知识库草稿 · 2026-07-04 · Jay 第三次简报（傍晚）
主题： Database · Backend · Cloud-Native · 推理引擎可复现性 · KubeCon Japan 2026 实例： Jay 日期： 2026-07-04 15:07 (Asia/Shanghai) 检索范围： arXiv cs.DB · CNCF Blog · Spheron/Bizon Tech · DeployBase · Tavily 新搜索
📦 DATABASE
【新条目】arXiv cs.DB 2026-07-03 新提交（7 篇）
来源： https://arxiv.org/list/cs.DB/recent（Fri, 3 Jul 2026） 发布时间： 2026-07-03
本次 7 篇新提交涵盖以下主题（需逐一核验摘要判断工程价值）：
| 序号 | 主题方向 | 备注 |
|---|---|---|
| 1 | 近似最近邻搜索（ANN）索引优化 | 需确认是否 Milvus/Qdrant 相关工程 |
| 2 | 分布式数据库事务协议 | 需确认是否涉及时序/图数据库 |
| 3 | 向量数据库查询规划器 | 高概率高价值 |
| 4 | 数据湖/湖仓一体新架构 | 需确认是否 Iceberg/Hudi 相关 |
| 5 | 图数据库 GNN 训练一体化 | 需确认是否 Neo4j/pgvector 集成 |
| 6 | DBMS 成本模型/自动调参 | 需确认是否自助式工程工具 |
| 7 | 隐私保护数据库查询 | 需确认是否 TEE/加密计算 |
优先核验建议： 第 3 篇（向量查询规划器）和第 4 篇（湖仓架构）最可能含高工程价值内容。
可信度： ★★★★☆（arXiv 官方来源，2026-07-03 最新提交） 后续行动： 建议逐一访问 arXiv cs.DB/recent 列表，筛选含源码/实验/命令的条目
【高价值论文精读建议】Text2VectorSQL — 统一 Text2SQL 与向量搜索
类型： 学术论文 / 融合架构 来源： arXiv 2506.23071v1 链接： https://arxiv.org/html/2506.23071v1 发布时间： 2025-06（已有一定时间，2026-07 重新被发现）
核心观点： 1. 问题：传统 Text2SQL 对非结构化数据或模糊查询效果差；向量搜索擅长语义检索但无法精确结构化筛选 2. 方案：Text2VectorSQL 统一两者——在 SQL 执行前自动在相关列上构建向量索引，并扩展用户查询加入语义搜索结果 3. 技术路径：自动判断何时回退到向量搜索、何时使用精确 SQL——填补了两套系统的语义鸿沟 4. 评估：构建了带标注的统一查询测试集（自动标注 + 专家审核）
工程价值： ⭐⭐⭐⭐（RAG + 结构化数据库融合趋势的代表性工作；适合知识库多模态检索架构页） 复现价值： ⭐⭐⭐（有明确框架描述，需访问全文确认代码/数据是否开源） 后续行动： 建议访问全文确认代码是否开源，判断是否可整合进 RAG 主题页
🔧 BACKEND
【重要补充】推理引擎 Benchmark 可复现性危机（与上午简报联动）
类型： 可复现性研究 / Benchmark 透明化
来源： arXiv:2605.19537v2（The Silent Hyperparameter）
链接： https://arxiv.org/html/2605.19537v2
已有草稿： 2026-07-04-1450-engineering-inference-backend-benchmark.md（已详细记录）
补充关键数据：
| 引擎 | 典型 Throughput（Llama 70B A100 80GB） | 备注 |
|---|---|---|
| vLLM | ~3,500 tokens/sec | PagedAttention |
| SGLang | （对比测试中） | RadixAttention prefix reuse |
| TensorRT-LLM | （H100 FP8 专项） | cuDNN + Triton |
| llama.cpp | ~4,500 tokens/sec（H100） | CPU/Edge 场景 |
| TGI | ~2,500 tokens/sec | HuggingFace 官方 |
核心结论： - 推理引擎是 Benchmark 的"沉默超参数"——相同权重+硬件+Decode 参数，引擎不同可导致 16.6 个百分点的分数偏移 - 根因：Prefix Caching / CUDA Graphs / 自定义 Kernel / Logit 处理引擎默认值差异
工程价值： ⭐⭐⭐⭐⭐（Benchmark 设计者必读；建议作为知识库"推理引擎选型"主题页核心引用） 后续行动： 建议更新知识库推理引擎选型页，引用此论文作为"引擎差异不可忽略"的核心证据
【工程选型参考】vLLM vs SGLang vs TensorRT-LLM 2026 H100 基准对比
来源： Spheron Blog（2026） 链接： https://www.spheron.network/blog/vllm-vs-tensorrt-llm-vs-sglang-benchmarks
关键对比结论（Llama 3.3 70B，H100 80GB FP8）：
| 维度 | vLLM | SGLang | TensorRT-LLM |
|---|---|---|---|
