Geschrieben von Huifer, Solo-Entwickler und Maintainer von TanStack Ship. Ich betreibe D1 in acht produktiven SaaS-Apps, Neon in zwei produktiven B2B-Apps und habe mit Cloudflare Durable Objects, Turso/libSQL und Supabase in kleineren Projekten entwickelt. Dieser Artikel ist der ehrliche Vergleich, den ich mir gewünscht hätte — zuerst die Stärken jeder Option, dann wo sie verliert, mit einem Entscheidungsframework am Ende. Keine Anbieter-Sponsoring; jede Aussage unten stammt aus einem Production-Trace.
Verifizierte Quellen: Cloudflare D1-Dokumentation · D1 Best Practices · D1 Limits · Neon Serverless Postgres · Supabase-Dokumentation · Turso / libSQL · Cloudflare Durable Objects · SQLite Query Planner · Workers Analytics Engine · TanStack Ship Database Guide
Zuletzt aktualisiert: 2026-09-11 · Changelog
TL;DR: Für ein Workers-natives, read-heavy SaaS im Jahr 2026 ist D1 der richtige Default — Reads im Sub-Millisekundenbereich von regionalen Replicas, kein Connection Pool, SQLites Query Planner, eine einzige Abrechnungszeile. Die ehrlichen Alternativen sind Neon (Serverless Postgres, wenn Sie
JSONBundLISTEN/NOTIFYbrauchen), Supabase (Postgres + Auth + Storage als Bundle), Turso/libSQL (libSQLs Multi-Region-Edge, wenn D1s Replikationstopologie nicht passt) und Cloudflare Durable Objects (Zustand pro Entität für Echtzeit-Koordination). Dieser Artikel vergleicht jede Option auf ihrer stärksten Achse, benennt, wo sie verliert, und endet mit einer Entscheidungsmatrix. Wenn Sie zuerst den Performance-Deep-Dive wollen, lesen Sie den D1-Performance-Benchmark-Post für SaaS; für die Production-Patterns den D1-Production-Guide.
Cloudflare D1 vs. Alternativen für die Produktion: Ein ehrlicher Vergleich 2026
Die Frage nach der „besten Datenbank für ein SaaS 2026“ hat keine einzige Antwort, aber eine kleine Anzahl ehrlicher. Cloudflare D1 ist eine davon; Neon, Supabase, Turso und Cloudflare Durable Objects sind die anderen, mit denen ich bereits ausgeliefert habe. Jede Alternative wird auf ihrer stärksten Achse gewürdigt und dann dort benannt, wo sie tatsächlich verliert — am Ende steht eine Entscheidungsmatrix.
Die Datenbankentscheidung für die Produktion im Jahr 2026
Drei Kräfte haben die Datenbanklandschaft für ein Solo-SaaS in den letzten drei Jahren umgeformt. Edge-Runtimes — Cloudflare Workers, Vercel Edge, Deno Deploy — haben Compute nahe an die Nutzer gebracht. Serverless Postgres — Neon, Supabase, PlanetScale — hat die Entscheidung „eine Postgres-VM für 40 $/Monat provisionieren“ durch nutzungsbasierte Preise ersetzt. SQLite ist zu einem Primitive für verteilte Systeme geworden, wobei libSQL und D1 aus einer Ein-Datei-Engine eine global replizierte Datenbank machten.
Für einen SaaS-Gründer bedeutet das praktisch: Die Datenbankwahl dreht sich nicht mehr darum, welche Engine „am besten“ ist, sondern welcher Trade-off zur Form Ihrer App passt.
Cloudflare D1: Die Edge-SQLite-Wette
Die Form eines D1-Schemas ist der SQLite-Dialekt, den jeder Entwickler kennt — INTEGER PRIMARY KEY, TEXT, partielle Indizes. Die Datenbank lebt am Edge und wird für Sie repliziert.
-- D1-Schema: SQLite-Dialekt, tenant_id zuerst
CREATE TABLE projects (
id TEXT PRIMARY KEY,
tenant_id TEXT NOT NULL,
name TEXT NOT NULL,
created_at INTEGER NOT NULL DEFAULT (unixepoch())
);
CREATE INDEX idx_projects_tenant_created
ON projects(tenant_id, created_at DESC);
Stärken: Wo D1 gewinnt
D1s drei Produktionsvorteile haben sich über meine acht Deployments hinweg bewährt.
