数据库与存储 · 一页分清谁是谁

把一堆名字
放回各自的货架

MongoDB、Supabase、Neon、R2、S3、阿里云……这些名字被摆在一起讨论时，几乎总是错位比较——它们根本不站在同一层。先把层分清，选型就只剩三个问题。

// 面向产品、运营与刚接触后端的同学 · 全文价格取自厂商官方定价页，2026-08-05 核

POSTGRES · MYSQL MONGODB · 文档型 REDIS · 键值 PGVECTOR · 向量 S3 · R2 · OSS SUPABASE · NEON SERVERLESS · BAAS

SCROLL / 向下滚动

The Category Error

为什么这份清单没法横着比

「MongoDB 和 Supabase 哪个好」这个问题本身是坏的——就像问「柴油发动机和 4S 店哪个好」。一个是引擎，一个是买法，还有一个是停车场。任何一次数据库选型，其实是三个独立的问题叠在一起。

L1 · SHAPE

数据形状

// 你要存的东西长什么样？

表格？JSON 文档？一个键换一个值？一张关系网？一串时间点？还是一坨谁也不关心内容的文件？这一层决定了引擎类型，改起来最贵——换形状 = 重写数据模型。

关系型文档型键值宽列图向量时序对象存储

L2 · OPERATING MODEL

产品形态

// 谁替你运维？

同一个 PostgreSQL，可以自己装在服务器上、可以买云厂商的托管实例、可以买一个闲着会自动缩到零的 Serverless 版本、也可以买一个把认证和文件存储一起打包的后端平台。引擎没变，买法变了。

自建云托管实例ServerlessBaaS 后端即服务

L3 · VENDOR

供应商与机房

// 数据落在谁的地盘？

AWS、Google、Azure、Cloudflare、阿里云、腾讯云……决定的不是技术，是延迟、合规、备案、发票和账单币种。同一个 Supabase，底下也是跑在别人的机房里。

国际超大规模云边缘网络派中国云独立专业厂商

你听到的名字	它其实是什么	站在哪一层
MongoDB	一个文档型数据库引擎（也卖托管版 Atlas）	L1 形状
PostgreSQL	一个关系型数据库引擎，开源，谁都能装	L1 形状
Supabase	一个后端平台——底下就是 Postgres，外加认证、文件存储、实时订阅、自动生成的 API	L2 形态
Neon	一家 Postgres 托管商——底下也是 Postgres，卖点是闲了缩到零、能像 Git 一样开数据库分支	L2 形态
Amazon S3	对象存储（存文件的），AWS 出品。「S3 API」已经成了行业事实标准	L1 形状 + L3 供应商
Cloudflare R2	对象存储，和 S3 同类同接口，卖点是出网流量不要钱	L1 形状 + L3 供应商
阿里云	一整个云厂商——里面有 OSS（对象存储）、RDS（托管数据库）、Tair/Redis、PolarDB……不是一个产品，是一排货架	L3 供应商

Takeaway

正确的比较是同层比同层：MongoDB 该和 Postgres 比（形状），Supabase 该和 Firebase 比（形态），R2 该和 S3、OSS 比（同形状不同供应商）。跨层比出来的结论，基本都是错的。

种数据形状
（其中 1 种严格说不是数据库）

档「谁替你运维」
从自己装到全托管

0×

同一份用量
最贵与最便宜的月账单差

R2 的出网流量单价
这是它存在的全部理由

Layer 1 · Data Shapes

第一刀：你要存的东西长什么样

数据库的分类不是按「新旧」或「快慢」，是按它假设你的数据长什么样、你会怎么问它。每一种形状都是在某个假设下把性能做到极致，同时在别的假设下变得很难用——没有一种是「更先进」的。

