【数据库研究前沿】系列导论：从 System R 到 AI-Native 的 2026 研究地图
以 System R、Postgres、Bigtable、Spanner、Snowflake 等关键节点串起 50 年数据库史，勾勒 2026 年 AI-Native、向量检索、HTAP 云原生、新硬件、隐私计算、新范式、方法论七条主线，并给出 25 篇系列文章的完整阅读地图。
database 分类归档
共 39 篇文章 · 返回首页
【数据库研究前沿】如何读数据库顶会论文：SIGMOD/VLDB/CIDR 阅读路线
从顶会定位、检索渠道、三遍读法到工业与学术论文的辨别方法，给出 2023–2025 年数据库领域可信必读二十篇，并配套 CMU 15-721、Stanford CS 245 等公开课清单。
【数据库研究前沿】学习型查询优化器：Neo、Bao、Balsa 到 LLM-CBO
系统梳理 Neo、Bao、Balsa 以及新兴 LLM-assisted 查询优化的核心思想，结合 PostgreSQL pg_hint_plan 给出一条可落地的 learned QO 工程路径
【数据库研究前沿】学习型索引再审视：RMI、ALEX、PGM
从 Kraska 2018 RMI 到 ALEX、PGM-Index、RadixSpline，系统梳理学习型索引的数学骨架、更新代价与落地边界，并给出一个最小 RMI 的 Python 实现
【数据库研究前沿】自治数据库十年回顾：Peloton、NoisePage、OtterTune 到云原生 auto-tuning
从 Peloton、NoisePage、OtterTune 到 Aurora / Azure SQL 的自动索引推荐，系统回顾自治数据库十年，并讨论云上 auto-tuning 的踩坑与 SRE 工作流集成
【数据库研究前沿】Text-to-SQL 与 Agentic Query：DIN-SQL、C3、DAIL-SQL 工程复盘
Spider / BIRD 评测、DIN-SQL / C3 / DAIL-SQL 的核心机制、schema linking 与 self-consistency，以及一个离线可跑的最小 Text-to-SQL 闭环 demo
【数据库研究前沿】数据库作为 LLM 记忆体：语义缓存、RAG 与一致性
把数据库当 LLM 长期记忆的系统视角：GPTCache、MemGPT、向量 vs 事实记忆；用 pgvector + 触发器实现会话级一致性语义缓存
【数据库研究前沿】向量索引深度：HNSW、DiskANN、SPANN 原理对比
系统拆解 HNSW、DiskANN/Vamana、SPANN 三类主流 ANN 索引的原理、构建算法、查询流程与工程参数，并覆盖 IVF-PQ、ScaNN 的位置，最后给出 FAISS/Milvus/pgvector/Qdrant 的选型与一份 200 行 numpy HNSW 复现。
【数据库研究前沿】向量与标量的混合过滤检索：ACORN、Milvus、pgvector 的算法权衡
系统拆解 ANN 混合过滤检索（filtered vector search）里的 pre-filter、post-filter、in-filter 三种策略，覆盖 ACORN（SIGMOD 2024）的预测路由、Milvus/Qdrant 的 partition / pinned filter，以及 pgvector 的实际查询写法和 EXPLAIN 观察方法。
【数据库研究前沿】GraphRAG：图增强检索的理论与工程
系统梳理 Microsoft GraphRAG（2024）的动机、算法与工程实现：多跳问答为什么让向量 RAG 失效、图作为 evidence path 的优势、社区检测与报告生成、Neo4j / NebulaGraph / KuzuDB 的落地差异，以及一个 NetworkX 最小实现。
【数据库研究前沿】多模态数据库：文本、向量、图、张量的统一存储
系统梳理 LanceDB、Chroma、Weaviate、SurrealDB 等多模态数据库的架构差异；列存格式（Lance、Parquet）如何支持张量；给出多模态一体化的选型矩阵，并与仓库的 Parquet/Arrow 文章互链。
【数据库研究前沿】HTAP 新范式：从 TiDB、SingleStore 到 Lakehouse 一体化
从工作负载隔离到行列双维护，系统梳理 TiDB + TiFlash、SingleStore Universal Storage、F1 Lightning 与 Lakehouse 的设计取舍、新鲜度边界与 HTAP 基准测试方法
【数据库研究前沿】Serverless 数据库弹性理论：Neon 与 Aurora Serverless v2