Erstens: Regionale Read Replicas ohne Connection Pool. D1 erstellt automatisch Read Replicas über das Cloudflare-Netzwerk, und ein Primärschlüssel-Lesezugriff, der von der nächsten Replica bedient wird, kehrt in meinen Traces in unter 1,5 ms zurück. Laut der D1-Dokumentation ist das Binding aus Sicht des Requests zustandslos — kein Pool zu tunen, keine Max-Connections-Grenze zu erreichen. Für einen Solo-Entwickler ist diese operative Einfachheit echtes Geld wert.
Zweitens: SQLites Query Planner. SQLite ist eine Ein-Datei-Engine mit konservativem Planner. Laut der SQLite-Query-Planner-Dokumentation ist der Planner versionsübergreifend konsistent, was bedeutet: Der EXPLAIN-Output in der Entwicklung ist der Plan in der Produktion. Dieser Determinismus wiegt schwerer als ein clevererer Planner.
Drittens: Workers-native Integration. D1 ist ein Binding in env, kein Connection String. Kein Treiber, kein pg-Client, kein SSL-Handshake — das Binding ist einfach da, wenn der Worker startet. Für ein Cloudflare-natives SaaS sind die Integrationskosten null.
Grenzen: Wo D1 aufhört, die richtige Wahl zu sein
Drei Grenzen haben mich echte Produktionszeit gekostet.
Erstens: Der Write Lock auf Datenbankebene. Jede Mutation serialisiert sich hinter einem einzigen Write Lock. Die Obergrenze variiert, aber die Form ist konsistent: ein scharfer Abfall jenseits von einigen hundert Mutationen pro Sekunde auf derselben Datenbank. Der D1-Write-Lock-Postmortem dokumentiert die Obergrenze von 250 req/s.
Zweitens: Das 10-GB-Limit pro Datenbank. Laut der D1-Limits-Dokumentation ist jede Datenbank auf 10 GB begrenzt. Für Multi-Tenant-SaaS-Apps, in denen ein Tenant dominiert, ist das eine echte Einschränkung. Die Lösung ist Sharding, aber die operative Oberfläche wächst.
Drittens: Die Lücke bei SQLite-spezifischen Features. Alles Postgres-spezifische — JSONB-Operatoren, LISTEN/NOTIFY, Advisory Locks — muss im SQLite-Dialekt neu ausgedrückt oder weggelassen werden. Volltextsuche ist das eine Postgres-Feature, dessen Verlust man erwartet, das D1 tatsächlich abdeckt: SQLites FTS5-Erweiterung funktioniert in der Produktion gut, wie der D1-FTS5-Volltextsuche-Guide zeigt. Das Optimierungs-Walkthrough finden Sie im D1-Optimierungs-Writeup.
Postgres-basierte Alternativen für die Produktion
Neon: Serverless Postgres
Neon ist für einen SaaS-Gründer der engste geistige Verwandte von D1 — nur auf Postgres statt SQLite gebaut. Laut der Neon-Dokumentation trennt Neon Compute und Storage: Eine Postgres-kompatible Compute-Schicht liest aus einer verteilten Storage-Schicht, und kalter Compute startet in ~500 ms. Die beiden Neon-Deployments, die ich betreibe, sind ein B2B-Analytics-Tool mit ~50.000 Anfragen/Tag und ein Entwickler-Dashboard.
-- Neon / Postgres: gleiche Form, anderer Dialekt
CREATE TABLE projects (
id UUID PRIMARY KEY DEFAULT gen_random_uuid(),
tenant_id UUID NOT NULL REFERENCES tenants(id) ON DELETE CASCADE,
name TEXT NOT NULL,
created_at TIMESTAMPTZ NOT NULL DEFAULT now()
);
CREATE INDEX idx_projects_tenant_created
ON projects(tenant_id, created_at DESC);
-- Postgres-spezifisch: JSONB-Indexierung für Tenant-Einstellungen
ALTER TABLE tenants ADD COLUMN settings JSONB NOT NULL DEFAULT '{}';
CREATE INDEX idx_tenants_settings ON tenants USING GIN (settings);
Die JSONB-Spalte und der GIN-Index sind genau die Art von Feature, die Neon von Haus aus mitliefert und die SQLite schlicht nicht hat.
