Ostatnia aktualizacja: 20 sierpnia 2026

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

Przechowywanie e‑maili w bazach danych vs. systemach plików: PST, MBOX i dalej

Każdy system oprogramowania, który pobiera, archiwizuje lub obsługuje e‑mail, w końcu napotyka ten sam rozstaje architektoniczny: czy wiadomości powinny znajdować się w uporządkowanej bazie danych, czy bezpośrednio w systemie plików?

Na pierwszy rzut oka e‑mail wydaje się zwodniczo prosty — blok nagłówków, treść w formacie zwykłego tekstu lub HTML oraz ewentualnie kilka załączników kodowanych MIME. Jednak gdy skalujesz od skrzynki pocztowej jednego użytkownika na pulpicie do milionów wiadomości korporacyjnych, archiwów zgodności czy wielodzierżawczych potoków SaaS, podstawowy silnik przechowywania decyduje o wszystkim, od opóźnień zapytań po odzyskiwanie po awarii.

Rozbijmy, jak klasyczne kontenery oparte na plikach, takie jak PST i MBOX, wypadają w porównaniu z nowoczesnymi relacyjne i NoSQL bazy danych, gdzie pasują indywidualne formaty wiadomości, takie jak EML i Maildir, oraz dlaczego większość systemów produkcyjnych kończy używać podejścia hybrydowego.

1. Przechowywanie w systemie plików: klasyczne kontenery skrzynek pocztowych

Przechowywanie e‑maili w systemie plików jest tak stare jak sam SMTP. Zamiast uruchamiać demona bazy danych, serwery pocztowe i klienci stacjonarni historycznie zapisywali wiadomości bezpośrednio na dysku, używając albo pojedynczych kontenerów plikowych, albo katalogów z jednym plikiem na wiadomość.

MBOX: Połączony tekstowy silnik

Pochodzący z wczesnych systemów pocztowych Unix, MBOX przechowuje cały folder e‑maili w jednym, sekwencyjnym pliku tekstowym. Każda wiadomość zaczyna się od specjalnej linii ogranicznika From , po której następują standardowe nagłówki RFC 5322, treść wiadomości oraz załączniki zakodowane w Base64.

  • Zalety: Ponieważ MBOX jest otwartym, czytelnym dla człowieka formatem tekstowym, jest powszechnie obsługiwany w Thunderbird, Apple Mail, eksportach Google Takeout oraz narzędziach wiersza poleceń Unix (grep, awk, sed). Dodanie nowo otrzymanego e‑maila na koniec pliku jest zapisem sekwencyjnym o złożoności $O(1)$.
  • Wady: Aktualizacja flag (np. oznaczenie e‑maila jako “przeczytany”) lub usunięcie wiadomości w środku 10‑GB pliku MBOX zmusza klienta do przepisania dużych fragmentów pliku. Co gorsza, pojedyncza korupcja sektora dysku lub jednoczesna awaria blokady zapisu może uszkodzić granice ograniczników i zniszczyć całą skrzynkę pocztową.

PST: Własny kontener B-drzewa Microsoftu

Microsoft Personal Storage Table (PST) przyjmuje zupełnie inne podejście. Zamiast płaskiego tekstu, plik PST jest zasadniczo samodzielnym, binarnym plikiem bazy danych, strukturyzowanym wokół drzew B oraz tabel przydziału.

  • Zalety: Jeden plik .pst zawiera e‑maile, hierarchie folderów, wydarzenia kalendarza, kontakty, zadania oraz metadane specyficzne dla Outlooka. Obsługuje wbudowaną kompresję, szyfrowanie i strukturalne indeksowanie bez potrzeby zewnętrznego serwera bazy danych.
  • Wady: PST jest zamkniętym, własnościowym formatem ściśle powiązanym z systemem Windows i Microsoft Outlook. Rozmiary plików historycznie maksymalnie dochodzą do około 50 GB domyślnie w nowoczesnych konfiguracjach Outlooka, a przechowywanie plików PST na udziałach sieciowych jest znane z powodowania uszkodzeń indeksu.

Maildir i EML: Jeden plik na wiadomość

Aby wyeliminować koszmary związane z blokowaniem i uszkodzeniami monolitycznych plików MBOX i PST, architektury takie jak Maildir (spopularyzowane przez Qmail i Dovecot) przechowują każdy pojedynczy e‑mail jako osobny plik — często strukturyzowany jako standardowe pliki .eml (RFC 5322) — zorganizowane w katalogach tmp/, new/ i cur/.

