Paskutinį kartą atnaujinta: 2026 m. rugpjūčio 20 d.

Storing Emails in Databases vs. File Systems: PST, MBOX, and Beyond

El. laiškų saugojimas duomenų bazėse vs. failų sistemose: PST, MBOX ir daugiau

Kiekviena programinė įranga, kuri priima, archyvuoja arba teikia el. paštą, galiausiai susiduria su tuo pačiu architektūriniu kryžiumi: ar žinutės turėtų būti saugomos struktūruotoje duomenų bazėje ar tiesiog failų sistemoje?

Paviršiuje el. laiškas atrodo apgaulingai paprastas – antraščių blokas, paprasto teksto arba HTML turinys ir galbūt keli MIME koduoti priedai. Tačiau kai pereinate nuo vieno vartotojo darbalaukio dėžutės iki milijonų įmonės laiškų, atitikties archyvų ar daugiavartotojų SaaS kanalų, pagrindinis saugojimo variklis lemia viską – nuo užklausų delsos iki avarinių atkūrimo.

Išskaidykime, kaip klasikinių failų konteinerių, tokių kaip PST ir MBOX, pasirodymas lyginamas su šiuolaikinėmis santykinėmis ir NoSQL duomenų bazėmis, kur įsiterpia atskiri žinučių formatai, kaip EML ir Maildir, ir kodėl dauguma gamybos sistemų galų gale naudoja hibridinį požiūrį.

1. Failų sistemos saugojimas: klasikiniai pašto dėžutės konteineriai

El. laiškų saugojimas failų sistemoje yra toks pat senas kaip ir pats SMTP. Vietoj to, kad paleistų duomenų bazės demoną, pašto serveriai ir darbalaukio klientai istorijoje rašė laiškus tiesiai į diską naudodami vieno failo konteinerius arba katalogus, kuriuose po vieną failą kiekvienam laiškui.

MBOX: sujungtas paprasto teksto variklis

Iškilusi ankstyvuose Unix pašto sistemose, MBOX saugo visą el. laiškų aplanką viename, nuosekliame paprasto teksto faile. Kiekvienas laiškas prasideda specialia From skyriklio eilute, po kurios seka standartiniai RFC 5322 antraštės, laiško turinys ir Base64 koduoti priedai.

  • Privalumai: Kadangi MBOX yra atviras, žmogui skaitomas tekstinis formatas, jis yra universaliai palaikomas “Thunderbird”, “Apple Mail”, “Google Takeout” eksporto ir Unix komandų eilutės įrankių (grep, awk, sed). Pridėti naujai gautą el. laišką į failo pabaigą yra $O(1)$ sekvencinis įrašymas.
  • Trūkumai: Vėliavų atnaujinimas (kaip pažymėti laišką kaip “skaitytą”) arba laiško ištrynimas viduryje 10 GB MBOX failo priverčia klientą perrašyti didelius failo fragmentus. Dar blogiau, vieno disko sektoriaus sugadinimas arba lygiagrečios rašymo užrakto klaida gali sugadinti skyriklio ribas ir sutrikdyti visą pašto dėžutę.

PST: Microsoft nuosavybinis B‑medžio konteineris

Microsoft Personal Storage Table (PST) priima labai skirtingą požiūrį. Vietoj paprasto teksto PST failas iš esmės yra savarankiškas, dvejetainis duomenų bazės failas, struktūruotas aplink B‑medžius ir paskirstymo lenteles.

  • Privalumai: Vienas .pst failas įkapsuliuoja el. laiškus, aplankų hierarchijas, kalendoriaus įvykius, kontaktus, užduotis ir Outlook‑specifinius metaduomenis. Jis palaiko integruotą suspaudimą, šifravimą ir struktūruotą indeksavimą, nereikalaujant išorinio duomenų bazės serverio.
  • Trūkumai: PST yra uždaras, nuosavybinis formatas, glaudžiai susijęs su Windows ir Microsoft Outlook. Failų dydžiai istoriškai pasiekia apie 50 GB pagal numatytuosius nustatymus šiuolaikinėse Outlook konfigūracijose, o PST failų saugojimas tinklo bendrinimuose yra žinomas dėl indeksų korupcijos sukėlimo.

Maildir ir EML: po vieną failą kiekvienam pranešimui

Norint pašalinti blokavimo ir korupcijos košmarus, susijusius su monolitiniais MBOX ir PST failais, architektūros, tokios kaip Maildir (populiarintas Qmail ir Dovecot), saugo kiekvieną atskirą el. laišką kaip atskirą failą – dažnai struktūruotą kaip standartinius .eml (RFC 5322) failus – organizuotus tmp/, new/ ir cur/ kataloguose.