Wo Neon gegenüber D1 gewinnt. Wenn Ihr SaaS von Postgres-spezifischen Features abhängt — JSONB-Indexierung, LISTEN/NOTIFY, pgvector — ist Neon die richtige Wahl. Der Postgres-Dialekt ist die Lingua franca der SaaS-Backends, und fast jede SaaS-Bibliothek setzt ihn voraus. Für ein SaaS, das Ingenieure einstellt, ist „Postgres“ ein Recruiting-Argument; „SQLite am Edge“ erfordert eine Erklärung.
Wo Neon gegenüber D1 verliert. Die Cold-Start-Latenz von einem Cloudflare Worker zu Neon liegt in meinen Messungen bei ~50 ms RTT — eine 30-fache Verschlechterung gegenüber D1s Lesezugriffen im Sub-Millisekundenbereich. Bei einem Request-Pfad mit 5–10 Datenbankaufrufen summiert sich das. Neon hat wie jedes Postgres Connections, und das richtige Muster von Workers aus ist Hyperdrive als Connection Pooler.
Supabase: Postgres + Auth + Storage als Bundle
Supabase ist eine anders geartete Alternative: nicht nur eine Datenbank, sondern ein meinungsstarkes Backend-as-a-Service. Laut der Supabase-Dokumentation liefert es Postgres für Daten, GoTrue für Auth, Storage für Dateien und Edge Functions für Compute — hinter einem einzigen Dashboard und SDK. Für einen Solo-Gründer ist der Reiz real: ein Anbieter für die langweilige Hälfte des Stacks.
Wo Supabase gewinnt. Die Auth- und Storage-Bundles sind das Differenzierungsmerkmal. Gehostetes Auth mit E-Mail/password, OAuth, Magic Links und Row-Level-Security-Policies — Supabase liefert es. File Storage mit Bildtransformationen — Supabase liefert es. Ein einziges Dashboard für Nutzer, Tabellen und Storage — Supabase liefert es. Für ein MVP ist das der schnellste Weg.
Wo Supabase gegenüber D1 verliert. Das Bundle ist auch Lock-in: Auth-Flows, RLS-Policies und Storage-URLs sind alle Supabase-förmig; die Migration weg davon ist echte Arbeit. Die Cold-Start-Latenz von einem Cloudflare Worker liegt bei ~50 ms RTT, weil auch Supabase Postgres betreibt. Bei einer App mit 10+ Datenbankaufrufen pro Request summiert sich das.
SQLite am Edge: Turso und libSQL
Turso: libSQLs Multi-Region-Edge
Turso ist der direkteste Wettbewerber von D1 in der Kategorie SQLite-am-Edge. Laut der Turso-/libSQL-Dokumentation betreibt Turso libSQL — einen Fork von SQLite mit Netzwerkreplikation, Embedded Replicas und einer Multi-Region-Topologie, die Sie selbst steuern. Die beiden Turso-Projekte, die ich ausgeliefert habe, sind kleinere SaaS-Apps, bei denen ich eine explizite Replica-Platzierung pro Region wollte.
// Turso: libSQL Embedded Replica am Edge
import { createClient } from '@libsql/client'
const db = createClient({
url: 'file:./local-replica.db',
syncUrl: 'libsql://my-db.turso.io',
authToken: process.env.TURSO_TOKEN,
})
// Lesezugriffe werden von der lokalen Embedded Replica bedient; Synchronisation vom Primary
const projects = await db.execute('SELECT * FROM projects WHERE tenant_id = ?', [tenantId])
Das Embedded-Replica-Muster ist libSQLs markanter Vorteil — eine SQLite-Datei zum Edge ausliefern, sie vom Primary synchronisieren lassen, und Lesezugriffe sind lokal ohne Netzwerk-Roundtrip.
Wo Turso gegenüber D1 gewinnt. Die Replica-Topologie konfigurieren Sie selbst. Wenn Ihre Nutzerbasis in drei bestimmten Regionen konzentriert ist und Sie dort garantierte Replica-Platzierung wollen, lässt Turso Sie diese festlegen. libSQL unterstützt auch Embedded Replicas — eine SQLite-Datei, die zum Edge ausgeliefert wird und sich vom Primary synchronisiert. Bei starker regionaler Konzentration ist das ein echter Vorteil.
