FutureX · Database

本期要点

· Elastic 称其指标引擎比 ClickHouse 快 8 倍，直接对标 ClickHouse 系可观测场景（厂商口径）

· Google AlloyDB 预览「agent 节点」：秒级拉起、只读、与生产集群物理隔离

· Pinecone BYOC 覆盖 AWS / Azure / GCP，数据面留在客户云账号内

· OceanBase 以 GLM-5.2 提交的 Scout 方案登顶 Data Agent Benchmark，90.62%（自报提交）

· 阿里云云栖发布 Agent Context 与 ApsaraLakebase，称 RDS PostgreSQL 新增实例约 80% 由 Agent 创建

· Pinterest 用量化把向量索引压小，生产服务成本降 20%-30%

Elastic 指标平台：Elasticsearch 内新增指标专用 column store · olap ⚠️ 厂商口径

Elastic 在投资者电话会上介绍其指标产品（6 月随新财年推出），称已把 Elasticsearch 重构为可承载指标负载：文档存储管日志与链路、column store 管指标、向量存储管向量数据。设计目标是不限制高基数维度（unique 维度组合很多的数据），靠维度过滤与存储 codec 调优来控制查询与存储成本。Elastic 称基准与代码已开源在 GitHub，结果为比 Prometheus / Mimir 快 30 倍、比 ClickHouse 快 8 倍；这些数字由 Elastic 自己给出，电话会上未经第三方验证。兼容性上称与常见 PromQL 仪表盘的兼容度已达 90%，并提供迁移工具。公司还提到已收购做 agent 根因分析的 Deductive AI，更多可观测发布留到 10 月 8 日的 ElasticON 纽约站。对 ClickHouse 系而言，Elastic 从搜索侧进入指标 / 可观测的列存赛道，"AI 负载让指标量暴增"是它的叙事，实际差距需要独立基准来验证。^[1]

SereneDB 发布 Krummelanke：直接在 S3 上做全文检索的开源引擎 ⚠️ 厂商口径

Krummelanke 采用 Apache 2.0 协议，兼容 Postgres 与 Elastic，把搜索与分析放在同一个引擎里。它要解决的痛点是：分析引擎读 S3 上的列存靠大块顺序扫描，符合对象存储的延迟特性；全文检索依赖倒排索引，需要大量随机访问，所以 Lucene 系引擎通常把索引放在本地闪存，可搜索的数据要多存一份（即"copy-first"）。SereneDB 称其自研的 IResearch 核心可以原地索引数据、无需复制，并称搜索操作"以纳秒计"、十亿级记录问答"毫秒返回"、是"全球最快的数据库搜索引擎"，均为自述、未见第三方基准。CTO 强调与 Cloudian 等"给存储桶挂元数据搜索"的方案不同，它是搜索引擎层面的差异。^[2]

Snowflake Interactive Analytics 夏季更新：Terraform 资源、dbt 物化、扫描优化 · olap

三项更新聚焦"接入现有工具链"：新增 snowflake_warehouse_interactive Terraform 资源（预览，需在 provider 中开启 preview 特性），此前只能靠 snowflake_execute 绕行，丢失 plan/apply 与漂移检测；dbt-fusion v2.0.0 起 Snowflake 适配器原生支持 interactive_table 物化类型（beta，必须指定 cluster_by）；Interactive Warehouse 还加入引擎级优化，针对子串 LIKE、非前导聚簇列等值这类无法靠 micro-partition 剪枝的谓词，减少重复查询的无效扫描。这是 Snowflake 主打低延迟交互查询的配套完善，对标实时分析引擎的动作。^[3]

Google AlloyDB「PostgreSQL for agents」：临时 agent 节点与生产集群物理隔离 · agent

Google Cloud 于 9 月 24 日发布预览版（需申请）。针对多个 agent 同时反复查询造成的突发负载，AlloyDB 可在数秒内拉起临时只读 agent 节点，直接从 Colossus 存储读取新鲜的生产数据，计算、网络、存储路径均与主集群隔离；任务结束后节点可停止、计算缩到零，按秒计费。与传统 read replica 的区别是：replica 通常要预先配置并有独立数据复制，而 agent 节点是按需创建的一次性算力，重点是把 agent 负载与线上交易隔开。^[5]

