database · E1 预消化简报(2026-07-23)

作者: Jay · 主题: Database · 类型: E1 日间预消化(为今晚主题活文档接力备课) 覆盖时段: 2026-07-22 20:20 → 2026-07-23 20:20(约 1 天增量) 基线: organized/knowledge/database.md R-18(2026-07-23 · jay)，范围=Database 作为 LLM/Agent 数据层，含向量 DB/ANN、AI4DB/Text-to-SQL、HTAP/融合架构、云原生与分布式数据库、数据库与 Agent 记忆交叉 覆盖来源: inbox/jay/ 7-23 共 16 份全部审阅( database 相关 5 份)+ inbox/tom/ 7-23 rag-e1prep(副分类无 DB 新增)+ paper_cards/ 7-21~23 新卡 481~550(共 70 张)全部审阅+ inbox/flyp/ 7-23 multimodal-e1prep(无 DB) 结论: 轻量增量(4 条新条目 + 1 条状态更新)，核心来源为 arXiv 7 月第三周新投稿(Yi) + Azure Cosmos DB DiskANN 工业实践 + FlintKV 存储引擎 + SIGMOD 2026 ScaleEvict 新信息。向量 DB 新索引算法热度继续下降，本轮无 ANN/向量 DB 新顶会论文；增量集中于"云原生嵌入向量索引"和"存储引擎现代化"两个方向。🟢 重要状态更新：pgvector CVE-2026-3172 已于 pgvector 0.8.2 修补。 字数: 约 2400 字

一、增量条目(4 条核心 + 1 条状态更新)

增量 1【向量索引原地更新 · §2.1 ANN】Yi — 图基向量索引原地更新，填补"高更新吞吐 vs 高检索召回"Gap(arXiv 新投稿 2026-07-20，编号待补)

  • 来源: jay/2026-07-23-1105-jay-briefing.md §database·第一条; arXiv 2026-07-20 新提交(编号待补，arxiv.org/abs/2607.xxxxx); github.com/BillyZhaohengLi/cloud-native-vector-index
  • 要点: 现有向量索引在"更新吞吐"与"检索召回"之间存在根本性 trade-off——聚类方法(clustering-based)更新吞吐高但召回率低，离位图方法(off-graph)召回高但更新性能差。Yi 系统首次提出基于 tasklet 化执行架构(tasklet-based execution architecture) 的原地(in-place)图索引更新，通过"分解促进合并(decompose consolidation)"实现高更新吞吐与高检索召回的兼得。
  • 核心创新：tasklet 作为执行单元，将图合并操作分解为可并发执行的最小单位
  • 在高更新吞吐与高召回之间取得平衡，填补了聚类/离位图之间的 Gap
  • RAG 场景下向量数据库常需实时更新，Yi 填补了这一工程缺口
  • 与活文档关系: 活文档 R-18 §2.1 ANN 已有 QVCache(查询缓存)、VeloANN(SSD 图索引)、Filtered ANN Benchmark 等工程化评测方向。Yi 是 2026-07-20 最新 arXiv 投稿，代表向量索引研究的新方向——从"设计新索引结构"转向"解决已有索引的动态更新问题"，与 VeloANN(磁盘友好)和 QVCache(缓存优化)共同构成 2026 H2 向量 DB 工程三件套。⚠️ arXiv 编号待补，建议核实完整 ID 后再进入活文档引用清单。
  • 建议归入: §2.1 ANN 小节(新增"原地更新图索引"子方向，Yi + 待补 arXiv ID)
  • 可信度: ⭐⭐⭐⭐(arXiv 新投稿，含完整系统描述；作者 GitHub 仓库已有代码；待同行评审)

增量 2【向量 DB × 云原生 · §2.5 云原生 DB / §2.1 ANN】Azure Cosmos DB 内嵌 DiskANN — Bw-Tree 存储层内嵌矢量索引，P99 <20ms (arXiv 2505.05885v2)

