━━━━━ 正文从此处全选复制 ━━━━━

FutureX · Database

本期要点

· Supabase 获 1.5 亿美元融资并收购 Turso，称新建数据库 70% 由 agent 创建（公司口径）

· Cloudflare 的 Basin 正式 GA：Iceberg + R2 的 serverless 分析，零 egress 费

· Supabase Select 发布 Multigres（私有 alpha）与 OrioleDB，并上线自家 Postgres 横评站 dbarena

· Iceberg REST Catalog 合入 read-restrictions，首次为列脱敏和行过滤定标准；S3 Tables 同日补齐 V3 全部数据类型

· turbopuffer v3 把 ANN 向量索引降为二级索引，HN 374 赞

· Snowflake 称 Adaptive Warehouses 的 DML 最高快 13.7 倍（厂商口径）

▎ 版本与产品发布

Cloudflare 的 Basin 进入正式 GA，是一个建立在 Iceberg 与 R2 之上的 serverless 分析平台 · lakehouse

Cloudflare 以 GA 产品的形式推出了 Basin。它涵盖数据摄取、存储、编目和查询几个环节，用户不必自己准备集群。数据采用 Apache Iceberg 格式，存放在 R2 对象存储中，Snowflake、Spark、DuckDB 等工具都能直接读取，用不着事先拷贝或转换。Basin 按用量计费，而且不收 egress 费，用户跨云、跨区域查询自己的数据，不需要另外付钱。在多云分析里，egress 费长期是最招人批评的成本项，Basin 将它整个取消了。Cloudflare 技术负责人 Dane Knecht 说，"开发者不该为了回答自己数据的问题而变成数据基础设施运维"。Cloudflare 还表示，Basin 面向的是更开放的 serverless 分析场景，并不打算取代所有的数仓部署。目前见到的报道没有交代底层查询引擎，也没有给出性能数字。因此对 ClickHouse 系的读者而言，现阶段能拿来比较的是 Basin 的开放格式路线和定价，而不是引擎指标。[1]

Supabase Select 大会发布声明式 Schema 2.0、应用自带 MCP server 和 Supabase Compute · agent

Supabase 在 Select 大会上围绕"让编码 agent 直接操作后端"这一主题，发布了三组更新。Declarative Schemas 2.0 让 agent 只需编辑 SQL schema 文件，迁移则由新的 diff 引擎 pg-delta 生成，新项目默认启用；config.toml 能通过 supabase config pull 与控制台保持同步。应用自带 MCP server 部署在现有的 Supabase 项目里，用户的 agent（Claude、ChatGPT、Cursor 等）以登录用户的身份接入，所以只能看到该用户有权限访问的数据。Supabase Compute 可以在数据库旁边运行不限时长的长驻服务，内存和 CPU 可以选择，每个服务都有完整的 Linux 环境，这是 Edge Functions 不具备的。本地开发方面，新增了不依赖 Docker 的原生进程模式，每个目录各有一套独立的栈，目前处于 alpha 阶段，默认关闭。

运维方面也有新增内容：一个能通过 SQL 访问原始项目日志的 MCP 工具；一类健康 Advisor，覆盖 Data API、Auth、Storage 和 Edge Functions 的错误率；连接与锁等待视图；以及可以存成文件的 Notebooks。SQL 编辑器的演进版 Explorer 将在 10 月 12 日之前陆续推送到所有项目。[2]

Supabase 发布 Multigres 和 OrioleDB，同时上线基准站 dbarena · oltp ⚠️ 厂商口径

Multigres 是一个开源的 Postgres 扩展层，由 Vitess 团队打造，能提供可扩展的连接池和自动的多节点故障切换，用户不必另行部署 pooler。它的高可用方案建立在 Postgres 同步复制之上，采用广义共识协议：节点失败后，集群先确认哪些写入已经提交，再在数秒内提升副本，官方称已提交的写入不会丢失。默认配置是在多个可用区之间部署 3 个 Postgres 节点。Multigres 目前处于私有 alpha 阶段，需凭邀请使用，官方明确说明它不适合生产负载。

OrioleDB 是开源的 Postgres 存储引擎，用来取代传统的 heap 存储，目标是消除表膨胀和 VACUUM 的开销，并去掉 32 位事务 ID 的 wraparound 限制。dbarena 是 Supabase 自己运营的开放基准站，用来比较各家托管 Postgres 厂商的性能与成本。由于运营方本身也是参赛方，在结果经过独立复现之前，应当按厂商口径看待。[3]

其他版本动态：ClickHouse 发布了 v26.9.8.3-stable、v26.7.19.5-stable，以及 v26.3.39.7 和 v26.3.38.2 两个 lts 补丁。Materialize 的 v26.45.0 接连推出 rc.1 至 rc.3。YugabyteDB 的多条分支在同一天出了构建，其中 2025.2.8.0-b12 导入了 PG 15.19 的安全修复。pgvector 升级到 v0.8.7。Weaviate 发布补丁 v1.39.8 和 v1.38.18，修复了 MMR 查询向量的归一化问题，没有 breaking change。[4]