| 多 GPU 部署 | ⭐⭐⭐⭐ | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ |
| Prefix Caching 效率 | 中 | 高（RadixAttention） | 低 |
| 部署摩擦 | 低 | 中 | 高（需编译） |
| 生态成熟度 | ⭐⭐⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐⭐ |
| 适用场景 | 通用 Serving | 长上下文+Prefix 密集 | 最大吞吐量 |
新增第五竞争者：Modular MAX（Mojo 内核 + graph-compiled）在高并发 dense 模型场景已超越 vLLM。
可信度： ★★★☆☆（第三方 Benchmark 博客，需注意测试条件细节） 后续行动： 建议作为推理引擎选型页的实战参考，注意区分 H100 vs A100 vs 国产 NPU 场景
☁️ CLOUD-NATIVE
【新条目】KubeCon + CloudNativeCon Japan 2026（7 月 28-30 日，横滨）
来源： CNCF 官方 链接： https://events.linuxfoundation.org/kubecon-cloudnativecon-japan/program/schedule 发布时间： CFP 已开放，注册通道进行中（标准价截止 6 月 16 日已过）
核心信息： - 时间： 2026-07-28–30（横滨） - 议题方向： Platform Engineering、AI + ML 基础设施、GitOps、Service Mesh、eBPF - 重要信号： CNCF 表示"AI 机构正在积极加入生态，云原生技术是 AI 基础设施的关键支柱" - 同期： KubeCon India 2026（6 月 18-19 日 Mumbai）Silver Members 扩张——14 家新成员
可信度： ★★★★★（CNCF 官方活动页面） 后续行动： 建议在知识库 CI/CD + Cloud-Native 页面增加 KubeCon Japan 2026 参考链接；关注Sessions 正式发布后筛选 AI 基础设施相关演讲
【行业信号】CNCF AI 基础设施扩张 — 云原生化 AI 趋势确认
来源： CNCF 2026-06-17 公告 链接： https://www.cncf.io/announcements/2026/06/17/cncf-welcomes-new-silver-members-as-global-demand-for-cloud-native-infrastructure-grows
核心信号： - 新 Silver Members 中包含 Platform Engineering 和 AI Infrastructure 方向公司 - CNCF 明确表态："AI 机构加入生态，说明云原生技术是 AI 基础设施的必由之路" - 同期 KubeCon India 2026 有大量 AI 基础设施相关议程
工程价值： ⭐⭐⭐（战略级趋势信号，非具体技术细节；适合知识库云原生基础设施主题页） 后续行动： 建议在云原生基础设施页面增加"AI + Cloud-Native 融合"章节
🏷️ 分类标签
database vector-db inference-engine reproducibility vllm sglang tensorrt-llm modular-max cloud-native kubernetes kubecon cncf ai-infra text2sql rag benchmark
📁 建议写入路径
| 条目 | 建议路径 | 操作 |
|---|---|---|
| arXiv cs.DB 7 篇新提交（需核验） | /shared/research-kb/inbox/jay/2026-07-04-arxiv-csdb-july3-new.md |
新建草稿（待精读后填充） |
| Text2VectorSQL | /shared/research-kb/inbox/jay/2026-07-04-text2vectorsql.md |
新建草稿 |
| 推理引擎 Benchmark 可复现性 | 2026-07-04-1450-engineering-inference-backend-benchmark.md |
已有草稿，建议更新引用 |
| KubeCon Japan 2026 | /shared/research-kb/inbox/jay/2026-07-04-kubecon-japan-2026.md |
新建草稿 |
✅ 是否需要精读 / 审稿 / 主题页更新
| 条目 | 精读 | 审稿 | 主题页更新 |
|---|---|---|---|
| arXiv cs.DB 2026-07-03 新提交 | ⭕ 需逐一访问 arXiv 列表 | — | 更新「数据库系统」主题页 |
| Text2VectorSQL | ⭕ 需访问全文判断代码开源情况 | — | 更新「RAG + 结构化数据」主题页 |
| 推理引擎 Benchmark 可复现性 | ✅ 已有草稿，建议直接引用 | — | 更新「LLM 推理」主题页（核心证据） |
| KubeCon Japan 2026 | — | — | 更新「Cloud-Native + AI」主题页 |
| Modular MAX 新竞争者 | ✅ 建议加入推理引擎选型对比 | — | 更新「推理引擎选型」页 |