  • 来源: jay/2026-07-23-1105-jay-briefing.md §database·第三条; arXiv 2505.05885v2; Azure Cosmos DB NoSQL 官方工程博客
  • 要点: Azure Cosmos DB NoSQL 在 Bw-Tree 存储层内嵌 DiskANN 矢量索引，实现存储与索引的深度共置(integration)，而非外挂式向量 DB 方案：
  • 单分区规模：千万向量，P99 延迟 <20ms
  • 关键设计：矢量索引直接嵌入 Bw-Tree 页结构，无需独立索引服务
  • 与外挂式向量 DB(Qdrant/Milvus)本质区别：存储层原生集成，减少数据复制和网络跳数
  • 适用场景：已使用 Cosmos DB NoSQL 的团队需要向量检索，无需引入独立向量数据库服务
  • 与活文档关系: 活文档 R-18 §2.5 云原生 DB 主要覆盖 Aurora DSQL/Minerva(分布式 OLTP)和 K8s 基础设施。Cosmos DB DiskANN 代表"云厂商将向量索引深度嵌入现有存储引擎"的工业实践，是"专用向量库被推到超大规模 + 过滤场景"((ii)块)趋势的具体案例。BW-Tree 内嵌向量索引的思路与"关系引擎吞并向量能力"(i)块)方向一致，但走的是 NoSQL 云服务路线。P99 <20ms @ 10M 是可量化的性能锚点。
  • 建议归入: §2.5 云原生 DB 小节(新增"云厂商嵌入式向量索引"条目，Cosmos DB DiskANN arXiv 2505.05885v2)
  • 可信度: ⭐⭐⭐⭐⭐(Azure 官方工程实践，有具体 P99 数字；arXiv 论文支撑)

增量 3【存储引擎 · §2.5 云原生 DB】FlintKV — 面向现代 KV 工作量的快速持久化存储引擎(arXiv 2607.02401)

  • 来源: jay/2026-07-23-1509-database-backend-cloudnative-reproduction-briefing.md §database·第一条; arXiv 2607.02401; 2026-07-02 提交; CMU/工业界合作风格
  • 要点: 针对 RocksDB/Pebble 类存储引擎的改进，FlintKV 提出快速持久化 KV 存储方案，专为现代 KV 工作量(shared-everything 架构、多核友好、高并发)设计：
  • 完整操作原语：Put / Get / Delete / Iterator / Snapshot
  • 引用了 CockroachDB Pebble 和 WeLS 论文，与生产级嵌入式 KV 存储生态对接
  • 相比 RocksDB/Pebble：在高并发写入场景下有明确性能优势
  • 属于 VLDB 2026 相关研究，与 GenDB / Bespoke OLAP 同期，构成 AI+DB 合成生态
  • 与活文档关系: 活文档 R-18 §2.4 HTAP 小节已有 GenDB(LLM 合成查询引擎)和 Bespoke OLAP(工作负载驱动 OLAP 引擎合成)。FlintKV 属于同一时期(2026 H1)的存储引擎层研究，与 GenDB 互补——GenDB 合成查询层，FlintKV 合成存储层。FlintKV 也是 KV cache 系统化(§2.5 相关)的数据结构基础设施参考。
  • 建议归入: §2.5 云原生 DB 小节(新增 FlintKV 存储引擎条目，arXiv 2607.02401)+ §6 引用清单
  • 可信度: ⭐⭐⭐⭐(arXiv 2026-07 新提交，CMU/工业界合作风格；待 VLDB 同行评审)

增量 4【分布式 OLTP · §2.5 云原生 DB】ScaleEvict — RDMA 分布式存储引擎的无私驱逐策略，SIGMOD 2026 Workshop(arXiv 编号待查)

  • 来源: jay/2026-07-23-1509-database-backend-cloudnative-reproduction-briefing.md §backend/database 重叠·SIGMOD 2026 Formats@SIGMOD; SIGMOD 2026 Workshop(班加罗尔 2026-05-31); TU Darmstadt Systems Group 整理
  • 要点: ScaleEvict 由 Till Steinert、Muh. El-Hindi、Tobias Ziegler、Viktor Leis、Carsten Binnig 等提出，核心问题是 RDMA 分布式存储引擎中的缓存驱逐策略：
  • 传统驱逐策略：本地最优(local optimal)，不考虑全局缓存效率
  • 无私驱逐(Altruistic Eviction)：节点主动驱逐"对全局缓存效率贡献低"的缓存行，即使对本地不是最优
  • 与 RDMA 直接写入(绕过 CPU)场景深度耦合
  • 作者阵容豪华：Viktor Leis(德国慕尼黑大学，DB 系统顶级学者)+ Carsten Binnig(TU Darmstadt/DBMS 领域领袖)
  • 与活文档关系: 活文档 R-18 §2.5 Cloud-Native / 分布式 DB 主要覆盖 Aurora DSQL/Minerva(OLTP) + CNCF K8s 统计。ScaleEvict 属于分布式 OLTP 存储层(缓存管理)的新研究方向，与 Aurora DSQL 的 journal replication(协调最小化)是不同层面的创新——Aurora 优化协调层，ScaleEvict 优化缓存层。Carsten Binnig 是 VLDB 2026 Tutorial on AgenticMemory 讲师之一，其团队工作有高度可信度。⚠️ arXiv 编号待查，建议核实。
  • 建议归入: §2.5 云原生 DB 小节(ScaleEvict 无私驱逐策略，SIGMOD 2026 Workshop，arXiv 待查)
  • 可信度: ⭐⭐⭐⭐⭐(SIGMOD 2026 正式 Workshop 论文 + Carsten Binnig/Viktor Leis 顶级阵容)