▎ 数据库 × AI

turbopuffer v3 把 ANN 索引由主索引降为"普通二级索引" · vector

turbopuffer 发表了《RIP, vector database》一文（HN 374 赞 / 105 评），宣布 v3 重写了文档与索引的布局，以及写入、compaction 和查询的方式。在此之前，所有索引都围绕 ANN 向量索引来设计：向量按 SPANN / SPFresh 式的层级做聚类，用于属性过滤的倒排索引也以"聚类 ID + 簇内 LocalId"（即 ANN 地址）作为指向。官方认为，这种向量优先的架构已经走到极限，开始限制 GROUP BY 与聚合等查询计划。v3 的办法是另设一个新的主索引，让 ANN 与文本、正则等索引处于并列地位。官方还表示，这是在为"把更多 SQL 查询搬进 turbopuffer，并且跑得快"打基础。

文章清楚地写出了客户用法的变化：最早的客户是 Cursor 和 Notion，后来出现了 Linear 同步引擎这类与搜索无关的用途。对向量库赛道来说，这又是一个"向量只是索引类型之一"的信号。不过 v3 眼下只是一份路线说明，并没有给出性能数字。[5]

Databricks 推出 ai_decide（Beta），以决策模型取代 LLM 来做结构化判断 · ai-native ⚠️ 厂商口径

ai_decide 是 Databricks 的原生 AI Function，底层是 TypeSafe AI 的决策模型 Jev。用户输入非结构化文本和一组问题后，它不生成文本，而是直接返回概率、命名选项或有序分值。典型的使用场景有工单分类、判断文档是否需要人工复核、模型路由和 agent 评估。它可以在 SQL 中调用，也提供 REST API。官方称它的延迟和成本都低于 LLM，但没有给出数字，功能目前处于 Beta 阶段。

类似的思路在其他地方也有体现：Neon 上线了 pg_redact，借助 Jev 在 Postgres 内部按内容识别并脱敏 PII，不再局限于"一列对应一类个人数据"。同一天，学界也有一篇论文 JEVDB（见下文），把类型化决策模型用在了语义过滤和 join 上。[6]

Neon 的 AI Gateway 新增 embedding 模型服务 · vector

Neon 的 AI Gateway 现在可以生成 embedding，所用的端点是与聊天模型相同的 OpenAI 兼容端点，凭证也是同一份。使用 Postgres 加 pgvector 的用户因此不必再单独接入一个 embedding 服务，少了一道环节。[7]

▎ 湖仓 · 开放表格式 · HTAP

Iceberg REST Catalog 合入 read-restrictions，列脱敏与行过滤有了不依赖具体引擎的标准 · lakehouse

Google Cloud 的 Talat Uyarer 与 Sung Yun 撰文介绍，Apache Iceberg 社区已经向 REST Catalog 规范合入了可选的 read-restrictions 字段，loadTable 的响应可以附带行过滤和列投影（脱敏）规则。评估时先对原始列值执行行过滤，再对保留下来的行做投影。这样一来，一条策略可以"按 region = 'US' 过滤，同时在输出中遮蔽 region"，两类规则能够组合使用。

这填补了开放格式的一个结构性缺口。表数据是对象存储中的 Parquet，BigQuery、Spark、Trino、Flink、DuckDB 等引擎都能直接读取，但 catalog 此前只能对整张表放行或拒绝，也就是粗粒度的凭证发放和服务端 scan planning。需要细粒度治理的用户，只能改用厂商私有的客户端，或者让读请求绕经厂商的代理，这等于放弃了直接读取存储所带来的性能与开放性。标准落地之后，各引擎会不会实现、实现到什么程度，还有待观察。[8]

Amazon S3 Tables 开始支持 Iceberg V3 的全部数据类型 · lakehouse

AWS 宣布，S3 Tables 支持 Iceberg V3 规范中的所有数据类型，用户既可以新建 V3 表，也可以把 V2 表原地升级。V3 的特性包括三类。其一是 deletion vectors，用紧凑的二进制结构取代 V2 的 positional delete 文件；AWS 举例说，合规删除 5 万行数据后，不会再留下成千上万个小删除文件。其二是 row lineage，每一行自动带有 _row_id 与 _last_updated_sequence_number，下游不必扫描全表就能找到发生变更的行。其三是 variant、纳秒时间戳、geometry、geography、unknown 等数据类型。compaction 与维护工作仍由 S3 Tables 托管。[9]