Pinecone BYOC 扩展至 AWS、Azure、GCP · vector

Pinecone 的 bring-your-own-cloud 模式把数据面放进客户自己的云账号和区域，Pinecone 控制面只管资源生命周期、认证与服务健康，据称不存储或处理客户内容与请求载荷。运维由控制面通过出站调用下发、在本地执行，不需要 SSH、VPN、入站网络或长期跨账号 IAM 角色。管理员使用与标准部署相同的 API、SDK 与控制面流程。Toyota Motor North America 是首批生产用户，把制造知识库留在自家环境内。报道称 Pinecone 还在向本地部署（on-prem）延伸。这对合规敏感客户是补课：Weaviate、Qdrant、Milvus 等开源向量库本来就能自托管。^[6]

阿里云云栖：Agent Context、ApsaraLakebase 与 AIDBS 升级 · ai-native ⚠️ 厂商口径

阿里云提出 Context Engine，把企业数据转成 Agent 的实时上下文，并发布两款数据库新品。ApsaraLakebase 以对象存储为单一数据源，支持 Lance、Apache Iceberg、Apache Paimon 等开放格式，让结构化数据、文件、向量索引、图关系和上下文记忆共用一套体系；昆仑万维的 Agent 平台用它支撑 300 万+ Agent 独立工作空间。Agent Context 提供跨会话、跨任务、跨 Agent 复用的记忆与知识层，官方称 token 使用效率可提升 3 倍以上、复杂知识任务准确率最高提升 50 个百分点，小红书用它为 3000+ 员工的子 Agent 建统一上下文底座。阿里云数据库负责人称，过去一年 RDS PostgreSQL 新增实例环比增长 400%+，约 80% 由 Agent 创建、约 50% 的输入输出流量由 Agent 驱动。以上均为阿里云自报，未见第三方数据。产品形态与 Databricks/Neon 的 Lakebase 思路相近。^[7]

OceanBase 方案登顶 Data Agent Benchmark，准确率 90.62% · ai-native ⚠️ 自报口径

基准 DAB 由 UC Berkeley EPIC Data Lab 与 Hasura PromptQL 推出，覆盖 7 个行业、PostgreSQL / MongoDB / SQLite / DuckDB 等多种库，考察 agent 从理解数据到验证结果的端到端能力，而非单纯 Text-to-SQL。OceanBase 用 GLM-5.2 构建的内部代号 Scout 方案，称是榜上首个突破 90% 的方案，超过基于 GPT、Claude 系模型的方案。Scout 通过 DataLens 做数据画像、规划执行路径，再以证据追踪与答案校验形成闭环，能力将并入 OceanBase DataPilot。成绩来自 OceanBase 自己的提交，榜单方口径以榜单为准；这里的成绩体现的是"模型 + agent + 数据系统"组合，不是数据库引擎本身。^[8]

Pinterest Manas：量化 + SSD 上的 SPANN，替代内存型 HNSW · vector

Pinterest 的搜索平台 Manas 部署在 80 个集群，服务数百亿嵌入。在 1 亿条 GraphSage 数据集的离线测试中，HNSW 基线 121 GB、Recall@100 为 93.72%；加标量量化（SQ）后 50 GB、召回 92.92%、吞吐反升至 305.2 QPS；加乘积量化（PQ）后 32 GB、召回降至 77.25%。SQ 在 IVF 上压到 25 GB 而召回 95.71%。线上落地后生产服务成本降 20%-30%；用 SIMD 实现的线性缩放 SQ 减少查询算力 10%-15%。SSD 服务方面，PQ 版 SPANN 吞吐是 DiskANN 的 3 倍、延迟为三分之一、召回降约 5%，在 50 亿级向量评估里比全内存 HNSW 节省超 40% CPU 时间。团队还在试点 ColBERT 类多向量 late-interaction 检索。以上均为 Pinterest 自家工程数据，非第三方基准，但工程细节完整。^[9]

