数据库行业日报
本期要点
· ClickBench 提请移除 pgrust：43 条查询各配专用内核
· QuestDB 10.1.0 发布，新增 SUBSAMPLE，附十余项破坏性变更
· Postgres recovery_prefetch 可把副本读 IOPS 放大至 16 倍
· PG19 延期的数据：REL_19 回补提交同比多 61%
· Omdia：OceanBase 亚太分布式库份额 15.5% 居首
· Tiger Data 复盘 三套 agent 记忆，表达力最强的不最好用
版本与产品发布
QuestDB 10.1.0：时序 SQL 扩容，同时收紧语义 · olap
QuestDB 10.1.0 新增 SQL 能力，包括服务端降采样 SUBSAMPLE、percentile_disc / percentile_cont 两个百分位函数、在 HORIZON JOIN 中使用右侧过滤，以及带审计的视图。性能方面，并行 GROUP BY 可以跑在 hash join 之上；LATEST ON、symbol 列的 LIKE/正则过滤、带时区的 SAMPLE BY，以及 XFS 上的乱序写入都变快了。
这次升级要先读破坏性变更清单。INT 运算在任何上下文中都按 32 位回绕，回退了此前两次自动加宽的改动，要得到 64 位结果需显式加宽操作数。像 '1min' 这类不合规的时间间隔，过去会被静默解析成 1 纳秒，现在直接报错。不带聚合的 HORIZON JOIN 不再自动去重，依赖它的物化视图需要全量刷新。Intel 版 macOS 不再支持。这些改动的共同方向是把过去的"静默容错"改成显式报错。在 ClickHouse、Pinot 与时序专用库争夺的实时分析市场里，SQL 语义是否严谨正在变成一项基础门槛。[1]
其他版本动态：Apache Pinot 1.6.0 RC1（新增 Lucene 回滚时重建 text/HNSW 索引，SMART 聚合改为上报真实的近似结果标记）[2]；Apache Doris 4.2.0-rc01 [3]；ClickHouse v26.9.25.15-stable [4]、v26.8.34.13-lts [5]、v26.7.37.6-stable [6]、v26.3.59.10-lts [7]、v26.3.60.2-lts [8]；Milvus v2.6.26 [9]、v3.0.4 [10]；Materialize v26.47.1 [11]、v26.48.0-rc.1 [12]；TiDB v26.3.21 [13]、v8.5.7 热修 [14]；YugabyteDB 2025.2.9.0 / 2026.1.3.0 / 2.31.0.0 构建 [15]；Chroma 1.5.10.dev [16]
数据库 × AI
Tiger Data 复盘三套 agent 记忆：表达力最强的不是最好用的 · agent
Tiger Data 为内部 Slack agent Eon 先后做了三套记忆系统。第一套是按用户隔离的事实列表，只有 remember/recall/update/forget 四个操作。它的问题是 recall 会把该用户的全部记忆原样返回，知识也无法跨用户共享，最终只有少数重度用户在用。第二套改成更有表达力的知识图谱，第三套是树形结构。团队的结论是，表达力更强不等于更有效。树形方案的检索能力后来被其他团队拿去做记忆以外的用途，这部分基础设施随后抽出来开源为 searchgres.js，即在 Postgres 内做混合检索的 TypeScript 库。
agent 记忆选型目前在向量库、知识图谱和专用记忆层之间争论不休。这篇复盘给出了一个工程侧答案：瓶颈在于"该存什么、该取回什么"的检索问题，而不在数据模型够不够丰富。[17]
Supabase 让应用自带 MCP server，agent 权限交给 RLS · agent
Supabase 推出 MCP Server block。安装后会在项目里生成一个 Edge Function，内含 MCP 处理器和鉴权中间件，开发者把应用的操作逐个注册为 MCP tool，最终用户就能在 ChatGPT、Claude 等客户端里直接调用。设计重点在权限：OAuth 流程由 Supabase Auth 完成，每次工具调用都以已登录用户的身份执行，因此不需要 service role key，agent 能访问哪些数据由现有的 RLS（行级安全）策略决定。这相当于把"agent 能碰哪些数据"的问题收回到数据库已有的权限层，而不是另建一套 agent 专用的权限体系。[18]