从 Aurora 的日志即数据库到 Neon 的 pageserver/safekeeper/compute 三层分离，拆解 Serverless 数据库的冷启动、细粒度伸缩与 copy-on-write 分支，并给出本地可跑的 Neon demo 指引
【数据库研究前沿】Disaggregated DB 合集：Socrates、PolarDB、Taurus 的共同模式
从 Aurora 到 Socrates、PolarDB、Taurus：系统梳理四家云数据库的存算分离架构共同点与差异——日志即数据库、页面服务器、缓存层级、故障恢复与工程踩坑
【数据库研究前沿】共享内存数据库复兴：RDMA/CXL 下的分布式事务
从 FaRM、FaRMv2、NAM-DB 到 Sundial：RDMA 单边操作如何重塑分布式事务协议；CXL 让共享内存再次成为可能时，系统设计又该怎么变
【数据库研究前沿】CXL 3.0 与内存池化：对缓冲池与共享内存模型的重塑
从 CXL 1.1 到 3.0 的协议演进、Type 1/2/3 设备分类，到 Pond、TPP 两篇 ASPLOS 2023 论文展示的云内存池化实践，再到 PostgreSQL / MySQL 在分层内存下的 buffer pool 调参方向，梳理 CXL 对数据库共享内存模型的重塑路径。
【数据库研究前沿】近数据处理与计算下推：Smart SSD 到 DPU Offload
从近数据处理（NDP）的基本动机出发，梳理 Samsung SmartSSD、ScaleFlux、Eideticom 等 computational storage 产品，SNIA 计算存储标准，BlueField DPU 对存储路径的改造，以及 YourSQL、POLARDB-NDP 等学术/工业工作；下半给出过滤、解压、CRC、加密这四类当前能真正落地的下推场景，并借 PostgreSQL FDW 的类比说明'下推'到底在下推什么。
【数据库研究前沿】持久内存退场之后：ZNS SSD 与下一代非易失内存
Intel Optane / 3D XPoint 产品线 EOL 之后，SOFORT、FPTree、RECIPE 等 PM 数据库的成果如何迁移？ZNS SSD 对 LSM-Tree 的意义、RocksDB 的 ZNS 适配、PMDK 兼容层的取舍，以及把 CXL memory 作为下一代非易失载体的可能性——本文给出一份面向工程师的'后 Optane 时代'清单。
【数据库研究前沿】TEE 数据库与 Oblivious 原语：EnclaveDB 与加密计算
从 SGX / SEV-SNP / TDX / ARM CCA 的硬件抽象出发，梳理 EnclaveDB、Opaque、ObliDB 三条研究主线，以及侧信道攻击对 TEE 数据库设计的约束；下半讨论 Azure Confidential SQL、AWS Nitro Enclaves 上做 OLAP 的工程边界与性能开销量级。
【数据库研究前沿】差分隐私数据库：PINQ、APEx 到生产级 DP-SQL
从 Dwork 2006 的差分隐私定义出发，梳理 PINQ、FLEX、APEx 三篇里程碑论文；讲清 Laplace、Gaussian、Exponential 三类噪声机制与组合定理；回顾美国 2020 人口普查的 DP 落地教训；下半给出 OpenDP / Google DP library 的 SQL 绑定现状与 Postgres 上聚合加噪的最小 demo。
【数据库研究前沿】加密查询的边界：FHE、可搜索加密与 PIR
梳理 FHE（BFV/BGV/CKKS、Microsoft SEAL、OpenFHE）、可搜索加密与 Private Information Retrieval（SealPIR、OnionPIR、Spiral）三条加密查询路线；讨论哪些查询形态在当前开销下可行——点查可以、join 不行——以及银行与医疗场景的真实落地模式。
【数据库研究前沿】CRDT 与 CALM 定理再读：2025 的协调自由数据管理
以 CALM 定理、单调性与 coordination-free 判定为主线，重读 CRDT 十五年工程化进程，串起 Bloom/Hydro、VLDB 2025 \"Keep CALM and CRDT On\"、Yjs、Automerge、Riak DT，并给出业务侧的可协调性判定清单
【数据库研究前沿】流批一体与增量视图：Materialize、RisingWave、Feldera 的 DBSP 理论
以 IVM 历史、Differential Dataflow、DBSP（Z-set 与线性化）为主线，对比 Materialize、RisingWave、Feldera 的架构取舍，划清与 Flink/Kafka Streams 的能力边界，并附 Python Z-set 最小增量 join demo