  • Mocne strony: Atomowe przenoszenie plików eliminuje rywalizację o blokady. Jeśli sektor dysku ulegnie awarii, tracisz jedną wiadomość zamiast dziesięciu lat korespondencji. Standardowe kopie zapasowe systemu operacyjnego, rsync i przyrostowe migawki stają się bezwysiłkowe.
  • Słabości: Przechowywanie milionów małych plików wyczerpuje inode’y systemu plików i pogarsza wydajność wyświetlania katalogów, chyba że podzielisz katalogi według daty lub hasha (np. /2026/11/14/a3/msg-id.eml). Pełnotekstowe wyszukiwanie w surowych plikach .eml jest bolesnie wolne bez osobnego pliku indeksu.

2. Przechowywanie w bazie danych: Silniki relacyjne i NoSQL

Gdy aplikacje potrzebują natychmiastowego wyszukiwania, współbieżności wieloużytkownikowej, kontroli dostępu opartej na rolach lub złożonych analiz (takich jak platformy CRM, helpdeski i narzędzia eDiscovery), inżynierowie często sięgają po bazy danych takie jak PostgreSQL, MySQL, Elasticsearch lub MongoDB.

Jak bazy danych modelują e‑mail

W relacyjnej bazie danych e‑mail nie jest przechowywany jako nieprzezroczysty blob — jest znormalizowany do zapytaniowych encji:

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, '')));

Zalety przechowywania w bazie danych

  1. Filtrowanie i wątkowanie w podmilisekundach: Pobieranie “wszystkich nieprzeczytanych e‑maili z określonej domeny z ostatnich 30 dni” wykorzystuje indeksy B-tree i GIN zamiast skanowania gigabajtów tekstu na dysku.
  2. Transakcje ACID i współbieżność: Wiele procesów w tle, procesów synchronizacji IMAP i klientów internetowych może bezpiecznie aktualizować stany odczytu, etykiety i przypisania folderów jednocześnie, bez kolizji blokad plików.
  3. Strukturalne metadane i deduplikacja: Przechowywanie skrótów SHA-256 załączników pozwala deduplikować identyczne pliki PDF wysyłane do 500 wewnętrznych odbiorców — coś, co monolityczne pliki PST lub MBOX duplikują 500 razy.

Wady przechowywania w bazie danych

  1. Rozrost przechowywania i koszty: Przechowywanie wielomegabajtowych załączników w formacie Base64 oraz surowych ciał HTML w głównych tabelach bazy danych zwiększa rozmiar bazy, spowalnia replikację, powiększa dzienniki zapisu przed odczytem (WAL) i podnosi koszty IOPS SSD/chmury.
  2. Wąskie gardła kopii zapasowych i przywracania: Przywrócenie 2‑TB relacyjnej bazy danych ze migawki trwa znacznie dłużej niż przywracanie pojedynczych plików z magazynu obiektowego.
  3. Utrata surowej integralności danych: Jeśli przetworzysz przychodzący e‑mail na kolumny bazy danych i odrzucisz oryginalny strumień MIME, możesz uszkodzić kryptograficzne podpisy DKIM lub utracić niejasne niestandardowe nagłówki potrzebne do audytu kryminalistycznego.

3. Porównanie obok siebie: Systemy plików vs. Bazy danych

Czynnik architektonicznyMBOX (Plik płaski)PST (Kontener binarny)Maildir / EML (Per-File)SQL / NoSQL Baza danych
Struktura przechowywaniaPojedynczy połączony plik tekstowyWłasny binarny plik B-drzewaJeden plik RFC 5322 na e-mailZnormalizowane tabele / dokumenty JSON
Szybkość zapytań i wyszukiwaniaWolny (wymaga skanowania liniowego lub zewnętrznego indeksu)Szybki w Outlooku; wolny zewnętrznieWolny bez indeksu sidecarNiezwykle szybki (B-tree, GIN, pełnotekstowy)
WspółbieżnośćSłaba (wymaga blokowania na poziomie pliku)Tylko blokada jednego użytkownika na komputerzeWysoka (atomowe operacje na plikach)Wysoki (blokowanie ACID na poziomie wiersza)
Zasięg rozprzestrzeniania się korupcjiWysoki (cały folder/skrzynka pocztowa zagrożona)Wysoki (pojedynczy plik zawiera całą skrzynkę pocztową)Niski (ograniczony do jednej wiadomości)Średni (łagodzony przez WAL i repliki)
PrzenośnośćWysoki (otwarty standard na Unix/Mac/Linux)Niski (związany z ekosystemem Microsoft)Najwyższy (uniwersalny standard .eml)Niski (powiązany ze schematem aplikacji)
Usuwanie duplikatów załącznikówBrakOgraniczona wewnętrzna kompresjaBrak (chyba że twardo połączone)Natywne poprzez haszowanie adresowane treścią

