FutureX · Database

本期要点

· Chroma 签署协议加入 Replit，Chroma Cloud 12 月 22 日停止读取

· 一个 23 MB 的 Brotli 压缩请求即可让 ClickHouse 服务端崩溃

· BigQuery 一条 SQL 联查 Snowflake、Databricks、Glue 三家的 Iceberg 表

· Databricks AI Search 直接索引流表、物化视图与 Iceberg v3 表

· Oracle AI Lakehouse 扩展 Iceberg 写入，语义层 12 个月内交付

· PingCAP 事故报告：被导出的记录含 SQL 编辑器文本与集群标识

Polars 2.1.0：完善数据超出内存时的执行能力 · olap

Polars 2.0 发布后，LazyFrame 默认改用 streaming engine。不到三周，2.1.0 就推出，这一版的重点是数据量超过内存时的处理，也就是 out-of-core 执行，中间结果会溢写到磁盘。溢写发生时，group-by 可以继续做 shuffle，窗口函数节点也能照常计算。内存用量超出预算时，文件读取会先等溢写完成再往下进行；溢写腾出的内存会马上交还操作系统。默认的 spill 压缩级别降为 1，默认的 prefetch 比例降为 0.5。此外，这一版优化了一批 join 基数估计和 as-of join，嵌套 Parquet 的写入也更快。本版含一项破坏性变更：eager 模式下不再允许字符串与数值混合运算。有些用户把 Polars 当作单机 OLAP 引擎，并拿它与 DuckDB 比较，对这些用户而言，比单项提速更要紧的是大于内存的数据集能否稳定跑完。^[1]

DuckDB 2.0.0 发布后补充的一批小特性 · olap

2.0.0 LTS 发布一周后，DuckDB 官方又把发布公告中没有提到的改进逐项补列出来。Python 客户端第一次有了 appender，能先缓冲逐行生成的数据，再批量写入。命令行工具新增 .manual 命令，用来查看函数签名和示例；另有 shell_history() 表函数，可以查询命令行自身的执行历史。官方还提示说，文档和博客都可以离线下载，供 LLM 和编码 agent 当作上下文使用。^[2]

Databricks AI Search 可直接为流表、物化视图和 Iceberg 表建索引 · vector

Databricks AI Search 过去只支持以 Delta 表为数据源建立索引，现在又增加了三类：Streaming Tables、Materialized Views，以及 Iceberg v3+ 格式的 Managed 表。此前用户要为这些表另外建一份 Delta 副本，并自己编写同步管道；现在沿用同一套 Delta Sync index 流程，把索引直接指向源表就行。流表一有新记录到达就会被索引；物化视图增量刷新之后，变更也会同步进索引。这很适合"刚上架的商品"之类对新鲜度要求高的检索。Databricks 此举的用意，是让湖仓里的表直接充当检索层的数据源，这样向量库与湖仓之间就不必再维护同步管道。^[14]

Supabase Compute 进入私有 alpha：让 agent 在数据库项目内运行 · agent

Supabase Compute 已进入私有 alpha，目前只在 us-west-2 区域开放。agent、后台任务和 API 可以与 Postgres 一起运行在同一个项目里，运行环境可选 Node、Deno 或任意 Dockerfile，单个任务能持续几分钟到几小时。Supabase 现有的 Edge Function 运行时间上限为 400 秒，无法承载长时间运行的 agent，推出 Compute 正是出于这个原因。据 Supabase 引用的客户案例，Dreambase 把数据 agent 迁到 Compute 之后，查询 Postgres 的中位延迟从跨区域时的 65 ms 降到了 2.9 ms。本期 alpha 不包含 agent 沙箱。^[15]

Neon 官网的搜索改用自家的 Lakebase Search · vector

Neon 已把 neon.com 的文档搜索，从外部托管的搜索服务迁到了自家的 Lakebase Search。Lakebase Search 由两个 Postgres 扩展组成，一个是向量索引 lakebase_ann，另一个是全文索引 lakebase_bm25，面向计算与存储分离的 Lakebase 架构设计。embedding、原文和这两类索引都放在同一个库中，所以混合检索可以在一个事务里，与业务表一并查询。在 Postgres 内实现混合检索的方案已有不少，Tiger Data 等也在做。Neon 这次的看点，在于它把自家的生产搜索换成了这套方案。^[16]