Databricks：528 次 agent 建管道实验，声明式胜过过程式 · agent ⚠️ 厂商口径
Databricks 称其平台上超过 70% 的 Spark Declarative Pipelines（SDP）管道由 agent 创建。为比较两种写法，它让同一个 agent 处理 22 个数据工程任务，每个任务配 12 组带脏数据的输入，分别用过程式 PySpark 和 SDP 各写一遍，共 528 次构建。厂商的结论是声明式更安全、更便宜、代码更少。核心论点是：声明式管道在运行前就能检出引用不存在的列或表这类结构性错误，agent 不必花算力和时间反复试跑，人工审查的代码量也更小。实验由厂商自行设计和执行。[19]
湖仓 · 开放表格式 · HTAP
Snowflake 迁 Spark 拆成两步：代码不改，catalog 不迁 · lakehouse
Snowflake 给出的 Spark 迁移方案把两件事分开处理。计算层用 Snowpark Connect for Apache Spark 原样运行现有 PySpark 代码。元数据层通过 catalog-linked database，把 AWS Glue、Apache Polaris、Databricks Unity Catalog、Microsoft OneLake 等外部 catalog 映射进 Snowflake，表的归属暂时不动。客户确认性能和成本后，可以再选择迁到 Horizon。
这一路线建立在 Iceberg 多引擎共读一份数据的前提上。Snowflake 不要求客户一次切换 catalog，而是先在计算层争取工作负载，这与本月 Unity Catalog 支持 Iceberg 表零拷贝迁出属于同一类竞争：两家都在降低客户从对方迁过来的成本。[20]
技术 · 架构 · 性能基准
Postgres recovery_prefetch 被指可致生产停摆 · oltp
ardentperf 根据现场案例指出，Postgres 15 引入的 recovery_prefetch（备库回放 WAL 时预取数据页）可能引发停摆。当主库做大块顺序 I/O 时，这个机制会在备库把它转成 8KB 随机读，读同样的字节数，副本的读 IOPS 最多会被放大到 16 倍，很容易耗尽 IOPS，导致备库严重滞后。如果此时启用了同步复制，主库要等至少一个健康备库确认才能提交，备库一卡，整个系统就会挂住。
作者称，只要网络抖动打断流复制时恰好遇上一波写入（VACUUM 也能产生这样的写入），就足以触发，并已在 GitHub 公开复现脚本。2021 年和 2025 年都有人在 hackers 邮件列表提过相关隐患，当时未被重视。在 Kubernetes 和普通硬件上，同步复制正是社区版 Postgres 防止数据丢失的主流方案，所以这个问题的影响面不小。[21]
PG19 延期的量化：LLM 找 bug 比修 bug 快 · oltp
Neon 博客给出了 PostgreSQL 19 延期的提交数据。以每年 4 月 8 日特性冻结到 9 月 25 日为同一统计窗口，主干提交数同比基本持平，但回补到 REL_19_STABLE 的提交从上一周期的 724 个增至 1169 个，增长约 61%。回补到上一版 REL_18_STABLE 的提交也从 248 个增至 433 个，增长约 74%。作者的解释是，提交者并没有比往年更不谨慎，而是更多存量缺陷被 LLM 快速找了出来。8 月 27 日至 9 月 15 日间撤回的大特性包括 FOR PORTION OF、SQL/PGQ 和分区 MERGE/SPLIT，文章称 GA 大概率推迟到 11 月，也不排除再延期。[22]
性能 · 基准
ClickBench 提请移除 pgrust：专用内核加结果回放 · olap
ClickHouse CTO Alexey Milovidov 在 ClickBench 仓库提交 PR，要求移除 pgrust 的成绩，HN 上获 182 赞、140 条评论。pgrust 是一个大量借助 AI 编码 agent、把 PostgreSQL 用 Rust 重写的项目。PR 依据的是公开的 v0.3 源码，以及对 v0.4-preview 发布二进制的实测。
PR 列出的问题主要有四点：
· 源码里有一份"为全部 43 条 ClickBench 查询手写的物理计划"，基准 SQL 原文被编译进执行器。
· Q0–Q3、Q6、Q19、Q29 直接用分片统计信息作答，不扫描数据。
· Q28 的正则是硬编码的单条表项，代码里甚至有名为 PGRUST_GRAVITY_Q20_VARIANT 的环境变量。