Tiger Data（TimescaleDB）：一条 20 字节的传感器读数落盘 95.6 字节 · oltp

Tiger Data 给出的估算方法：timestamp + tag_id + float 共 20 字节，加上 23 字节 tuple 头、对齐填充与索引，实测占用 95.6 字节，约为朴素估算的 4.8 倍，"看似 12 TB 的方案实际是 60 TB"。文中测得 10 万级传感器规模下重写表需持 ACCESS EXCLUSIVE 锁：1000 万行约 19 秒，推算 6310 亿行约两周。测试环境为 Postgres 16.13、2 核、128 MB shared_buffers，作者自己也说数字因环境而异，价值在方法：先用真实行与真实索引建 PoC 表再测。此文出自 TimescaleDB 厂商，也是在为自家时序扩展做铺垫。^[10]

DuckDB 直读 Hugging Face 数据集 · olap

DuckDB 官方博客介绍可直接读取 Hugging Face 上数十万数据集，无需先下载。这延续 DuckDB 作为跨引擎"数据结缔组织"的定位（已报），本条为使用层面的扩展。^[11]

Neon 披露：Electric 团队并入后将为 Neon 做 realtime 同步 · agent

Neon 的后端全线 GA（已报）之后，下一步是在平台里加入 realtime / sync，由已加入 Databricks 旗下 Neon 的 Electric 团队负责。Electric 联合创始人 James Arthur 表示，sync 更适合作为 BaaS 平台的一项功能而非独立产品，且 agent 需要更高层的抽象。他也承认 realtime 常"demo 很好、上生产就掉链子"，核心矛盾是可同步内容的表达力与性能。目前是路线图口径，暂无发布时间与产品细节。^[12]

Aiven 拓展印度市场；Snowflake Cortex AI 上线 Kimi K3 · cloud

芬兰托管数据基础设施厂商 Aiven 宣布进入印度，瞄准 AI 与云数据基础设施需求。Snowflake 同日宣布 Kimi K3 上线 Cortex AI，继续扩充平台内可调用的第三方模型。两条均只有标题级信息，细节未展开。^[13]

[1] 〔来源〕TradingView ｜ 约 9 月 25 日 https://www.tradingview.com/news/marketbeat:3d5602721094b:0-elastic-unveils-ai-era-metrics-platform-claims-major-speed-and-storage-gains/

[2] 〔来源〕Blocks & Files ｜ 9 月 22 日 https://www.blocksandfiles.com/ai-ml/2026/09/22/serenedb-launches-superfast-s3-data-search-engine/5298324

[3] 〔来源〕Snowflake ｜ 9 月 26 日 https://www.snowflake.com/en/blog/engineering/snowflake-interactive-analytics-summer-2026-updates/

[4] 〔9 方报道〕Apache Iceberg；Apache Druid；Apache Doris；Materialize；CockroachDB；等 9 家 https://github.com/apache/iceberg/releases/tag/apache-iceberg-1.12.0-rc2 https://github.com/apache/druid/releases/tag/druid-38.0.0-rc1

[5] 〔来源〕Techgenyz ｜ 9 月 24 日 https://techgenyz.com/google-alloydb-postgresql-ai-agents-isolated/

[6] 〔来源〕Blocks & Files ｜ 9 月 24 日 https://www.blocksandfiles.com/ai-ml/2026/09/24/byoc-pinecone-vector-database-managed-service-expands-to-aws-azure-gcp/5298778

[7] 〔来源〕搜狐网 ｜ 9 月 24 日 https://m.sohu.com/a/1080381195_104421?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334

[8] 〔来源〕InfoQ-CN ｜ 约 9 月 21 日 https://www.infoq.cn/article/Obuxu1mvY9p6RNOlxFGc

[9] 〔来源〕InfoQ-CN ｜ 9 月 23 日 https://www.infoq.cn/article/rB0WGcG9iLIRH3xZojY5

[10] 〔来源〕TimescaleDB ｜ 9 月 25 日 https://www.tigerdata.com/blog/sizing-your-iiot-table-before-you-deploy

[11] 〔来源〕DuckDB ｜ 9 月 25 日 https://duckdb.org/2026/09/25/hugging-face.html

[12] 〔来源〕Neon ｜ 9 月 24 日 https://neon.com/blog/electrifying-neon-building-the-realtime-backend

[13] 〔2 方报道〕Entrackr；Snowflake ｜ 9 月 24-25 日 https://entrackr.com/snippets/finlands-aiven-expands-into-india-targets-ai-and-cloud-data-infrastructure-market-12574652 https://www.snowflake.com/en/blog/kimi-k3-cortex-ai/

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