Relational · SQL关系型

数据是规整的表格，表和表之间用外键连起来。会算数、会保证「要么全成要么全不成」（事务）、会拦住不合法的数据。

代表：PostgreSQL · MySQL · SQLite · SQL Server

默认答案ACID 事务任意维度查询

不擅长：每秒几十万条写入的日志洪水；schema 每天都在变形的野生数据。

Document文档型

一条记录就是一份 JSON 文档，可以深层嵌套，每份长得不一样也没关系。整份读、整份写最舒服。

代表：MongoDB · Firestore · CouchDB · DynamoDB（文档模式）

形状天生不齐整份读写水平分片

不擅长：跨集合 join、跨文档强一致报表——那些要么做不了，要么要你在应用层自己缝。

Key-Value键值

一个键换一个值，没有查询语言、没有条件筛选。放弃了一切灵活性，换来微秒级读写。常驻内存。

代表：Redis · Memcached · Upstash · Cloudflare KV

缓存会话/登录态限流排行榜

不擅长：当主库。它的定位是「挡在主库前面的那层」，不是「代替主库的那个」。

Wide-column宽列

为「写得比读得多得多」设计：数据按分区键散到几十上百台机器上，写入几乎线性扩展。

代表：Cassandra · ScyllaDB · HBase · Bigtable

海量写入时间线/消息IoT

代价：查询模式必须提前定死——建表时就要想好将来怎么查，事后想换个维度问，往往只能重灌一遍数据。

Graph图

把「关系本身」当成一等公民存起来。问「谁的朋友的朋友买过这个」时，关系型要 join 五层，图库一次遍历。

代表：Neo4j · Amazon Neptune · TigerGraph

社交网络风控团伙识别知识图谱

现实：绝大多数业务的关系深度不超过两跳——两跳以内，Postgres 加个索引就够了，多养一个系统不划算。

Vector向量

AI 时代新增的一类。把文字/图片压成一串数字，然后按「意思像不像」而不是「字面等不等」来找——RAG、语义搜索的地基。

代表：pgvector（Postgres 插件）· Pinecone · Qdrant · Milvus · Weaviate

语义检索RAG 知识库推荐去重

先别急着上专门的：百万级向量以内，pgvector 直接让你现有的 Postgres 兼职就够，能少一个系统就少一个。

Time-series时序

数据永远只按时间往后追加，查询永远是「最近 N 小时的平均值/峰值」。针对这个模式做了极致压缩和窗口聚合。

代表：InfluxDB · TimescaleDB（Postgres 插件）· Prometheus

监控指标设备上报行情

不擅长：改历史数据、按非时间维度做复杂关联。它的世界里时间是主键。

Columnar · OLAP列存分析型

把同一列的数据连着放。扫十亿行只取两列时，比行存快一到两个数量级。为报表而生，不为交易而生。

代表：ClickHouse · BigQuery · Snowflake · DuckDB

报表看板行为分析日志检索

不擅长：单行更新、高频小事务。它跟业务库是两套东西，见下一节。

Object Storage对象存储 · 不是数据库

存整个文件：图片、视频、PDF、备份包。给一个 key 换回一坨字节，不能按内容查询。便宜到可以当垃圾桶用，也确实该当垃圾桶用。

代表：S3 · Cloudflare R2 · 阿里云 OSS · Google GCS · Backblaze B2

图片视频备份归档数据湖

标准配法：文件放对象存储，「这个文件是谁的、叫什么、什么时候传的」放数据库——两边各存各的，用一个 key 串起来。

一条务实的经验

没想清楚之前，选 PostgreSQL。它能当关系型（本行）、当文档型（JSONB 字段）、当向量库（pgvector）、当时序库（TimescaleDB）、当队列（表 + FOR UPDATE SKIP LOCKED）、当全文搜索（tsvector）。这些兼职每一项都不是同类里最强的，但「少一个要运维的系统」这件事的价值，通常大于那点性能差。等某一项真的成了瓶颈，再把它单独拆出去。

A Second Axis · Transactions vs Analytics

还有一条正交的线：交易 vs 分析

这条线经常被忽略，然后在某个周一早上以「运营点开报表页，全站卡了 40 秒」的形式出现。它和上一节的八种形状互相垂直——同样是关系型，为交易设计的和为分析设计的是两种生物。

OLTP · 联机事务（业务库）

典型问题：把第 8848 号订单的状态改成已支付
访问特征：极高频、每次只碰几行、读写混合
存储方式：行存——一行数据物理上连着放
衡量指标：单次响应几毫秒、每秒几千次
代表：PostgreSQL / MySQL / MongoDB
它怕什么：一条 GROUP BY 扫了两亿行，把连接池和内存全占了