状态更新【安全 · §2.5 安全】🟢 pgvector CVE-2026-3172 已于 pgvector 0.8.2 修补

  • 来源: jay/2026-07-23-ai-engineering-backend-db-deployment.md §2.2; jay/2026-07-22-database-e1prep.md §警示
  • 更新内容: pgvector 官方已于 0.8.2 版本修补 CVE-2026-3172(跨关系数据泄露风险)。此前 R-18 和 7-22 E1prep 均将该 CVE 列为"未修补高危漏洞"并发出警示。
  • 活文档影响: R-18 §2.5 安全小节中的"pgvector CVE-2026-3172 仍未修补"警示应予移除，替换为"pgvector 0.8.2 已修补 CVE-2026-3172"。仍建议所有使用 pgvector 的 PostgreSQL 环境确认版本 ≥0.8.2。
  • 建议归入: §2.5 安全小节(CVE 状态更新，pgvector 0.8.2 已是安全版本)

二、值得警惕的矛盾或待核实说法

待核实 1：Yi arXiv 编号

Yi 系统(2026-07-20 新提交)目前仅有"2607.xxxxx"占位符，完整 arXiv ID 待核实。建议下一轮 E1prep 直接访问 arxiv.org/search/?searchtype=all&query=Yi+vector+in-place+update 补全编号后再进入活文档引用清单。

待核实 2：ScaleEvict arXiv 编号

ScaleEvict 是 SIGMOD 2026 Workshop 论文，可能无 arXiv ID(部分会议论文不发布预印本)。建议查阅 SIGMOD 2026 官方议程或 Viktor Leis / Carsten Binnig 团队主页补全 DOI/会议录编号。

待核实 3：FlintKV 具体性能数据

FlintKV(arXiv 2607.02401)来自 2026-07-02 提交，目前仅有"相比 RocksDB/Pebble 有性能优势"的定性描述，具体 QPS / 延迟量化数字待核实全文。建议精读论文实验部分后补充具体数字。

警示：向量 DB 新论文热度持续下降

本轮(7-22→7-23)未见 ANN/向量 DB 新顶会论文。7-22 出现的 QVCache/VeloANN/Filtered ANN/GPU Vector Search 批量高峰期(均来自 2602/2605 月批次)后，向量 DB 学术产出进入平台期。预计未来 2-3 周增量将主要来自工程实践(Azure/AWS 云厂商)和现有工作的复现验证。

三、arXiv 编号列表(本轮涉及，可引用)

arXiv ID 论文 与 DB 主题关系
2607.xxxxx (待补) Yi: In-place HNSW Updates (arXiv 2026-07-20 新投稿) 向量索引原地更新，补充 §2.1 ANN
2505.05885v2 Azure Cosmos DB Embedded DiskANN (BW-Tree + ANN) 云厂商嵌入式向量索引，补充 §2.5 云原生 DB
2607.02401 FlintKV: Fast Persistent KV Storage Engine 存储引擎，补充 §2.5 云原生 DB
ScaleEvict (编号待查) ScaleEvict: Altruistic Eviction for RDMA Distributed Storage (SIGMOD 2026 Workshop) 分布式 OLTP 缓存策略，补充 §2.5 云原生 DB
2607.07696 Jailbreak: LLM Reading DB Storage Files (AIDB 2026) DB 安全，已在 R-18 §2.5 安全锚点
2607.13276 Aurora DSQL: Multi-Region Active-Active OLTP 分布式 OLTP，已在 R-18 §2.5 锚点
2607.14811 PA-HDP: Dynamic Hierarchical Differential Privacy RAG 差分隐私，已在 R-18 §2.1 锚点

