Supabase 云服务与本地部署指南及 PostgreSQL 高级特性实战

Supabase

Supabase 作为 2025 年后端最火的开源项目之一，在 GitHub 上拥有 98000+ Star。作为一个开源的后端即服务框架（BaaS），它基于强大的 PostgreSQL 数据库，封装了用户认证、文件存储、可视化运维面板等功能，为开发者提供了一整套开箱即用的后端基础设施。

Supabase 为开发者提供了三大部分核心能力：

后端基础设施：PostgreSQL 数据库、文件存储、边缘函数、用户认证等。
前端 SDK：支持 React、Vue、移动端 App 等，几行代码即可接入后端。
免费云服务：无需自建，注册即可获得免费实例；也可通过 Docker 本地/私有部署。

它与 AI 编程是绝配，能让你以极快速度搭建一套包含用户认证 + 数据库的前后端完整应用。

从云服务版本快速上手

Supabase 的基础是一个完整的 PostgreSQL 数据库，具备 PostgreSQL 一切能力。在官网中可以使用 GitHub 登录，创建一个数据库实例。

模块名称	核心功能	适用场景
Project Overview	项目仪表盘，展示数据库、认证、存储、实时服务的核心指标与运行状态	快速监控项目健康度，作为进入项目后的默认入口
Table Editor	可视化 PostgreSQL 表管理，支持图形化创建/修改表结构、字段、约束等	快速搭建数据模型，无需手动编写 DDL 语句
SQL Editor	在线 SQL 工作台，支持编写、执行、保存任意 PostgreSQL SQL 脚本	调试复杂查询、批量数据操作、自定义业务逻辑
Database PostgreSQL	包含 Postgres 的所有基础功能：Schema、表 (Tables)、函数 (Function)、触发器 (Triggers)、枚举 (Enumerated Types)、插件 (Extensions)、索引 (Indexes)、实时监控 (Publications) — 把表的修改信息以 Websocket 的形式推送出去	精细化数据库运维、架构选型、性能调优
Authentication	一站式用户认证，支持邮箱/手机号/第三方登录及权限控制	快速实现 Web 应用的登录注册、用户体系
Storage	对象存储服务，支持文件上传/下载及权限管理	管理图片、视频、文档等非结构化资源
Edge Functions	边缘无服务器函数，基于 Deno 运行时，低延迟执行服务端逻辑	轻量级 API、第三方集成、定时任务等微服务场景
Realtime	基于 PostgreSQL 复制槽的实时数据推送（WebSocket）	聊天、实时榜单、协同编辑等需要数据即时同步的场景
Advisors	AI 助手，自动检测数据库缺陷、性能问题并给出优化建议	辅助开发、排查性能瓶颈、提升代码质量
Observability	可观测性总览，整合性能指标、错误链路、资源使用等可视化数据	运维监控、问题定位、性能瓶颈分析
Logs	分类存储的详细操作与错误日志，支持多维度筛选	问题复盘、错误排查、审计追踪
Integrations	第三方服务集成，如 Slack、GitHub Actions 等	自动化通知、CI/CD 流水线、外部系统数据同步
Project Settings	全局配置，包括 API 密钥、区域、安全策略、成员权限等	项目部署、生产环境安全配置、团队权限管理

Extensions 的 postgis 插件实例

Database -> Extensions -> postgis（选择 public）

安装 postgis 插件后，PostgreSQL 就有了存储地理位置信息的能力，可以把 PostgreSQL 变成一个性能顶尖的企业级地理信息系统数据库。

创建一个表用来存储城市里面的地理位置信息：

CREATE TABLE city_map (
    id SERIAL PRIMARY KEY,
    name TEXT NOT NULL,
    geom GEOMETRY(Geometry,4326)
);

插入地理位置相关的测试数据：

INSERT INTO city_map (name, geom) VALUES 
('人民公园', ST_GeomFromText('POLYGON((0 0, 10 0, 10 10, 0 0, 0 0))',4326)),
('护城河', ST_GeomFromText('LINESTRING(-5 5, 15 5)',4326)),
('电话亭', ST_GeomFromText('POINT(12 8)',4326));