OLAP · 联机分析（分析库）

典型问题：过去 90 天各城市各渠道的转化率排名
访问特征：低频、每次扫上亿行、几乎只读
存储方式：列存——同一列的数据连着放，压缩率极高
衡量指标：单次几秒到几十秒、吞吐优先
代表：ClickHouse / BigQuery / Snowflake / DuckDB
它怕什么：让它一行一行地改数据

什么时候该分家

小规模（几百万行以内）不用分——业务库上加索引、加只读副本，报表直接查就行，多养一套系统不值。真该分家的信号有三个：① 报表查询开始拖慢线上写入；② 单表过亿行、聚合动辄几十秒；③ 要把多个来源的数据合起来算（订单 + 埋点 + 广告消耗）。到那时的标准做法是：业务库照旧写，另起一条管道把数据同步到列存库里算报表。

Layer 2 · Who Runs It

第二刀：谁在凌晨三点起床

同一个 PostgreSQL，有四种买法。从下往上，你付的钱越来越多，你要操的心越来越少——而且这条曲线不是线性的，最陡的一段在第一档到第二档之间。

L0
自己装 租一台服务器，apt install postgresql 你管：装机、调参、备份、恢复演练、版本升级、主从复制、监控告警、磁盘扩容、安全补丁。账单是最低的（一台 4C8G 云主机几十块一个月），代价是凌晨三点磁盘满的时候起床的人是你。适合：有专职运维、或者纯个人项目挂了也不要紧。

L1
云托管实例 买一台「已经装好并且有人看着」的数据库 代表：AWS RDS / Aurora · 阿里云 RDS · MongoDB Atlas 专用集群。云厂商管机器、备份、故障切换、补丁；你还是要管 schema、索引、容量规划、连接数。计费是按小时算固定实例费——半夜没人用也照付。MongoDB Atlas 最小的专用集群 M10 是 $0.08/小时，约 $56.94/月。

L2
Serverless 按真实用量计费，闲下来自动缩到零 代表：Neon · Aurora Serverless v2 · PlanetScale · Turso。Neon 的定价是存储 $0.35/GB·月 + 计算 $0.106/CU·小时（Launch 档），挂起状态的计算费用是 $0。真正的杀手锏其实不是省钱，是能像 Git 一样给数据库开分支——每个 PR 一套带真实数据的独立环境。代价：冷启动延迟、连接模型受限。

L3
BaaS 后端即服务 不只给你数据库，把整个后端一起给了 代表：Supabase · Firebase · Appwrite。除了数据库，还打包了用户认证、文件存储、实时订阅、自动生成的 REST/GraphQL 接口、边缘函数。一个前端工程师可以不写后端就上线一个产品。Supabase Pro 起价 $25/月。代价：认证体系和权限模型跟这家绑定，搬家成本主要不在数据，在这些周边。

// 注意：这四档不是「越往上越好」。团队里有运维、负载稳定又跑得久，L1 的固定实例通常比 L2 的按量计费更便宜也更可预测。

最常见的错位

「Supabase 和 Neon 哪个好」——它们不在同一个档。Neon 卖的是「一个会缩到零、能开分支的 Postgres」（L2）；Supabase 卖的是「一整套后端，其中数据库部分是 Postgres」（L3）。如果你已经有完整后端、只缺一个数据库，Neon 更合身；如果你想少写一整层后端，Supabase 省下的是人月而不是几十美元。