【数据库研究前沿】湖仓一体一致性模型：Iceberg、Delta、Hudi 的事务边界
从 metadata layout、快照隔离、多写者协议、schema/partition evolution 四个维度重读 Apache Iceberg、Delta Lake、Apache Hudi，给出选型矩阵与湖仓一体在对象存储上的事务边界
【数据库研究前沿】系列总结：2026 开发者选型矩阵与开放问题
回顾 AI-Native、向量检索、HTAP 云原生、新硬件、隐私、新范式、方法论七条主线，给出面向负载的开发者选型决策矩阵，并列出 12 个仍未解决的开放问题与待观察方向。
【从零写一个 LSM-Tree 存储引擎】Compaction：LSM-Tree 的心脏手术
从零实现 LSM-Tree Compaction：最小堆多路归并迭代器、Level 分层与 Compaction 打分、Tombstone 下推、Version/VersionEdit/MANIFEST 版本管理，以及 Leveled/Size-Tiered/Universal 三种策略的量化对比。从零写一个 LSM-Tree 存储引擎系列第 4 篇。
【从零写一个 LSM-Tree 存储引擎】完整引擎 + Rust 重写对比
组装完整 LSM-Tree 存储引擎：DB 接口（Open/Put/Get/Delete/Iterator/Snapshot）、单写多读并发控制、启动恢复，然后用 Rust 重写核心模块，记录 5 个编译器不让我过的故事，最后三方 benchmark 对比。从零写一个 LSM-Tree 存储引擎系列第 5 篇。
【从零写一个 LSM-Tree 存储引擎】LSM-Tree 全景：为什么要先写日志再排序
从零理解 LSM-Tree 存储引擎的设计哲学：B-Tree 与 LSM-Tree 的本质差异，写放大/读放大/空间放大的三角权衡，以及 WAL、MemTable、SSTable、Compaction、Bloom Filter 各组件的角色与协作关系。从零写一个 LSM-Tree 存储引擎系列第 1 篇。
【从零写一个 LSM-Tree 存储引擎】SSTable + Bloom Filter：磁盘上的有序表
从零实现 SSTable 和 Bloom Filter：Data Block 前缀压缩与 restart 二分查找、Bloom Filter 双重哈希把误判率压到约 1%、SSTable Builder 和 Reader 的完整 C 代码。从零写一个 LSM-Tree 存储引擎系列第 3 篇。
【从零写一个 LSM-Tree 存储引擎】WAL + MemTable：崩溃了也不丢数据
从零实现 WAL 和 MemTable：WAL 的 record 格式与 32KB Block 对齐、跳表的 O(log n) 插入与查找、InternalKey 编码、崩溃恢复的正确性证明。从零写一个 LSM-Tree 存储引擎系列第 2 篇。
关系数据库的范式
关系数据库范式详解：第一、第二、第三范式原理与数据库设计最佳实践
leveldb 的缓存结构
LevelDB 缓存实现解析：LRU 算法在 Key-Value 数据库中的应用与优化
leveldb 日常使用
LevelDB 使用指南：Google 开发的高性能 Key-Value 数据库实践教程
数据库 MVCC：快照隔离到底隔离了什么
从 PostgreSQL 源码级别拆解 MVCC 的实现机制：堆表版本链、事务快照、可见性判断规则、VACUUM、隔离级别的真实行为，以及 Snapshot Isolation 抓不住的 Write Skew 和 SSI 如何解决它。附 MySQL InnoDB vs PostgreSQL MVCC 对比。
持久化数据结构在数据库中的应用
MVCC 靠什么实现？持久化 B-tree、COW、append-only log。从 CouchDB 到 LMDB 到 DuckDB，三种不同的路径，同一个目标：读不阻塞写。
高可用和数据库冗余实践
数据库高可用实践：通过冗余实现 MariaDB 高可用，MTTF/MTTR 分析与实战
redis 源码和情景分析
Redis 源码分析：高性能内存数据库的设计与实现，原子操作与数据结构
SQLite 是怎么做到十亿行每秒的
拆解 SQLite 的三层性能引擎：B-Tree 页面布局如何把随机 I/O 压到最低、WAL 如何实现读写并发、Page Cache 如何替代操作系统的盲目预读。附 SQLite vs MySQL vs PostgreSQL 嵌入式场景对比分析。
从零写一个 LSM-Tree 存储引擎
五篇长文，从 LSM-Tree 的设计哲学讲到完整 KV 引擎实现，最后用 Rust 重写并三方 benchmark 对比。每篇含完整 C 代码、架构图、数学推导。