Snowflake：用自然语言配置 Snowpipe 的功能转为 GA · ai-native

Snowflake 的 agent 助手 CoCo 如今能在一次对话中配置好 Snowpipe 持续导入。它先对云存储里的文件采样并推断 schema，接着建立 stage、表和 pipe，最后确认数据确已导入。目标表既可以是标准表，也可以是由 Snowflake 托管的 Iceberg 表。存储集成、IAM 角色和事件通知这几步，原本要等数据工程师来处理，现在也由它完成。默认情况下，每次改动之前都需要用户批准。^[17]

Oracle Deep Data Security：在数据库内部按最终用户的身份授权 · agent

agent 通常通过高权限连接动态生成 SQL，所以不能指望它自己守住最终用户的权限边界。Oracle 的办法是在数据库内部，用声明式的 SQL 策略（data grant），按最终用户的身份在行、列、单元格三个层级执行授权。DBRU 23.26.4 在此基础上新增三项内容：其一是 data grant filter，用来收窄多条授权叠加之后的权限；其二是借助 SQL macro 复用授权谓词；其三是让 APEX 与 ORDS 能把最终用户的身份传入数据库。^[18]

BigQuery 通过 Iceberg REST catalog 对三家 catalog 做联邦查询 · lakehouse

Google Cloud 提供了一套示范配置，让 BigQuery 同时连上 Databricks Unity Catalog、Snowflake Horizon Catalog 和 AWS Glue 三个外部 catalog。只需一条 SQL，就能把 BigQuery 本地的销售数据，与 Snowflake 里的客户表、Databricks 里的商品表和 Glue 里的门店表连接起来。这之所以行得通，是因为三家都实现了 Iceberg REST catalog 规范。BigQuery 会定期同步对方的 schema 和快照指针；查询时则使用对方签发的临时凭证，直接读取远端对象存储中的 Parquet 文件。全部计算都在 Google Cloud 上进行，不会启动 Databricks 集群或 Snowflake 仓库。按 Google 官方发布说明，跨云 Lakehouse 联邦目前仍处于 Preview 阶段。这表明 REST catalog 规范已足以让第三方引擎直接读取竞争对手 catalog 所管理的表，各家转而在查询引擎和计算计费上展开竞争。^[19]

Oracle AI Lakehouse：Iceberg 读写能力扩展，语义层与模拟引擎列入路线图 · lakehouse ⚠️ 厂商口径

Oracle 在 AI World 大会第一天发布了 Autonomous AI Lakehouse 的更新。其中已经落地的是对 Iceberg 支持的扩展：用户可以直接用 SQL 创建、写入、更新和删除 Iceberg 表，还能构建带时间回溯（time travel）功能的数据产品。Oracle 另称，Data Lake Accelerator 在 100 TB TPC-DS 上的查询速度快 3 倍，集群规模上限也扩大了 3 倍；这些测试由厂商自己完成。路线图方面，可挂载外部 catalog 的 AI Data Catalog 和业务语义层（Business Semantic Layer）明确将在未来 12 个月内交付。把 Essbase 嵌入湖仓的 Business Simulation Engine，据 Tech Times 报道也处于同一时间窗口。在语义层这条路线上，Snowflake 本月已让 Semantic Studio 正式 GA，而 Oracle 的相应能力仍停留在路线图上。^[20]

Snowflake 以自家合并的 PR 构建编码 agent 基准 SnowPR ⚠️ 厂商口径

Snowflake 的看法是，公开基准的任务取自几十个开源项目，而模型正越来越多地针对这些项目做调优。于是它用自己已合并的 PR 搭建了 SnowPR。这套基准共有 65 个任务，涉及 11 个产品领域，其中 62 个来自一个 4300 万行的 Java/C++ Bazel monorepo，通过与 PR 一同提交的隐藏测试判定是否通过。参测对象包括 Snowflake 自家 Cortex Code 的两种模式，以及 Cursor、Codex 和 Claude Code，比较时尽量使用同一个模型。每道题运行 3 次，并对照每次尝试的成本。在 65 个任务中，有 52 个修改的是查询编译、元数据和 Iceberg 表等 Java 控制面代码，与开源基准相比，更接近数据库内核团队的真实工作。^[21]