Layer 3 · Where It Physically Lives

第三刀：数据落在谁的地盘

这一层跟技术几乎无关，跟能不能用、贵不贵、合不合规关系极大。而且它有个反直觉的地方：那些看起来「独立」的厂商，机房往往还是租的前三家的。

Hyperscaler国际超大规模云

AWS · Google Cloud · Azure

什么都有，企业采购和合规文档最齐全。代价是复杂度和出网流量费——账单上最吓人的那一栏几乎永远是数据传出。

Edge Native边缘网络派

Cloudflare（R2 / D1 / KV / Durable Objects）

从 CDN 长出来的一整套存储。杀手锏只有一条但足够致命：出网流量不收费。代价是产品线年轻、单产品深度不如老牌。

China Cloud中国云

阿里云 · 腾讯云 · 华为云

国内用户访问延迟低、能开发票、能过等保。硬约束是域名备案与数据出境规定。接口大多兼容 S3 但不完全兼容，SDK 要用自家的。

Independent独立专业厂商

Supabase · Neon · MongoDB Atlas · PlanetScale · Upstash

开发体验最好、上手最快。但注意：它们大多跑在 AWS/GCP/Azure 的机房里——你以为绕开了超大规模云，其实只是多了一层中间商（换来的是好得多的产品）。

一个我们踩过的真问题：大陆可达性

国外的托管数据库在中国大陆不保证能连上，而且是「有时能有时不能」这种最难排查的形态。2026-07-28 我们在成都实测过一次：*.supabase.co 的 DNS 解析直接失败，同机 akke.vercel.app 超时。如果你的用户或员工在国内办公，这一条应该排在所有技术对比之前——它不是「慢一点」，是「打不开」。对应的解法只有几条：国内云 + 备案、双活部署、或者接受「这个系统只给能翻墙的人用」。

Object Storage · Follow The Money

S3 / R2 / OSS：存钱不多，取钱要命

对象存储这一类里，四家的技术差别小到可以忽略——接口几乎都兼容 S3，功能都够用。真正把它们分开的是一件事：你把文件下载出去的时候，收不收钱、收多少。这一栏的差距不是百分之几，是几十倍。

Egress · 出网流量单价

把 1 GB 数据从存储里下载到公网，要付多少钱（美元）

Amazon S3US East · 首 10TB$0.090

阿里云 OSS忙时 ¥0.50≈$0.069

阿里云 OSS闲时 ¥0.25≈$0.035

Backblaze B2超出免费额度后$0.010

Cloudflare R2无上限$0.000

// S3 每月前 100 GB 出网免费，超出后首 10TB 为 $0.09/GB，量级越大单价越低（40TB 档 $0.085、100TB 档 $0.07）。
// B2 提供「每月免费出网额度 = 3 倍平均存储量」，超出部分 $0.01/GB。
// 阿里云 OSS 只收公网流出方向，上传与内网流量免费；闲时为 00:00–08:00。汇率按 ¥7.2/$ 折算。

Storage · 存储单价

存 1 GB 数据一个月要多少钱（标准/热存储档，美元）

Amazon S3Standard 首 50TB$0.0230

阿里云 OSS标准型 LRS ¥0.12≈$0.0167

Cloudflare R2Standard$0.0150

Backblaze B2$6 / TB / 月$0.0060

// 注意这一栏的差距只有 约 4 倍，而上一栏是无穷倍——所以「哪家便宜」几乎完全由你的下载量决定，而不是存量。
// 冷数据还能再便宜一个量级：S3 Glacier Deep Archive $0.00099/GB·月，但取回要等几小时且另收费。

Real Bill · 同一份用量的月账单

场景：常年存 1 TB 素材，每月被下载 10 TB（一个中等流量的图片/视频站）

Amazon S3≈$914

阿里云 OSS按忙时价≈$711

Backblaze B2≈$76

Cloudflare R2≈$15

// 算法：存储 1000 GB × 单价＋出网 10000 GB × 单价（S3 扣掉 100GB 免费额度、B2 扣掉 3 倍存量的免费额度）。
// 未计入请求次数费（R2 的 Class A 写请求 $4.50/百万、Class B 读请求 $0.36/百万），量级通常在几美元内。
// 结论：同一份用量，最贵的比最便宜的贵约 61 倍，差额几乎全部来自出网流量。

怎么选

用户主要在国内 → 阿里云 OSS（备案 + 延迟 + 发票，这三条没有替代品）。面向海外、下载量大 → Cloudflare R2，出网免费这一条直接把账单的主要项抹平了。纯冷备份、极少取回 → Backblaze B2 或 S3 Glacier。已经重度绑定 AWS 生态（Lambda、Athena、EMR 都在用）→ 留在 S3，跨云搬运的隐性成本会吃掉省下的钱。

迁移成本几乎为零，这点很重要

这四家都兼容 S3 的 API。实际代码里换一家，通常只改三行：endpoint、access key、bucket 名。我们自己调 Cloudflare R2 用的就是 AWS 官方的 @aws-sdk/client-s3，一行业务代码都没改。所以这一类不值得纠结太久——先跑起来，账单变难看了再换。

The Postgres Family Feud

同一个 Postgres，四种买法

Supabase、Neon、RDS、自建——底下跑的是同一个开源 PostgreSQL，SQL 一模一样，数据也能互相导。区别全在「附赠什么」和「怎么计费」。所以选错了不致命，但选对能省很多事。

