта, но поведение пула соединений Postgres ухудшается при нескольких тысячах схем. База на тенанта - наиболее строгая изоляция, но операционно дорого и по сути является ручной стратегией шардирования.

Для большинства B2B SaaS: общая схема до 100000 тенантов, затем оцените схему на тенанта или партиционирование по тенанту. База на тенанта - только если договорная изоляция обязательна (SOC 2 для enterprise, здравоохранение, финансы).

Как Pineido оценивает работу по архитектуре баз данных

Решения по архитектуре баз данных обычно принимаются слишком поздно, в ответ на инцидент, а не как часть начальной разработки. Pineido оценивает инфраструктурные и бэкенд-задачи как спринты с фиксированной ценой на 30 дней, а значит, вы знаете стоимость до начала работы и нет стимула растягивать часы сверх нужного.

Типичный спринт охватывает полный цикл оптимизации (профилирование, работа с индексами, настройка PgBouncer) и настройку топологии репликации, соответствующей вашему текущему уровню трафика, с мониторингом и runbook-ами. Миграции шардирования оцениваются отдельно с учётом временных рамок 8-12 недель. Если вы оцениваете, что нужно вашему Postgres сегодня и что понадобится через 12 месяцев, правильная отправная точка - спринт по разработке приложений и веб-разработке или engagement fractional CTO для архитектурного ревью. Подробности и фиксированная смета предоставляются по запросу.

Часто задаваемые вопросы

В чём разница между шардированием и репликацией в PostgreSQL?

Репликация копирует всю базу данных на дополнительные серверы. Каждая реплика содержит все ваши данные. Это даёт масштабирование чтения и отказоустойчивость, но не помогает, когда набор данных слишком велик для одного сервера. Шардирование разделяет сам набор данных: каждый шард хранит подмножество данных, определённое ключом шардирования. Репликация операционно проста и обратима. Шардирование сложно, трудно отменить и необходимо только при превышении примерно 1 ТБ данных или 10000 RPS.

Когда стоит партиционировать таблицу PostgreSQL?

Партиционируйте, когда отдельная таблица настолько велика, что запросы сканируют больше данных, чем необходимо, а autovacuum начинает тормозить. Практический триггер - таблицы свыше 50-100 ГБ с частыми range-запросами (по дате, tenant ID или статусу). Партиционирование по диапазону по месяцам - наиболее распространённая схема для таблиц событий и логов. Партиционирование оставляет всё в одной базе данных, поэтому нет проблем с межшардовой согласованностью. Это также правильный выбор перед рассмотрением шардирования.

Сколько стоит внедрение шардирования PostgreSQL?

Рассчитывайте на 8-12 недель сфокусированной инженерной работы. По ставкам senior-инженеров 2026 года ($180000-220000 в год) это $70000-130000 только в трудозатратах. Инфраструктурные расходы вырастают до $1000 в месяц и выше в зависимости от количества шардов. Есть также постоянные операционные накладные расходы, эквивалентные примерно 0,5-1 ставке для миграций, ребалансировки и мониторинга. Именно эти затраты объясняют, почему шардирование нужно откладывать как можно дольше.

Сколько реплик для чтения нужно PostgreSQL при высокой нагрузке?

Конфигурация из 1 основного и 2 реплик справляется с большинством производственных нагрузок до 5000 RPS при чистом разделении чтения и записи. Добавление кэширования Redis снижает объём запросов к базе на 60-80%, так что реплики покрывают значительно больший трафик, чем предполагает сырое число RPS. OpenAI масштабировался до 800 миллионов пользователей с 50+ репликами и агрессивным кэшированием без единого шарда. Начните с 2 реплик и добавляйте по мере роста объёма запросов.

Что лучше для PostgreSQL: Citus или шардирование на уровне приложения?

Citus - более чистый путь, если вы намерены оставаться в экосистеме Postgres. Он интегрируется со стандартным инструментарием Postgres, прозрачно управляет маршрутизацией запросов и поддерживает распределённые объединения в определённых пределах. Шардирование на уровне приложения даёт полный контроль над логикой маршрутизации и избавляет от зависимости от Citus, но каждое объединение, транзакция и миграция схемы становятся кодом приложения. Для большинства команд Citus - лучшая отправная точка. Шардирование на уровне приложения оправдано, если логика шардирования очень специфична для домена.

Обязателен ли PgBouncer в производственных развёртываниях PostgreSQL?

Да, при любой значимой нагрузке. Postgres создаёт отдельный процесс на каждое подключение, что потребляет примерно 5-10 МБ RAM. При 500 подключениях приложения без пула вы тратите 2,5-5 ГБ впустую на накладные расходы процессов, не выполнив ни одного запроса. PgBouncer в режиме transaction-mode pooling мультиплексирует сотни потоков приложения на 20-50 подключений Postgres. Это обязательный компонент любого производственного развёртывания выше уровня прототипа с единственным пользователем или низким трафиком, и его настройка занимает менее дня.

Готовы к запуску?

Расскажите, где вы застряли. Мы разберёмся и пришлём конкретную рекомендацию в течение одного рабочего дня.