Chroma｜签署正式协议加入 Replit｜条款未披露 · vector

开源向量库 ChromaDB 背后的公司 Chroma 宣布，已与 Replit 签署正式协议，将并入对方，交易条款没有披露。Chroma 自己的说法是"加入"，部分外媒则写成"收购"。ChromaDB 的月下载量约为 600 万次，GitHub 星标接近 3 万。Replit 看重的还有 Chroma 今年做的企业 agent 记忆系统 Foundation，该系统从 Codex、Claude Code 的工作记录和 Slack 消息中提取经验，供多个 agent 共享。Replit 的 CEO Amjad Masad 和总裁 Michele Catasta，本来就是 Chroma 的早期投资人。对客户影响最大的是托管服务的关停：Chroma Cloud 从 11 月 22 日起只读，到 12 月 22 日停止读取，用户须在此之前完成迁移。开源版本继续采用 Apache 2.0 许可，部分原先闭源的代码也已开放。独立的向量库厂商被并入 agent 应用平台，这与 Andy Pavlo 本月提出的"向量库的护城河只是一个索引"之说互相印证。^[26]

HTTP2Shell 漏洞波及 ClickHouse：一个请求即可使服务端崩溃 · olap

Brotli 解码器中的越界写漏洞 CVE-2026-111497，最早是随 Node.js 的安全更新公开的，但它的影响并不限于 Node.js。JFrog 的研究人员向 ClickHouse 发出一个 HTTP 请求，请求体是 23 MB 的 Brotli 压缩数据，结果解码器状态被破坏，服务端在清理阶段崩溃，正在执行的查询随之中断。JFrog 于 10 月 25 日发布这项研究时，ClickHouse 的修复已经合入代码，只是还没有包含该修复的正式版本。同一漏洞出现在 Apache Arrow（pyarrow）中，只需 534 字节的输入就能触发死循环；出现在 .NET 和 FFmpeg 中，则表现为崩溃和内存破坏。上游 Brotli 的修复版本是 1.0.10、1.1.1 和 1.2.1，不过各个项目可能自行打过补丁，因此要判断是否受影响，应查看厂商的补丁记录，不能只看版本号。^[27]

PingCAP 公布入侵事件的影响范围 · oltp ⚠️ 单方口径

PingCAP 在事件报告中确认，被导出的记录包含用户名和邮箱，其中一部分还带有组织信息、SQL 编辑器文本、错误信息和集群标识符。外部取证没有发现攻击者在生产系统中执行过命令或保持过持久访问，也没有发现存放在 TiDB 中的数据受到影响。公司建议客户轮换 TiDB Cloud 的管理 API 密钥，并提防有针对性的钓鱼攻击。勒索组织 FulcrumSec 另称，它已拿到 413 个私有代码仓库的访问权，以及约 1,800 个客户外部数据库端点的管理员凭证，这些说法均未获证实。该组织首批公开的数据压缩后为 128.3 GB，远小于它所称的 10.6 TB。^[28]

Snowflake 宣布将以第一方服务的形式登陆 OCI · cloud ⚠️ 计划口径

Snowflake 与 Oracle 扩大了合作，Snowflake on OCI 将作为原生的第一方服务上线，由 Oracle 直接采购并计费。计划中的集成对象有 Fusion 应用、NetSuite、Autonomous Database 和 MySQL HeatWave。上线时间目前尚未公布，官方博文还特别说明，文中的示例场景"未必代表上线时的功能"。^[29]

Stripe Data Pipeline 开始支持实时同步到 Postgres

Stripe 现在可以在几秒之内，把 charges、customers、invoices 等所有带列表端点的 API 对象，同步进用户自己的 Postgres，Neon 是首批支持的目标库之一。Neon 的示例应用没有使用任何 webhook，退款和拒付都是通过查询同步过来的表来处理的。^[30]

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