使用插件提供的函数来计算人民公园的面积：

SELECT name, ST_Area(geom) FROM city_map WHERE name = '人民公园';

使用插件提供的操作符来计算两个地理位置之间的距离（查找三个距离电话亭最近的地理元素）：

SELECT name FROM city_map ORDER BY geom <-> (SELECT geom FROM city_map WHERE name = '电话亭') LIMIT 3;

远程连接操作数据库（Navicat）

Supabase 还提供了远程连接的方式操作数据库，点击 connect，Supabase 提供了一个远程连接的地址，可以接入到任意一个数据库的客户端，或者后端代码中。

使用直连模式 direct connection 是不支持 IPv4 的，如果网络只能使用 IPv4 的话请选择 Session pooler。

在 Navicat 中的配置信息如下：密码填写创建 Supabase 项目时候的密码。

数据库连接成功。

Supabase SDK：前端直连后端

Supabase 可以将任何一个前端框架（React, Vue, App）用一行代码接入后端。通常配合鉴权功能（Authentication）使用。

创建一个 Vue 前端工程体验一下 Supabase 的 SDK 模式：

npm create vue@latest 
cd vue-project npm install npm run dev

接下来把 Supabase 的 SDK 接入到这个前端工程，安装 Supabase SDK：

npm install @supabase/supabase-js

测试 SDK，在 App.vue 文件中添加如下内容，正确填写自己的 Url 和 Key：

import { createClient } from '@supabase/supabase-js'
const supabaseUrl = 'https://vgihfcuijwcvelpeuljb.supabase.co'
const supabaseKey = process.env.SUPABASE_KEY
const supabase = createClient(supabaseUrl, supabaseKey)

在 Supabase 官网中说明了这个 key 在浏览器中使用是安全的，RLS 保证了我们即使在前端跟数据库交互也能确保数据的安全。

在 const supabase = createClient(...) 下面写如下面的代码（输入自己的邮箱和密码）：

await supabase.auth.signUp({ email: '[email protected]', password: 'test' })

重新启动程序：npm run dev

用户登录只需要把注册的代码改成如下形式：

const { data: signInData, error: signInError } = await supabase.auth.signInWithPassword({ 
    email: '[email protected]', 
    password: '781206lyh' 
})
console.log(signInData)

在控制台可以看到打印出来的用户信息。

RLS 行级安全策略

RLS 行级安全策略 是 PostgreSQL 的原生功能（约束哪些数据可以被哪些用户修改或读取）。

RLS 实践如下： Table Editor -> New tables

首先创建一个用户信息表 user_info，添加需要的字段：

需要将用户信息表和系统表关联起来，添加一个字段 user_id，类型选择 uuid。

添加外键：将 user_id 与 auth（系统表 — Authentication）里的 users（用户表）关联起来。

在 Authentication 中新建一个用户（Add user），这样系统里边就有两个用户了。

回到业务表 Table Editor 填写用户的基础信息 Insert：填写 age, first_name, last_name 信息，其中 user_id 选择 select record 在选择不同用户的字段。

现在希望只让某个用户查看并且修改属于自己的记录，而不能去查看或者修改别人的记录。因此需要给业务表配置行级安全策略： Add RLS policy -> Create policy -> select -> Enable users to view their own data only (登录用户只能读取属于自己的数据)。

现在可以把查询语句直接写到前端代码里边，从 user_info 表中查询所有 first_name 字段值为 tech 的记录。 select('*') 表示返回匹配记录的所有字段。

const { data, error } = await supabase.from('user_info').select('*').eq('first_name', 'tech')
console.log('数据:', data)
console.log('错误:', error)

运行后数据被查询出来。将 first_name 换成其他人的测试：数据变为空。

在控制台 -> network -> Headers 中的 Authorization 有一个 bearer，包含 JWT token（当前登录用户的令牌），这个令牌和后面的行级安全策略匹配才能查询到数据。