· 热跑阶段回放上一轮的缓存结果。
在 96 核 Graviton 上按真实冷启动流程复测，Q20 冷跑 11.2 秒，第二次即降到 3 毫秒，而公布的热跑成绩是 7–23 毫秒。PR 认为该引擎做子串扫描的真实热速度在几百毫秒，与 ClickHouse 在同一硬件上的表现相当。v0.2 版提交时曾披露条件缓存并表示可以关闭；v0.4 去掉了这项设置，关掉相关开关后，重复的 LIKE 查询仍在 3–4 毫秒返回。
ClickBench 规则要求关闭结果缓存，而该条目标注为"未调优"，PR 认为两条都违反了。争议的另一面是，ClickBench 由 ClickHouse 维护，这次"裁判下场"在 HN 上同样引发讨论。[23]
学界 · 研究前沿
· Getting a GRIP on Graph-Based Search for Learned Sparse Retrieval（arXiv 2610.30425）：业界普遍认为，学习型稀疏检索（LSR）用改造过的倒排索引远胜图索引，这篇论文对这一结论提出反驳，与向量库是否需要"稀疏专用索引"的选型直接相关。[24]
· Structure then Query（arXiv 2608.13384）：AnnoIndex 先用 SchemaLoop 从语料中自动生成分层标注 schema，再用轻量模型抽取字段值，把非结构化文档物化成可直接过滤的结构化索引，用来替代靠向量相似度做模糊匹配的检索。[25]
· An Agentic Approach to Metadata Reasoning（arXiv 2604.20144）：Metadata Reasoner 先用表搜索引擎召回候选表，再由 agent 逐项查阅元数据，为分析任务挑出"充分且最小"的数据源组合，针对的是 agent 跨数据集分析时找数据这一瓶颈。[26]
· TT-SAX（arXiv 2610.30593）：一种双轨时间序列符号化方法，让用户用自然语言描述曲线形状，就能在时序库的长历史数据中检索匹配片段。[27]
云厂商 · 生态 · 监管
Omdia：OceanBase 以 15.5% 份额居亚太分布式数据库首位 · oltp
Omdia 的《2026 年亚太及大洋洲分布式数据库市场研究》按 2025 年收入计算，OceanBase 以 15.5% 的份额排名第一。海外客户包括菲律宾 GCash、马来西亚 TNG Digital、印尼 DANA 等支付机构。亚马逊云科技在媒体沟通会上表示，OceanBase 上架 AWS Marketplace 近两年业务规模增长数倍，Marketplace 已成为其海外核心销售渠道。蚂蚁方面称，出海不主打低价替代，而以 AI 原生数据库为定位。[28]
eMudhra 中间证书私钥泄露波及数据库客户端
印度 CA eMudhra 的 8 张中间证书因生成密钥时随机性不足，私钥可被快速恢复，Mozilla、Chrome、Apple、Microsoft 已在 10 月 17–20 日间相继将其拉黑。依赖浏览器和操作系统的软件会随之更新，但自带证书存储的软件不会自动受益，必须自己打补丁。数据库厂商随即跟进：Weaviate v1.36.24 以安全补丁形式发布，LanceDB v0.41.0-beta.13 也更新了 trust-store 证书固定（pin）。[29]
PHP 高危漏洞，Sakura Internet 停用三款数据库网页管理工具
PHP 曝出两个可在未认证情况下远程执行代码的漏洞，CVSS v4.0 评分均为 9.2，mod_php 部署风险最高，10 月 21 日已发布修复版。日本云厂商 Sakura Internet 当天停用其 Database Appliance 上的 phpMyAdmin、phpPgAdmin 和 pgAdmin，尚未给出恢复日期，建议用户改用兼容 MariaDB/PostgreSQL 的 SQL 客户端。[30]
OCI GoldenGate 扩展数据校验，接入四家 AI 模型服务 · cloud
Oracle 的 OCI GoldenGate 把基于 Veridata 的数据校验扩展到 MySQL 与 PostgreSQL，并提供一键部署 Veridata Server 和 Agent 的 Terraform 模板，用于在迁移中比对源端和目标端数据。连接菜单新增 OCI Generative AI、OpenAI、Google Gemini、Voyage AI 四类 AI 服务，用于在复制管道中为向量 embedding 准备数据。[31]