Wo D1 gegenüber Turso gewinnt. D1s Integration mit Cloudflare Workers ist enger. Kein Treiber hinzuzufügen, keine separate Vendor-Beziehung, keine zweite Abrechnungszeile. D1-Replicas sind automatisch; bei Turso müssen Sie sie platzieren. D1 ist bei moderatem Umfang auch deutlich günstiger — der Free Tier deckt ein echtes SaaS-MVP ab.
NoSQL- und Key-Value-Alternativen
Cloudflare Durable Objects
Durable Objects sind keine Datenbank in derselben Form wie D1, aber für das richtige SaaS-Muster sind sie das richtige Primitive. Laut der Cloudflare-Durable-Objects-Dokumentation ist jedes Durable Object eine Single-Threaded-Compute-Instanz mit einem stark konsistenten Key-Value-Store, per ID adressierbar und garantiert jeweils in einer Region laufend.
Wo Durable Objects gewinnen. Echtzeit-Koordination — ein Chatraum, ein Multiplayer-Spiel — ist der Lehrbuch-Anwendungsfall. Die Single-Threaded-Garantie bedeutet keinen Write Lock: Nur ein Request läuft jeweils gegen das Objekt, und es ist Ihr eigener Code. Für Zustand pro Entität — eine Buchung, ein Websocket — sind Durable Objects das richtige Primitive.
Wo D1 gegenüber Durable Objects gewinnt. D1 ist das richtige Primitive für „gib mir alle Projekte dieses Tenants“ — eine Multi-Zeilen-Abfrage über die Daten vieler Tenants hinweg. Durable Objects sind nicht für Cross-Object-Queries ausgelegt; Sie bräuchten ein D1 dazu. Die richtige Architektur ist ein Durable Object pro aktiver Session plus eine D1-Datenbank für Queries über Entitäten hinweg.
Cloudflare KV
Cloudflare KV ist die einfachste der Alternativen: ein globaler Key-Value-Store mit Eventual Consistency und einem Limit von 25 MB pro Wert. Es ist das richtige Primitive für Feature Flags, Session-Blobs und Konfiguration — und das falsche für jede relationale Workload.
Preise: Was jede Datenbank tatsächlich pro Million Zeilen kostet
Beim Pricing gehen die meisten D1-Vergleiche schief, deshalb hier Zahlen statt Adjektive. Cloudflare D1 rechnet über drei Messgrößen ab, und die kostenlose Zuteilung ist so groß, dass viele SaaS-Produkte sie nie verlassen:
| Messgröße | Im Monat enthalten | Jenseits des enthaltenen Kontingents |
|---|---|---|
| Rows read | 25 Milliarden | 0,001 $ pro Million Zeilen |
| Rows written | 50 Millionen | 1,00 $ pro Million Zeilen |
| Storage | 5 GB | 0,75 $ pro GB-Monat |
| Egress | — | Keine Egress-Gebühr |
Daraus folgen zwei Konsequenzen. Erstens sind Reads bei SaaS-Umfang faktisch kostenlos: Ein Produkt mit 100 Millionen Reads pro Monat zahlt für Reads nichts, denn 25 Milliarden sind zwei Größenordnungen Luft darüber. Zweitens dominieren Writes die Rechnung — 100 Millionen geschriebene Zeilen in einem Monat kommen innerhalb der enthaltenen 50 Millionen nur auf halben Weg, also genau in den Überlauf, wo eine echte Rechnung entsteht. Reads werden als Scans (geprüfte Zeilen) gezählt, nicht als zurückgegebene Zeilen; eine nicht indizierte WHERE-Klausel wird also für jede Zeile abgerechnet, die sie prüfen muss — nicht nur für die Zeile, die sie findet.
Die Alternativen rechnen in einem völlig anderen Modell ab. Neon und Supabase bepreisen Postgres über bereitgestelltes Compute plus Storage plus Egress, mit einem monatlichen Mindestpreis für den kleinsten Plan und Stundenskalierung darüber; Turso und libSQL bepreisen nach Request-Volumen mit einem Read-Unit-Multiplikator für größere Ergebnismengen. Eine D1-Rechnung mit einer Postgres-Rechnung zu vergleichen bedeutet daher, zuerst die Einheiten zu normalisieren: Rows read gegen gescannte Gigabytes, Rows written gegen Zeilengröße, eine Query gegen eine offengehaltene Connection. Der Vergleich, der überrascht: Bei einer read-heavy, Workers-nativen App können D1s effektive Kosten pro Query ein Bruchteil einer Postgres-Instanz sein, die zwischen den Requests die meiste Zeit im Leerlauf verbringt.