本地 / 私有部署

如果不想使用云服务，可以通过 Docker 自托管。

将 Docker Desktop 启动起来后，在一个新建文件夹中输入下面的命令：

# Get the code
git clone --depth 1 https://github.com/supabase/supabase
# Make your new supabase project directory
mkdir supabase-project

手动将 supabase -> docker 中的文件都复制到 supabase-project 中。

创建 .env 文件，将 .env.example 文件复制。同时需要修改 .env 文件中的前端端口，需要设的大一些。

接下来拉取镜像：执行下面的命令

# Switch to your project directory
cd supabase-project
# Pull the latest images
docker compose pull

把容器都启动起来：

docker compose up -d

访问端口（http://localhost:18000）后需要填写账号和密码，可以在 .env 中查看：

#账号 supabase
#密码 this_password_is_insecure_and_should_be_updated

PostgreSQL

下载安装

下载地址：https://www.enterprisedb.com/downloads/postgres-postgresql-downloads

没有复杂配置，都直接 next 即可。其中 PostgreSQL 的默认端口号：5432。

在下载过程中需要对数据库进行用户密码设置，完成后点击 -> next。

浏览文件路径及数据库信息，点击下一步 -> next。

如果在安装界面没有勾选 Stack Builder（可视化界面），可以点击安装目录中的 stackbuilder.exe 来进行安装。

环境变量配置：将 PostgreSQL 安装目录中的 bin 路径复制到系统变量的 Path 变量中。

在用户变量中设置 PG_HOME 和 PGDATA。

测试是否安装成功。

登录指令格式为：psql -U 用户名 -d 数据库名 -h 主机地址 -p 5432 基础登录（默认用户 postgres，默认数据库 postgres）

运行如下命令：

psql -U postgres -p 5432

丰富的内置数据类型 + 自定义类型

PostgreSQL 被定义为'开源对象关系型数据库'（Open Source Object-Relational Database），兼具传统关系型数据库的严谨性和面向对象的灵活性，从根源上解决了很多开发痛点。

连接工具使用（Navicat）

创建新连接，选择 PostgreSQL，点击下一步。端口默认 5432（需在服务器防火墙开放 5432 端口），密码为刚才设置的 postgres 密码。

PostgreSQL 是'数据库 → schema → 表'三级结构，而 MySQL 只有'数据库 → 表'两级结构，schema 相当于数据库内的'子目录'，方便管理多组表。

Navicat 对 PostgreSQL 的 Schema 做了'默认隐藏'处理。为了让习惯 MySQL 的用户快速上手，Navicat 会自动展开默认的 public Schema，并将其下的对象直接展示。

PostgreSQL 内置上百种数据类型，覆盖日常开发所有场景，甚至包含很多 MySQL 没有的特有类型：

网络相关：CIDR（存储网段）、inet（IP 地址）、macaddr（Mac 地址），支持直接对网段进行包含查询（用 >> 操作符）。

示例：创建存储网段的表，插入网段数据后，可直接查询包含某个子网的所有网段。

创建一个 network_segments 的表，用于存储网络网段信息。SERIAL 是 PostgreSQL 的伪数据类型，本质上是一个自增的 INTEGER，会自动创建一个序列来生成唯一的整数值。PRIMARY KEY 表示该列是表的主键，用于唯一标识每一条记录，且不允许为空。

CIDR 是 PostgreSQL 特有的网络地址类型，专门用于存储 IPv4 或 IPv6 网段。

CREATE TABLE network_segments (
    id SERIAL PRIMARY KEY,
    segment CIDR NOT NULL,
    description TEXT
);
INSERT INTO network_segments (segment, description) VALUES ('192.168.1.0/24','本地局域网');

插入数据：

SELECT * FROM network_segments WHERE segment >> '192.168.1.128/26'::CIDR;

自定义类型：用 SQL 语句直接定义自定义对象类型，解决'阻抗失配'问题（避免将复杂对象压扁到二维表格）。

示例：定义 employee 类型（包含 name、age、skills 数组），再创建表时直接使用该类型作为字段，实现复杂对象的高效存储。

创建一个名为 employee 的复合数据类型：

CREATE TYPE employee AS (
    name VARCHAR,
    age INT,
    skills TEXT[]
);