方案	它额外给你什么	计费方式	什么时候选它
Supabase	认证 · 文件存储 · 实时订阅 · 自动 REST API · 边缘函数 · 内置行级安全（RLS）后台	免费档 $0 Pro 起 $25/月	小团队想少写一整层后端；需要多租户隔离且愿意用 RLS 做硬边界
Neon	缩到零 · 数据库分支（像 Git 一样给每个 PR 开一套带真实数据的库）· 存算分离	免费档 $0 存储 $0.35/GB·月计算 $0.106/CU·时起	已有完整后端只缺数据库；波峰波谷极大；预览环境要多套
AWS RDS / Aurora	VPC 内网 · IAM 权限体系 · 与 AWS 全家桶深度打通 · 企业级 SLA 与合规文档	按实例小时数不用也付	公司已在 AWS 上；有合规审计要求；负载稳定可预测
阿里云 RDS / PolarDB	境内低延迟 · 中文工单 · 发票与等保合规 · 与国内生态打通	按实例包年包月或按量	用户和员工在国内；需要备案与合规落地
自建 PostgreSQL	什么都不给你，但也什么都不拦你——任意插件、任意版本、任意参数	一台云主机的钱	有专职运维；或纯内部工具挂了也不要紧；或成本压到极限

Neon 的「数据库分支」到底是什么

传统做法里，每个开发环境要么共用一个测试库（互相踩），要么各自灌一份假数据（跟线上不像）。Neon 把存储和计算拆开后，开一个分支只是记一个指针——几秒钟给你一套「和生产数据一模一样」的独立库，用完删掉不留痕。

对应的工作流是：每开一个 PR，CI 自动开一个数据库分支跑迁移和测试，PR 合并即销毁。这是它相对其他 Postgres 托管商最难被抄走的一条。

Supabase 的 RLS 是真正值钱的那部分

行级安全（Row Level Security）是 Postgres 自带的能力，但 Supabase 把它做成了默认路径：隔离规则写在数据库里，由数据库强制执行，而不是散落在几百个接口里靠人记得加一句 WHERE org_id = ...。

差别在漏一次的后果：应用层过滤漏一个接口＝跨租户串数据；RLS 漏一个接口＝查出来是空的。一个是事故，一个是 bug。

When Document Databases Are Actually Right

MongoDB 到底什么时候是对的

MongoDB 常年被两种偏见夹击：一种说「NoSQL 更现代更快」，一种说「Mongo 玩具而已」。两种都不对。它是一个针对特定形状做到极致的正经数据库，问题在于那个形状比很多人以为的要窄。

✓ 它真正对的场景

数据形状天生不齐：每个客户的表单字段都不一样，硬塞进固定表结构会长出 60 个 null 列
整份读、整份写：一个订单连着它的 12 个商品行一起取出来，天然就该是一份文档
嵌套很深且不需要拆开查：产品目录、配置快照、第三方 API 的原始回包
写入量大、要水平分片：分片是它的一等公民，不是后加的补丁
团队全是 JS/TS：存进去取出来都是 JSON，心智负担确实低

✗ 它常被误用的场景

「因为不用设计 schema」：schema 不会消失，只是从数据库挪进了应用代码，变成没人维护的隐式契约
业务本来就是规整的表：用户、订单、商品、支付——这就是关系型的主场
要跨集合关联出报表：$lookup 能做但很难受，这活儿 SQL 一句就完了
需要强约束：外键、唯一性组合、检查约束这类「数据库替你把关」的能力，关系型强得多
只是想存点 JSON：Postgres 的 JSONB 已经吃掉了这块的大半场景——能存能查能建索引，还不用多养一个系统

一句话判据

问自己：「我的数据是不是天生就不该被拆成表？」如果答案是「其实可以拆，只是懒得设计」——那就该用关系型，现在的懒会在半年后以「数据不一致」的形式还回来。如果答案是「真的拆不了，每份都长得不一样」——MongoDB 是对的，而且没有更好的替代。