  • Privalumai: Atominiai failų perkėlimai pašalina užrakinimo konfliktus. Jei disko sektorius sugenda, prarandate vieną el. laišką, o ne dešimt metų korespondencijos. Standartiniai OS atsarginiai kopijavimai, rsync ir inkrementiniai momentiniai vaizdai tampa be pastangų.
  • Trūkumai: Milijonų smulkių failų saugojimas išnaudoja failų sistemos inodes ir sumažina katalogų sąrašo našumą, nebent suskirstytumėte katalogus pagal datą arba maišą (pvz., /2026/11/14/a3/msg-id.eml). Pilnas tekstinis paieškos vykdymas per neapdorotus .eml failus yra labai lėtas be atskirų indeksų failų.

2. Duomenų bazės saugojimas: reliaciniai ir NoSQL varikliai

Kai programoms reikia momentinės paieškos, daugelio vartotojų lygiagrečios prieigos, vaidmenimis paremtos prieigos kontrolės arba sudėtingų analitikos (pvz., CRM platformų, pagalbos centrų ir eDiscovery įrankių), inžinieriai dažnai kreipiasi į duomenų bazes, tokias kaip PostgreSQL, MySQL, Elasticsearch arba MongoDB.

Kaip duomenų bazės modeliuoja el. paštą

Reliacinėje duomenų bazėje el. laiškas nėra saugomas kaip nepermatomas duomenų blokas – jis normalizuojamas į užklausoms tinkamus objektus:

CREATE TABLE emails (
    id UUID PRIMARY KEY,
    thread_id UUID NOT NULL,
    message_id VARCHAR(255) UNIQUE NOT NULL,
    sender VARCHAR(320) NOT NULL,
    subject TEXT,
    received_at TIMESTAMPTZ NOT NULL,
    is_read BOOLEAN DEFAULT FALSE,
    headers JSONB,
    body_text TEXT,
    body_html TEXT
);

CREATE INDEX idx_emails_thread_received ON emails (thread_id, received_at DESC);
CREATE INDEX idx_emails_fts ON emails USING GIN (to_tsvector('english', coalesce(subject, '') || ' ' || coalesce(body_text, '')));

Duomenų bazės saugojimo privalumai

  1. Sub-milisekundinis filtravimas ir gijų valdymas: “Visų neskaitytų el. laiškų iš konkretaus domeno per pastarąsias 30 dienų” gavimas naudoja B-tree ir GIN indeksus, o ne skenuoja gigabaitus disko teksto.
  2. ACID operacijos ir lygiagretumas: Daugelis fono darbuotojų, IMAP sinchronizacijos procesų ir žiniatinklio klientų gali saugiai atnaujinti skaitymo būsenas, etiketes ir aplankų priskyrimus vienu metu be failų užrakinimo konfliktų.
  3. Struktūruoti metaduomenys ir dubliavimosi šalinimas: Laikant priedų SHA-256 maišas, galite pašalinti identiškų PDF failų dubliavimą, išsiųstų 500 vidinių gavėjų – tai, ką monolitiniai PST arba MBOX failai dubliuoja 500 kartų.

Duomenų bazės saugojimo trūkumai

  1. Saugojimo pertekliai ir kaštai: Saugojimas kelių megabaitų Base64 priedų ir neapdorotų HTML turinio pagrindinėse duomenų bazės lentelėse padidina duomenų bazės dydį, sulėtina replikaciją, išplečia rašymo į priekį žurnalus (WAL) ir padidina SSD/debesų IOPS išlaidas.
  2. Atsarginės kopijos ir atkūrimo spūstys: 2 TB reliacinės duomenų bazės atkūrimas iš momentinės kopijos trunka žymiai ilgiau nei atskirų failų atkūrimas iš objektų saugyklos.
  3. Žaliųjų duomenų tikslumo praradimas: Jei įeinantį el. laišką išskaidote į duomenų bazės stulpelius ir išmetate originalų MIME srautą, galite sugadinti DKIM kriptografines parašus arba prarasti neaiškius pasirinktinius antraštes, reikalingas teisinėms auditų patikrinimams.

3. Šalia šalia palyginimas: failų sistemos vs. duomenų bazės

Architektūrinis veiksnysMBOX (Plokščias failas)PST (Dvejetainis konteineris)Maildir / EML (Po failo)SQL / NoSQL duomenų bazė
Saugojimo struktūraVienas sujungtas tekstinis failasNuosavybinis dvejetainis B‑medžio failasVienas RFC 5322 failas kiekvienam el. laiškuiNormalizuotos lentelės / JSON dokumentai
Užklausų ir paieškos greitisLėta (reikalauja linijinės peržiūros arba išorinio indekso)Greita Outlook programoje; lėta išorėjeLėta be šoninio indeksoLabai greita (B-tree, GIN, full-text)
LygiagretiškumasPrasta (reikalauja failų lygio užrakinimo)Tik vieno naudotojo darbalaukio užraktasAukštas (atominės failų operacijos)Aukštas (eilutės lygio ACID užrakinimas)
Sutrikimo poveikio spindulysAukštas (visas aplankas/pašto dėžutė yra pavojuje)Aukštas (vienas failas saugo visą pašto dėžutę)Žemas (apsiribojęs vienu pranešimu)Vidutinis (sumažintas naudojant WAL ir kopijas)
PortabilumasAukštas (atviras standartas tarp Unix/Mac/Linux)Žemas (pririštas prie Microsoft ekosistemos)Aukščiausias (universali .eml standartas)Žemas (susietas su programos schema)
Priedų deduplikavimasNėraRibotas vidinis suspaudimasNėra (išskyrus kietąjį susiejimą)Natūraliai per turinio adresuojamą maišą