创建表，使用之前定义的复合数据类型 employee。

CREATE TABLE employees (
    id SERIAL PRIMARY KEY,
    employee employee
);

插入数据，构造一个复合 employee 类型的复合值，ROW() 是 PostgreSQL 复合类型构造器，ARRAY 构造文本数组，::employee 负责显示类型转换：

INSERT INTO employees (employee) VALUES ( ROW('Tech Shrimp', 30, ARRAY['Excel','English'])::employee );

表继承：模拟面向对象的多态性

PostgreSQL 支持表之间的继承关系，完美模拟面向对象编程中的继承特性，更贴合真实业务场景：

示例：创建 developers 表（存储软件开发人员），继承自 employees 表（存储所有员工），developers 表可拥有自己的独特字段（如编程语言），同时继承 employees 表的所有字段。插入 developer 表的数据，会自动同步到父表 employees 中，体现'开发人员首先是员工'的业务逻辑。

利用表继承特性，创建一个名为 developers 的子表，继承自 employees 表。

CREATE TABLE developers ( programming_language TEXT[]) INHERITS (employees);

插入数据：

INSERT INTO developers (employee, programming_language) VALUES ( 
    ROW('Rick', 30, ARRAY['Excel','Combat Magi'])::employee, 
    ARRAY['Python','Java']
);

原生支持 JSON 数据

PostgreSQL 原生支持 JSON/JSONB 数据类型（推荐用 JSONB，二进制存储，查询效率更高），可直接替代 MongoDB 处理 JSON 文档场景：

创建一个名为 message_log 的表，用于存储 JSON 格式的信息日志：

CREATE TABLE message_log (
    id SERIAL PRIMARY KEY,
    data JSONB
);

插入 JSONB 数据，记录一条完成的 API 请求日志：

INSERT INTO message_log (data) VALUES ( '{"timestamp":"2023-10-27T10:30:05+08:00","remote_addr":"192.168.1.10","request":"GET /api/v1/products?category=electronics&limit=10 HTTP/1.1","status":"200","request_data":{"user":"tech","age":15,"skill":["Python","Java"]}}' );

查询语句：

SELECT * FROM message_log WHERE data->>'remote_addr'='192.168.1.10';

运算符	返回类型	适用场景	示例
->	JSONB	保留 JSON 类型（用于嵌套查询、数组操作）	data->'request_data'->'user'
->>	TEXT	转为文本（用于等值判断、模糊查询）	data->>'remote_addr' = '192.168.1.10'

是否替代 MongoDB，需结合项目实际场景，PostgreSQL 更适合 JSON 数据与关系型数据混合存储的场景。

全文检索

传统 SQL 的 LIKE 语法无法高效实现全文检索（无法使用索引，只能全表扫描），通常需要部署 Elasticsearch，但 PostgreSQL 可通过原生功能，实现高效全文检索，无需额外部署工具：

创建一个 documents 的表，用于存储文档类文本数据：

CREATE TABLE documents (
    id SERIAL PRIMARY KEY,
    content TEXT
);

批量插入多行文本内容：

INSERT INTO documents (content) VALUES 
('This guide explains how to use PostgreSQL''s powerful full-text search capabilities.'),
('Learn the basics of database systems and SQL.'),
('Explore advanced SQL features like window functions and common table expressions.');

向 documents 表中添加一个名为 tsv 的新列，数据类型为 TSVECTOR。TSVECTOR 是 PostgreSQL 中用于全文搜索的特殊数据类型：

ALTER TABLE documents ADD COLUMN tsv TSVECTOR GENERATED ALWAYS AS (to_tsvector('english', content)) STORED;

为 documents 表的全文搜索列 tsv 建立高性能索引：

CREATE INDEX idx_documents_tsv ON documents USING GIN (tsv);

全文搜索查询：

SELECT id, content FROM documents WHERE tsv @@ plainto_tsquery('english','powerful');