▎ 技术 · 架构 · 性能基准

DuckDB 的做法：对长字符串做 GROUP BY 时，先换成整数键聚合，最后再 join 回字符串 · olap

DuckDB 官方博客介绍了一个实用的模式。如果某个长字符串列的重复度很高，就先建一张小的维度表，给每个字符串配上有序的窄整数键，在整数键上完成聚合，最后才把字符串 join 回来。这样做的原因在于哈希聚合的实现方式：DuckDB 的字符串是 16 字节的结构，不超过 12 字节的内联存放，更长的只保存 4 字节前缀和一个指针。因此计算哈希时要读完整个字符串，命中后还要顺着指针做全串比较，新出现的分组还会把字符串拷进哈希表自己的内存，使哈希表随之变大。示例数据是荷兰铁路的停靠表，共 380,959 行，却只有 537 个不同的站名，仅 Amsterdam Centraal 一个站名就重复了 7,591 次。这个办法本质上就是数据仓库里的星型模型，只是在这里被用作聚合优化，官方已经把它写进 Performance Guide 的 schema 章节。事情的起因是一份关于高基数分组内存占用的报告，后来查明，问题与字符串并无关系。[10]

Snowflake 重做了 Adaptive Warehouses 的 DML 写路径，称最高快 13.7 倍 · olap ⚠️ 厂商口径

Snowflake 的工程博客解释了 Adaptive Warehouses 的写路径。micro-partition 是不可变的文件，只改几行也要把整个文件重写一遍，写放大因此很严重。新路径采用了四项措施：用 delta 文件加 bitmap 表示稀疏的修改，不再重写分区；复用已有的元数据，而不是重新计算；让 CPU 计算与 I/O 等待互相重叠；并根据负载的读取方式来安排新文件的布局。收益主要体现在 DELETE、UPDATE 和 MERGE 上，各项机制会按语句自动触发，不需要配置。13.7 倍这个数字来自 Snowflake 自己的基准对比，对比的基线与口径没有经过第三方验证。[11]

学界 · 研究前沿

· HakiCC（arXiv 2610.00889）：这项工作用 LLM 多 agent 流水线，为特定应用自动设计、验证并优化并发控制协议。研究的动机是，多数应用只会默认采用 2PL 或 OCC。[12]

· JEVDB（arXiv 2610.02046）：这个语义数据库用速度快的类型化决策模型来做过滤、join、分类和排序，只把不确定的样本交给生成式 LLM 处理，并通过半连接削减和 Semantic Bloom Filter 来减少语义 join 的工作量。作者称，在 SemBench 上，它的 21 条查询延迟全部最低，其中 19 条成本最低（论文自报）。[13]

· BudgetSchemaBench（arXiv 2610.00092）：这项研究针对 Text-to-SQL 的 schema 上下文预算做诊断，在 80 个库合并而成的目录上扫描四档预算，比较三种表示方式，并通过来源命名空间检查，剔除那些"从错误的数据库拿到正确结果"的查询。[14]

· Guarded Commits（arXiv 2610.00037）：它把人工审批写入 LLM 工作流的状态，提交之前由凭证受限的 commit 适配器核对审批记录。论文的证据只有在合成的无环工作流上做的校验器测试，属于设计提案。[15]

▎ 融资 · 并购 · 商业化

Supabase｜新一轮｜1.5 亿美元｜估值未披露，并收购 Turso · agent ⚠️ 公司口径

Supabase 宣布完成新一轮 1.5 亿美元融资，由 GIC 领投，Alphabet 旗下的 CapitalG、IronArc 和 SquarePeg 参投，距离上一轮 5 亿美元 Series F 只有四个月。这笔资金有一部分将用于员工流动性。Supabase 同时宣布收购 Turso。Turso 用 Rust 重写了 SQLite，还搭建了一个云平台，单台服务器就能管理数百万个数据库，并按需加载和挂起；Superhuman、Sauna.ai、CTO.new 和 Mastra 都是它的用户。收购金额与估值，在目前见到的材料中都没有披露。

Supabase 自述，每月新增用户超过 100 万，新增数据库 400 万个，其中 70% 由 agent 或 AI 工具创建，6 月时已披露的同比增幅为 600%，以上均为公司自报的数字。公司给出的逻辑是：SQLite 适合小型、随用随开的负载，Postgres 适合业务做大之后，二者合在一起，能给 agent 提供一条从原型走到生产的路径。Turso 将继续独立运营，并保持 SQLite 路线；联合创始人 Glauber Costa 将负责 Supabase 在 agent 基础设施方面的方向，Pekka Enberg 也一同加入。同一天，Supabase 在 Select 大会上发布了 Multigres 与 OrioleDB，详见第一章。[16]

Neon 免费版每个项目的存储空间翻倍，升至 1 GB · oltp

Neon 免费计划中，每个项目的存储空间从 0.5 GB 提高到 1 GB，项目数量仍然保留 100 个，已有的项目也会同步获得新的额度。[17]

文中 [N] 为来源编号，全部来源链接请点文末「阅读原文」查看。

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