价格档

MongoDB Atlas：M0 免费（512 MB，够学和做 demo）· Flex $0.011/小时起、按每秒操作数分档，上限约 $30/月 · M10 专用集群 $0.08/小时 ≈ $56.94/月（2 vCPU / 2 GB RAM / 10–128 GB 存储）。免费档和 Flex 档不收出网流量费，专用集群按底层云厂商的费率收。

Decision Tree

我这个东西该放哪

把前面三刀合起来，实际选型只需要顺着问下去。绝大多数项目会停在最左边那两条路上——这是好事，不是没追求。

读法

这棵树的默认路径是「文件进对象存储 · 其余全进 Postgres」——90% 的项目到这里就该停了。往右边分叉之前，先确认你手上有具体的、量化的理由（比如「单表两亿行、聚合查询 40 秒」），而不是「听说这个更适合」。多养一个数据库的成本，是长期的、每天都在付的。

Ten Myths

十条最贵的误解

这些说法在会议室里出现的频率极高，而每一条都会在几个月后变成一笔具体的账单或一次具体的事故。

MYTH 01「NoSQL 比 SQL 快」

快在特定访问模式下，不是普遍更快。用同样的索引、查同样的东西，Postgres 通常不输，还多送你事务和 join。「快」这个词单独出现时，基本没有信息量。

MYTH 02「文档型不用设计 schema」

schema 只是换了个地方住——从数据库挪进了应用代码，而且没人给它写迁移脚本。一年后你会有五个版本的文档形状同时存在，全靠 if (doc.v2) 兜。

MYTH 03「Supabase 是开源版 Firebase」

定位像，数据模型完全不同。Supabase 底下是关系型的 Postgres，Firebase 的 Firestore 是文档型。照着 Firebase 的思路建 Supabase 的表，会得到一个很难查的数据库。

MYTH 04「S3 很便宜」

存便宜，取不便宜。1 TB 存一个月 $23，但被下载 10 TB 就是 $891。对象存储的账单杀手永远是出网流量和请求次数，不是存储量。

MYTH 05「R2 是免费的」

免费的只有出网流量这一项。存储 $0.015/GB·月照收，写请求 $4.50/百万、读请求 $0.36/百万照收。它解决的是账单里最大的那一项，不是全部。

MYTH 06「做 RAG 必须上向量数据库」

百万级向量以内，pgvector 让你现有的 Postgres 直接兼职就够了。省下的不是订阅费，是又一套要备份、要监控、要和主库对账的系统。真到瓶颈再拆不迟。

MYTH 07「Serverless 一定更省钱」

波峰波谷大、经常闲置时确实省。但持续满载的生产库，按 CU-小时计费往往比同规格的固定实例更贵。Serverless 真正的价值常常是弹性和分支，不是省钱。

MYTH 08「报表直接查业务库就行」

数据量小的时候确实行，这也是对的选择。但一条扫全表的聚合会把连接池和内存吃光，让线上写入一起卡住。这个故障几乎总是在业务变好之后才出现。

MYTH 09「阿里云就是国内的 AWS，接口一样」

OSS 大体兼容 S3 API，但签名细节、部分头字段、生命周期规则并不完全一致，实际项目里通常还是用自家 SDK。「兼容」不等于「一样」，这个差别会在上线前一天冒出来。

MYTH 10「先按最大规模选，免得以后迁移」

为想象中的一亿用户选了一套要三个人运维的架构，是创业公司最常见的自伤。迁移的成本是确定的、可估算的；提前上重型架构的成本是每天都在付的。

Case Study · What We Actually Run

我们自己是怎么选的

Akke 是一套跑在生产上的多租户获客系统：抓评论、判意向、拟话术、真发私信。数据量不小、形状也不单一——但整套系统的存储只有两个：一个 Postgres，一个对象存储。这不是省事，是刻意的。

主库
Supabase PostgreSQL（BaaS 档）· 所有业务数据的唯一事实源 租户、账号池、抓来的视频与评论、会话状态机、消息队列、每日统计，全在一个库里。多租户隔离用 行级安全 RLS 做硬边界，而不是在几百个接口里手写过滤条件。

向量
pgvector 知识库检索没有独立向量数据库 装一个 pgvector 插件，向量就存在同一个 Postgres 的同一张表旁边。好处非常具体：检索结果和业务数据能直接 join，不用跨两个系统对账，也不用担心两边数据不同步。