PostgreSQL 与 MySQL 的区别

索引设计：架构底层的本质区别

两者基础索引都基于 B+ 树（PostgreSQL 文档称 B-tree，功能等价 B+ 树），但存储架构天差地别。

MySQL：聚簇索引架构

主键索引为聚簇索引（数据本身按照主键顺序存放在 B+ 树的叶子节点上），叶子节点直接存储完整数据，主键查询效率极高。

二级索引叶子节点仅存主键 ID，查询需回表（二级索引查主键 → 主键索引查数据）。插入数据需按主键顺序调整，易引发数据页分裂，影响写入性能。

PostgreSQL：堆表 + 全二级索引架构

所有索引都是二级索引，数据独立存储在堆表中，索引叶子节点仅存堆表指针。主键索引与普通索引实现一致，无性能差异。

插入数据直接追加到堆表末尾，避免数据页分裂，写入更稳定。索引与数据分离，扩展性极强，支持 MySQL 没有的高级索引能力。

PostgreSQL 独有高级索引

GIN 通用倒排索引

传统索引是从行到值进行查找，而倒排索引建立从值到行的反向映射，适合 JSON、全文检索场景。

基于 JSON 的倒排索引就是把每行的词项提取出来，记录这些词项在哪行出现过。根据查询的信息，倒排索引能够迅速地定位到行号，对这些行号取一个交集。

创建 products 表：

CREATE TABLE products (
    id SERIAL PRIMARY KEY,
    name VARCHAR(255) NOT NULL,
    attributes JSONB
);

插入商品测试数据：

INSERT INTO products (name, attributes) VALUES 
('笔记本电脑','{"brand": "Apple", "origin": "USA", "cpu": "M4"}'),
('智能手机','{"brand": "Xiaomi", "color": "black", "weight_g": 300}'),
('咖啡豆','{"color": "brown", "origin": "Colombia", "weight_g": 500}');

创建一个名为 products_attr_gin 的索引，指定索引建立在 products 表上，指定使用 GIN 类型索引，指定索引的对象是 attributes 这一 JSONB 列。

CREATE INDEX products_attr_gin ON products USING GIN (attributes);

查询 JSONB 数据：

SELECT * FROM products WHERE attributes @> '{"brand":"Apple"}';

GiST 通用搜索树

GiST 不是具体索引，而是索引扩展框架，任何数据类型只要能够实现 GiST 要求的接口，就可以利用 GiST 框架创建索引。

GiST 索引非常适合对于非线性数据，比如几何图形，地理位置，IP 地址，时间范围等进行是否有重叠，还有距离远近的查询。

GiST 索引内部也是平衡树，但是跟 B 树不同，节点里面存储的不是具体的值，而是一个范围。

创建一个名为 project_plan 的表：

CREATE TABLE project_plan (
    id SERIAL PRIMARY KEY,
    plan_period DATERANGE NOT NULL -- DATERANGE 类型表示一个日期范围
);

插入多条日期范围数据：

INSERT INTO project_plan (plan_period) VALUES 
('[2023-01-01, 2023-01-05)'),
('[2023-01-03, 2023-01-07)'),
('[2023-01-10, 2023-01-12)'),
('[2023-01-08, 2023-01-09)'),
('[2023-01-02, 2023-01-06)');

为 DATERANGE 类型列创建 GiST 索引，创建一个名为 plan_gist 的索引，指定索引建立在 project_plan 表上，指定使用 GiST 索引类型，指定索引的对象是 plan_period 这一 DATERANGE 列。

GiST 索引可以极大地加速对 DATERANGE 数据的查询操作，例如使用 &&（重叠）、@>（包含）、<@（被包含）等操作符来检查日期范围的关系。

CREATE INDEX plan_gist ON project_plan USING GIST (plan_period);

查询与指定日期范围重叠的项目计划：

SELECT id, plan_period FROM project_plan WHERE plan_period && '[2023-01-08, 2023-01-13)'::DATERANGE;

