我使用PostgreSQL的COPY加载了一个巨大的CSV数据集 - Eclipse的Filtered Usage Data，它占用了大量的空间，因为它没有规范化：三个TEXT列更有效地重构为单独的表，到使用外键列从主表中引用。
我的问题是：在加载所有数据之后重构数据库是否更快，或者创建具有所有约束的目标表，然后加载数据？前者涉及重复扫描一个巨大的表（接近10 ^ 9行），而后者将涉及每个CSV行进行多次查询（例如之前是否看过这种动作类型？如果不是，请将其添加到actions表中，获取其ID，在主表中使用正确的操作ID等创建一行。）。
现在每个重构步骤大约需要一天左右，初始加载也需要大约相同的时间。
答案 0 :(得分：3)
根据我的经验，您希望将您关注的所有数据放入数据库中的临时表中并从那里开始，之后执行尽可能多的基于集合的逻辑，因为您很可能通过存储过程。加载到临时表时，表上没有任何索引。将数据加载到表中后创建索引。
点击此链接可获取一些提示http://www.postgresql.org/docs/9.0/interactive/populate.html