4. Poza binarnym wyborem: nowoczesna architektura hybrydowa

We współczesnym inżynierii chmury, wybór wyłącznie pomiędzy bazą danych lub systemem plików jest fałszywą dychotomią. Platformy e‑mail o dużej skali, archiwa zgodności i narzędzia SaaS prawie powszechnie przyjmują Hybrydową architekturę obiekt‑metadane:

  1. Surowa wiadomość i załączniki w magazynie obiektowym (S3 / GCS / MinIO): Gdy przychodzi e‑mail, dokładny, niezmodyfikowany .eml MIME payload—and any extracted binary attachments — jest zapisywany niezmiennie w magazynie obiektowym przy użyciu klucza opartego na adresie treści lub podzielonego według daty (np. s3://mail-archive/2026/11/14/<sha256>.eml). To zachowuje oryginalne podpisy DKIM, utrzymuje koszty przechowywania na poziomie groszy za gigabajt i izoluje duże ilości danych binarnych od baz danych transakcyjnych.
  2. Nagłówki, stan i relacje w relacyjnej bazie danych: PostgreSQL lub MySQL przechowuje lekkie metadane: nadawcę, odbiorców, temat, znaczniki czasu, identyfikatory wątków, wskaźniki folderów, flagi przeczytane/nieprzeczytane oraz klucz obiektu S3.
  3. Wyszukiwanie pełnotekstowe w dedykowanej wyszukiwarce: Aby zapewnić natychmiastowe wyszukiwanie słów kluczowych wśród miliardów wiadomości, wyodrębniony czysty tekst jest przesyłany asynchronicznie do Elasticsearch, OpenSearch lub Typesense.
  4. Potoki eksportu dla PST i MBOX: Zamiast używać PST lub MBOX jako bieżącego magazynu produkcyjnego, nowoczesne systemy generują archiwa .pst, .mbox lub .zip plików .eml na żądanie, gdy użytkownicy żądają eksportu w stylu Google Takeout lub pakietu eDiscovery prawnego.

Które podejście powinieneś wybrać?

  • Używaj MBOX lub EML w systemie plików przy tworzeniu lokalnych klientów desktopowych, lekkich narzędzi CLI, przenośnych kopii zapasowych lub forensycznych potoków transferu danych, gdzie najważniejsza jest przenośność bez zależności.
  • Używaj PST tylko wtedy, gdy wymagana jest interoperacyjność z środowiskami Microsoft Outlook na komputerze lub starszymi eksportami Exchange.
  • Używaj hybrydy Bazy Danych + Przechowywania Obiektów dla każdej wieloużytkownikowej aplikacji webowej, platformy wsparcia klienta lub archiwum przedsiębiorstwa, które wymagają szybkiego wyszukiwania, współbieżnego dostępu i skalowalności poziomej.

Najczęściej zadawane pytania (FAQ)

1. Czy lepiej przechowywać e‑maile w bazie danych, czy jako pliki na dysku? Dla aplikacji o wysokiej współbieżności, wymagających szybkiego wyszukiwania i filtrowania, najlepsze jest podejście hybrydowe — przechowywanie metadanych możliwych do przeszukiwania w bazie danych oraz surowych plików .eml lub załączników w magazynie obiektów.

2. Jaka jest główna różnica między formatami plików PST i MBOX? PST jest własnościowym binarnym kontenerem Microsoft Outlook, który przechowuje e‑maile, kalendarze i kontakty razem, natomiast MBOX jest otwartym formatem tekstowym, który łączy wiadomości e‑mail w jeden plik.

3. Dlaczego duże pliki MBOX i PST są podatne na uszkodzenia? Ponieważ oba formaty pakują tysiące wiadomości w jeden monolityczny plik, przerwane zapisy, błąd sektora dysku lub problem udostępniania w sieci mogą uszkodzić wewnętrzne wskaźniki lub delimitery wiadomości w całym archiwum.

4. Dlaczego przechowywanie załączników e-mail bezpośrednio w bazach danych SQL jest odradzane? Duże załączniki binarne lub w formacie Base64 zwiększają rozmiar tabel baz danych, spowalniają kopie zapasowe i replikację oraz znacząco podnoszą koszty szybkiego przechowywania w porównaniu z przechowywaniem obiektowym lub systemami plików.

5. Kiedy programiści powinni używać EML lub Maildir zamiast MBOX? Programiści powinni wybrać EML lub Maildir, gdy potrzebują atomowych operacji na plikach, bezpiecznego współbieżnego dostępu oraz izolowanego odzyskiwania wiadomości bez blokowania lub przepisywania całego pliku skrzynki pocztowej.

Zobacz także