数据库行业日报
本期要点
· ClickHouse 一日双发,**v26.7.1** 稳定版收官
· Databricks **Lakebase Postgres** 撑起生产级 agent 编排
· Google AlloyDB HNSW 预览,向量检索吞吐**最高4.9倍**
· 一起 RAG 项目账单半年飙至 **6.1万美元**/月,向量库成本露头
· Neon CLI 新增只读诊断 **inspect db**,防 agent 误操作
· DeepSQL 上线自托管 **Postgres/MySQL DBA agent**
一、版本与产品发布
ClickHouse 一日连发两条发布线 · olap
ClickHouse 24 小时内接连放出 v26.7.1.1315-stable 稳定版与 v26.8.1.1-new 开发预览,延续「nightly 探路、stable 收口」的双轨发布节奏——高频迭代是其对标 StarRocks、Databricks 等竞品的惯常打法。
其他版本动态:StarRocks 3.5.20 发布;DuckDB 1.5.5 补丁版本回溯修复越界访问安全漏洞;CockroachDB v24.1.32 修复 TLS 密码套件限制锁相关安全问题。[1]
二、数据库 × AI
Databricks Lakebase Postgres 撑起生产级 agent 编排 · ai-native
审计机构 CLA 与 Databricks 联合打造的文档处理 agent 系统,把长任务编排、重试与成本归因全部收进 Lakebase Postgres——用两张 Postgres 表实现任务队列,省去 Kafka/Redis 消息队列与 Airflow/Temporal 独立调度器。存算分离让 Lakebase 在长时 agent 负载下既保持弹性又不牺牲持久性,是「Postgres 做 agent 基础设施」路线的一个生产级样本。[2]
Google AlloyDB 列存加速 HNSW 向量索引进入预览 · vector ⚠️ 厂商基准
AlloyDB 新增列存引擎(columnar engine)常驻内存加速 pgvector 的 HNSW 索引,绕开 PostgreSQL 常规共享缓冲区的锁与页面管理开销。Google 自测 GloVe-100 数据集(超百万条记录)显示,在 0.95 目标召回率下每秒查询数最高提升 4.9 倍;同等吞吐下召回率也从约 0.78 升至 0.94 以上。对 pgvector 生态而言,这是「关系库内置向量搜索」路线对抗独立向量库的又一手筋。[3]
Neon CLI 上新只读诊断工具 inspect db · agent
Neon 在 CLI 中新增 14 个只读诊断子命令,直接对 Postgres 系统目录与统计视图跑预置查询,替代手写 SQL 排查慢查询、锁等待、缓存命中率等问题。产品明确点出动机:AI agent 若直接持有连接串手写 SQL,存在幻觉列名、误执行 DROP、无界 SELECT 拖爆上下文等风险——只读且结果结构化的诊断层,是「让 agent 安全接触数据库」这条路上的又一具体实现。[4]
一个 RAG 项目的账单:从 340 美元到 6.1 万美元/月 · vector ⚠️ 单方口径
HackerNoon 撰文复盘一起真实案例:某内部文档检索 RAG demo 月成本仅 340 美元,上生产半年后涨到 6.1 万美元。文章指出,被低估的不是 LLM 调用费,而是向量数据库——生产系统中向量库常年吃掉总成本的 40%-50%,其中内存又占向量库开销的 85%-90%;一次 agent 问答背后往往是 5-15 次向量检索,真实查询量远超表面请求数。换用压缩索引可将内存成本压低约 70%。案例细节未经交叉核实,但揭示的成本结构具参考价值。[5]
DeepSQL:自托管的 Postgres/MySQL DBA agent · agent
Show HN 上线的 DeepSQL 主打「7×24 小时 DBA」:单条命令自托管在客户 VPC 内,读取慢查询日志与 pg_stat_statements,用自然语言教它业务口径后自动聚类、排序并给出优化建议,支持通过 MCP 接入 Claude/Codex/Cursor。定位是可观测性工具与人工 DBA 的组合替代,反映「agent 接管数据库运维」这条产品线正从演示走向可自托管的商业化尝试(HN 45↑)。[6]
四、技术 · 架构 · 性能基准
Hatchet 创始人整理「初创公司 Postgres 生存指南」引 HN 热议 · oltp
文章系统梳理了从 schema 设计到索引选型的实战经验:btree 索引命中时查找近似 log(n) 复杂度,一旦无法命中索引则退化为全表顺序扫描;作者建议先写查询、再定 schema,并坦言过度追求 1NF/2NF/3NF 范式有时反而牺牲查询效率,实践中用 jsonb 列打破范式边界很常见。文章特别提醒:若查询完全交给 Claude 等工具生成,本文部分内容可跳过,折射出 AI 辅助写 SQL 正在改变团队对底层调优知识的依赖程度。HN 讨论 303↑ 167💬,engagement 显著。[7]