4. Už dvejetainio pasirinkimo ribų: Moderni hibridinė architektūra

Šiuolaikinėje debesų inžinerijoje griežtai rinktis tarp duomenų bazės arba failų sistemos yra klaidinga dichotomija. Didelio masto el. pašto platformos, atitikties archyvai ir SaaS įrankiai beveik visuotinai priima hibridinę objektų‑metaduomenų architektūrą:

  1. Neapdorotas laiškas ir priedai objektų saugykloje (S3 / GCS / MinIO): Kai gaunamas el. laiškas, tikslus, nepakeistas .eml MIME turinys – ir bet kokie išgauti binariniai priedai – įrašomas nekeičiant į objektų saugyklą naudojant turinio adresuotą arba datos padalintą raktą (pvz., s3://mail-archive/2026/11/14/<sha256>.eml). Tai išsaugo originalius DKIM parašus, sumažina saugojimo išlaidas iki centų už gigabaitą ir izoliuoja didelius binarinius duomenis nuo transakcinių duomenų bazių.
  2. Antraštės, būsena ir ryšiai reliacinėje duomenų bazėje: PostgreSQL arba MySQL saugo lengvą metaduomenų rinkinį: siuntėją, gavėjus, temą, laiko žymas, temų ID, aplankų rodykles, skaitymo/neskaitymo vėliavas ir S3 objekto raktą.
  3. Pilno teksto paieška specializuotoje paieškos sistemoje: Norint atlikti momentinę raktažodžių paiešką tarp milijardų laiškų, išgautas paprastas tekstas srautinai siunčiamas asinchroniškai į Elasticsearch, OpenSearch arba Typesense.
  4. Eksportavimo kanalai PST ir MBOX formatams: Vietoj to, kad PST arba MBOX būtų naudojami kaip tiesioginė gamybinė saugykla, šiuolaikinės sistemos generuoja .pst, .mbox arba .zip archyvus iš .eml failų pagal poreikį, kai vartotojai prašo Google Takeout tipo eksporto arba teisinio eDiscovery paketo.

Kurią požiūrį turėtumėte pasirinkti?

  • Naudokite MBOX arba EML failų sistemoje kuriant vietinius darbalaukio klientus, lengvus CLI įrankius, nešiojamas atsargines kopijas arba teisinės duomenų perdavimo konvejerius, kur svarbiausia yra nulio priklausomybės perkeliamumas.
  • Naudokite PST tik tada, kai būtina suderinamumas su Microsoft Outlook darbalaukio aplinkomis arba senesniais Exchange eksporto formatais.
  • Naudokite duomenų bazės + objektų saugyklos hibridą bet kuriai daugelio vartotojų internetinei programai, klientų aptarnavimo platformai arba įmonės archyvui, kuriam reikalinga greita paieška, lygiagreti prieiga ir horizontali mastelio keitimo galimybė.

Dažnai užduodami klausimai (DUK)

1. Ar geriau saugoti el. laiškus duomenų bazėje ar kaip failus diske? Aukštos lygių programoms, kurioms reikalinga greita paieška ir filtravimas, geriausiai tinka hibridinė strategija – saugoti ieškoma metaduomenis duomenų bazėje, o neapdorotus .eml failus arba priedus – objektų saugykloje.

2. Kuo pagrindinis PST ir MBOX failų formatų skirtumas? PST yra Microsoft Outlook nuosavybinis dvejetainis konteineris, kuriame kartu saugomi el. laiškai, kalendoriai ir kontaktai, o MBOX – atviras paprasto teksto formatas, kuris sujungia el. laiškų žinutes į vieną failą.

3. Kodėl dideli MBOX ir PST failai tampa linkę į korupciją? Kadangi abu formatai suspaudžia tūkstančius laiškų į vieną monolitinį failą, pertrauktas rašymas, disko sektoriaus klaida arba tinklo dalijimosi klaida gali sugadinti vidinius rodyklius arba laiškų ribojimo ženklus visame archyve.

4. Kodėl el. laiškų priedų tiesioginis saugojimas SQL duomenų bazėse yra nerekomenduojamas? Dideli binariniai arba Base64 priedai išplečia duomenų bazės lenteles, sulėtina atsarginių kopijų kūrimą ir replikaciją bei žymiai padidina greitosios saugyklos kaštus, palyginti su objektų saugykla ar failų sistemomis.

5. Kada kūrėjai turėtų naudoti EML arba Maildir vietoj MBOX? Kūrėjai turėtų pasirinkti EML arba Maildir, kai jiems reikia atominių failų operacijų, saugaus lygiagrečio priėjimo ir izoliuoto laiškų atkūrimo be failo užrakinimo ar viso pašto dėžutės failo perrašymo.

Taip pat žiūrėkite