文件
Cloudflare R2 图片、素材、图集全在 R2，数据库里只存 key 和元信息 用的是 AWS 官方的 @aws-sdk/client-s3——因为 R2 兼容 S3 接口，SDK 都不用换。选它的理由就一条：这些图会被反复下载，而 R2 的出网流量不要钱。

队列
还是 Postgres 没有 Redis、没有 Kafka、没有 BullMQ 任务队列就是数据库里的两张表（scrape_jobs / message_queue）加一个状态字段，worker 轮询认领。到目前的量级完全够用，而且白捡了一个好处：任务状态和业务数据在同一个事务里，不会出现「消息发了但库没写成」。

// 取向：能不多加一个系统就不加。每多一个存储，就多一套备份、监控、权限、故障预案和「两边数据对不上」的可能。

代价也要说清楚

这套选法的账不是没有：Supabase 在国内直连不稳（前面那条成都实测就是它）；Postgres 当队列在吞吐量继续涨上去之后迟早要换；pgvector 到千万级向量会顶不住。这些都是已知的、可预期的、到时候再解决的问题——比起为了它们提前上三套中间件，我们认为现在这样更划算。

Cheat Sheet

一页速查

前面所有内容压成一张表。价格均为按量付费的公开牌价，取自各厂商官方定价页，2026-08-05 核——只用于横向量级对比，实际账单请以厂商计算器为准。

产品	数据形状	运维形态	入门价 / 关键单价	一句话
关系型数据库 · Relational
PostgreSQL	关系型	开源引擎	免费（自己找地方跑）	没想清楚就选它，能兼职一大半别的活
Supabase	关系型（Postgres）	BaaS	免费档 / Pro $25 起超出：DB $0.125/GB、出网 $0.09/GB	把整个后端一起给你，RLS 是真值钱的那部分
Neon	关系型（Postgres）	Serverless	免费档 / 存储 $0.35 GB·月计算 $0.106 CU·时起	闲了缩到零，能给数据库开 Git 式分支
AWS RDS / Aurora	关系型	托管实例	按实例小时数	已在 AWS 上、要合规和 VPC 内网时的答案
阿里云 RDS / PolarDB	关系型	托管实例	按实例包年包月 / 按量	用户在国内、要备案和发票时的答案
其它形状 · Other Shapes
MongoDB Atlas	文档型	托管 / Serverless	M0 免费 · Flex $0.011/时起（≤$30/月） M10 专用 $0.08/时 ≈ $56.94/月	数据形状真的不齐时最好的选择
Redis / Upstash	键值	托管 / Serverless	按内存或按请求数	缓存、会话、限流；不要拿它当主库
ClickHouse	列存 OLAP	开源 / 托管	开源免费 · Cloud 按用量	报表和行为分析扫亿行的场子
pgvector	向量	Postgres 插件	免费（跟着主库走）	百万级以内先用它，别急着上专门的向量库
Pinecone / Qdrant	向量	托管	按索引规模 / 按用量	向量真上量、或要复杂过滤检索时再来
Neo4j	图	开源 / 托管	社区版免费 · Aura 按实例	关系深度超过两跳才划算
对象存储 · Object Storage（不是数据库）
Amazon S3	对象存储	托管	存 $0.023/GB·月出网 $0.09/GB（前 100GB 免费）	行业事实标准，生态最全，出网最贵
Cloudflare R2	对象存储	托管	存 $0.015/GB·月出网 $0 · 写 $4.50/百万、读 $0.36/百万	下载量一大就没有对手；兼容 S3 接口
阿里云 OSS	对象存储	托管	存 ¥0.12/GB·月（标准 LRS）出网 ¥0.50/GB 忙时 · ¥0.25 闲时	国内用户的默认答案，备案与发票齐全
Backblaze B2	对象存储	托管	存 $6/TB·月出网免费额度 = 3× 存量，超出 $0.01/GB	冷备份归档最便宜的一档

一句话总括：先分层——形状（存的东西长什么样）决定引擎、形态（谁替你运维）决定账单结构、供应商（在谁的机房）决定能不能用和合不合规；然后走默认路径——文件进对象存储，其余全进 Postgres；最后只在拿到具体的、量化的瓶颈证据时才分叉。多养一个数据库的代价是每天都在付的，而迁移的代价只付一次。

把一堆名字放回各自的货架