部分索引（条件索引）

上面图片展示的表中有用户名，电话，active 三个字段，如果想删除一个字段，可以把 active 字段设置成 N（逻辑删除）。

有一个需求需要在电话号码这个字段上面建立索引，并且希望电话号码在表里是不重复的（加上 unique 表示唯一索引）。

现在把 ID 为 2 的用户删除掉，但是因为唯一索引的缘故，这个电话号码在表里一直被占用着，没有办法再插入一条跟之前电话号码相同的数据。PostgreSQL 应对这种场景会把这个索引变成一个部分索引，这个索引仅对 active 等于 Y 的记录生效，被逻辑删除的数据不再纳入索引的管理。

MySQL 不支持部分索引，只能使用生成列或者索引表达式的方式变通实现，在磁盘占用还有查询速度方面的表现不如部分索引。

表达式索引

直接对计算结果建索引。PostgreSQL 原生支持；

CREATE INDEX users_email_lower ON users ((lower(email)));
SELECT * FROM users WHERE LOWER(email)='[email protected]';

数据一致性

事务是保障数据一致性的核心机制，事务把一系列的操作作为一个整体单元，它们要么全部成功提交，要么全部失败回滚。

在 PostgreSQL 内部所有关于数据库结构的信息，比如表，表的列，表的索引等等都存储在一系列特殊的系统表里面。

比如 pg_class 存储了表，索引，视图等对象的信息。
pg_attribute 存储了所有表的列的信息。

当我们执行表结构的修改语句（DDL 数据库定义语句）时，等同于往几个系统表里面修改几条数据。

建表的操作等同于往系统表里进行了一条插入，所有对表的操作都能被事务管理。

CREATE TABLE products2 (id SERIAL PRIMARY KEY, name VARCHAR(255) NOT NULL);
SELECT * FROM pg_class WHERE relname ='products2';

可延迟约束

PostgreSQL 支持：约束检查延迟到事务提交时，可解决唯一性字段互换等'先有鸡还是先有蛋'问题。MySQL 无此功能，操作中临时违反约束会直接报错。

事务隔离级别行为差异

PostgreSQL 默认：读已提交（RC），读写行为一致，符合直觉。 MySQL 默认：可重复读（RR），存在读写快照不一致问题：同一事务内，SELECT 读旧快照查不到数据，UPDATE 却能修改当前数据。高并发下间隙锁会导致性能退化，大厂实践中通常强制改为 RC 级别。

扩展性

扩展点	MySQL	PostgreSQL
存储引擎	可插拔（如 InnoDB、MyISAM 等）	单一引擎（PostgreSQL 原生存储引擎）
自定义数据类型	不支持	支持（可创建复合、枚举等复杂类型）
自定义函数	支持	支持
自定义运算符	不支持	支持
自定义索引	不支持	支持（如 GIN、GiST 等专用索引）
社区插件数量	47	375

Supabase 云服务与本地部署指南及 PostgreSQL 高级特性实战

Supabase

从云服务版本快速上手

Extensions 的 postgis 插件实例

远程连接操作数据库（Navicat）

Supabase SDK：前端直连后端

RLS 行级安全策略

本地 / 私有部署

PostgreSQL

下载安装

丰富的内置数据类型 + 自定义类型

表继承：模拟面向对象的多态性

原生支持 JSON 数据

全文检索

PostgreSQL 与 MySQL 的区别

索引设计：架构底层的本质区别

数据一致性

扩展性

更多推荐文章

相关免费在线工具

Supabase 云服务与本地部署指南及 PostgreSQL 高级特性实战

Supabase

从云服务版本快速上手

Extensions 的 postgis 插件实例

远程连接操作数据库（Navicat）

Supabase SDK：前端直连后端

RLS 行级安全策略

本地 / 私有部署

PostgreSQL

下载安装

丰富的内置数据类型 + 自定义类型

表继承：模拟面向对象的多态性

原生支持 JSON 数据

全文检索

PostgreSQL 与 MySQL 的区别

索引设计：架构底层的本质区别

数据一致性

扩展性

微信扫一扫，关注极客日志

更多推荐文章

相关免费在线工具