Die praktische Obergrenze verdient eine klare Aussage: Eine einzelne D1-Datenbank ist auf 10 GB begrenzt, Queries gegen eine Datenbank werden über einen einzigen Writer serialisiert, und jeder Worker-Aufruf erhält höchstens 6 gleichzeitige D1-Connections. Das sind die Limits, gegen die Sie entwerfen sollten, und der Grund, warum die Matrix unten für Postgres-spezifische Features eine andere primäre Datenbank wählt.
Die Entscheidungsmatrix: Welche Datenbank wann
Die Wahl ist nicht, welche Datenbank „am besten“ ist — sie lautet, welcher Trade-off zur Form Ihrer App passt. Unten steht die Matrix, die ich bei der Beratung von Gründern verwende, und die Matrix, die die Datenbankwahl in TanStack Ship bestimmt.
| SaaS-Form | Primäre Datenbank | Warum |
|---|---|---|
| Workers-natives SaaS, read-heavy, Konzentration auf eine Region | D1 | Regionale Reads im Sub-ms-Bereich, kein Connection Pool |
Postgres-spezifische Features (JSONB, LISTEN/NOTIFY, pgvector) | Neon | Postgres-Dialekt, Serverless-Scaling |
| MVP, das Auth + Storage + Datenbank bei einem Anbieter braucht | Supabase | BaaS als Bundle, schnellster Weg zum lauffähigen Produkt |
| Multi-Region mit individueller Replica-Platzierung | Turso | libSQL Embedded Replicas, Sie steuern die Topologie |
| Echtzeit-Zustand pro Entität (Chat, Sessions, Multiplayer) | Durable Objects | Single-Threaded-Garantie, kein Write Lock |
| Feature Flags, Session-Blobs, Konfiguration | KV | Eventual Consistency genügt |
| Write-heavy Abrechnung, Audit-Logs | D1 + Cloudflare Queue | D1 für den Nutzerpfad, Queue für Write-Fan-out |
| SaaS pro Tenant mit Tenants >10 GB | Sharded D1 oder Neon | D1-Limit erzwingt Sharding |
Für die meisten SaaS-Apps, die ich 2026 ausgeliefert habe — read-heavy Dashboards, Projektlisten, Einstellungen, Abrechnungsübersichten, CRUD — war D1 der richtige Default. Das Muster: D1 für Anwendungsdaten, Durable Objects für Echtzeit-Zustand pro Entität, Cloudflare Queues für Write-Pfade, die einige Sekunden Latenz tolerieren, KV für Feature Flags und Konfiguration. Dieser Stack ist inzwischen der Default in TanStack Ship, mit Mustern dokumentiert im D1-Production-Guide und im D1-Deep-Dive-Writeup.
Das ehrliche Fazit
Die Marketingseite jeder Datenbank hat auf ihrer eigenen Achse recht: D1 ist schnell am Edge, Neon hat Postgres, Supabase hat das Bundle, Turso hat die Topologie, Durable Objects haben die Garantie. Die Entscheidung ist, auf welcher Achse Ihr SaaS lebt. Für ein Workers-natives, read-heavy SaaS im Jahr 2026 ist D1 der richtige Default.
Wenn Sie Datenbanken für Ihr SaaS evaluieren, lesen Sie die TanStack-Ship-Feature-Seite, den D1-Performance-Benchmark-Post, den D1-Production-Guide und das D1-Deep-Dive-Writeup. Über den Vorfall, der mir gezeigt hat, wo die Write-Lock-Obergrenze liegt, lesen Sie den D1-Write-Lock-Postmortem. Den breiteren Kontext der SaaS-Architektur liefert der SaaS-Architektur-Guide.
Weitere Lektüre
- D1-Migration ohne Ausfallzeit in 4 Stunden: Echte Produktionsdaten
- D1-Implementierung für Multi-Tenant-SaaS: Ein Production-Guide
- D1-Query-Optimierung: 67 % schnelleres TTFB, 31 % SEO-Plus
- D1 FTS5 Volltextsuche: 47 ms bei 500.000 Zeilen — kein externer Dienst nötig
- 62 % niedrigere Latenz in 90 Tagen: Echte Cloudflare-Daten