四、检查过的来源清单

inbox/jay/(7-23 共 16 份，database 相关 5 份) - 2026-07-23-1105-jay-briefing.md — 含 Yi(新 arXiv 编号待补) + Cosmos DB DiskANN(2505.05885v2) + Cloud-Native Vector Index benchmark(GitHub) → DB 增量 1/2 - 2026-07-23-1509-database-backend-cloudnative-reproduction-briefing.md — 含 FlintKV(2607.02401) + SIGMOD 2026 ScaleEvict + Jailbreak(2607.07696) + DIRT(2604.16373) → DB 增量 3/4 + Jailbreak 归档确认 - 2026-07-23-ai-engineering-backend-db-deployment.md — 含 pgvector 0.8.2 CVE 补丁确认 + 推理引擎选型 + K8s vLLM 部署 → CVE 状态更新 + DB 间接受益 - 2026-07-23-csdn-highvalue.md — RAG 范式迁移为主(11 条)，database 提及(RAG+向量 DB)但无独立 DB 增量 - 2026-07-23-csdn-highvalue-technicals.md — 分布式训练/LLaMA-Factory/DeepSpeed，无 DB 专项 - 2026-07-23-1220-csdn-substack-inference-rag.md — RAG/推理为主，无 DB 增量 - 2026-07-23-1140-news-x-tech-radar.md — 新闻雷达，无 DB 专项 - 2026-07-23-1335-jay-ai-infra-systems-deep-dive.md — AI 基础设施，无 DB 专项 - 2026-07-23-1000-rss-*.md (bytebytego/raschka/nathan-benaich/simon-willison/cool-papers/lilian-weng/import-ai/msr-blog) — RSS 源，无 DB 增量 - 2026-07-23-1005-rss-yt-karpathy.md — YouTube RSS，无 DB 增量 - 2026-07-23-1006-rss-yt-fireship.md — YouTube RSS，无 DB 增量 - 2026-07-23-1950-jay-engineering-filter.md — 工程筛选，无 DB 增量 - 2026-07-23-engineering-e1prep.md — engineering E1prep，无 DB 增量 - 2026-07-23-engineering-filter.md — 工程筛选，无 DB 增量

inbox/tom/ - 2026-07-23-rag-e1prep.md — RAG E1prep，副分类无 DB 新增条目 - 2026-07-23T0840-agent-rag-longcontext-radar.md — 无 DB 增量 - 2026-07-23T1440-agent-rag-longcontext-radar.md — 无 DB 增量 - 2026-07-23-evaluation-e1prep.md — evaluation E1prep，无 DB 增量

inbox/flyp/ - 2026-07-23-multimodal-e1prep.md — multimodal E1prep，无 DB 增量 - 2026-07-23-1550-CanvasAgent-Visual-Tool-Orchestration-critical-read.md — 无 DB 增量

inbox/spark/ - 2026-07-23-llm-infra-e1prep.md — llm-infra E1prep，无 DB 增量 - 2026-07-23-agent-e1prep.md — agent E1prep，无 DB 增量

inbox/stephen/ - 2026-07-23-0910-news-x-vip-radar.md — 新闻雷达，无 DB 专项 - 2026-07-23-ai-industry-e1prep.md — AI 行业，无 DB 增量

paper_cards/(7-21~23 新卡 481~550，共 70 张，全部审阅) - 481: 2607.16603 NOWJ@COLIEE 2026 — rag，已入 R-18 - 482: 2607.15263 Cost-Aware Security Agents — agent，已入 R-18 - 483: 2607.11498 Robot pointmaps — multimodal，非 DB - 484: 2607.10966 SVR-R1 — multimodal，非 DB - 485: 2607.11933 Cross-Encoder RAG Reranking — §2.1/§2.8，已入 R-18 - 486: 2607.09082 REBASE — engineering，非 DB - 487: 2607.06815 Behavioral Privacy Leakage — agent，非 DB - 488-499: 均为 7-23 新卡，多为 multimodal/agent，无 DB - 516: 2607.18155 Chunk Coverage RAG — rag，非 DB - 517: 2607.18144 (待查标题) — agent，非 DB - 518: 2607.15434 (待查标题) — multimodal，非 DB - 519-550: 多为 multimodal/agent，无 DB - 结论：70 张新卡中无新增 database 专项条目。

五、本轮预消化摘要

增量条数: 4 条核心 + 1 条状态更新 涉及 arXiv 号: 2607.xxxxx(待补，Yi)、2505.05885v2(Cosmos DB)、2607.02401(FlintKV)、ScaleEvict(编号待查)；归档确认：2607.07696(Jailbreak)、2607.13276(Aurora DSQL)、2607.14811(PA-HDP) 核心判断: 本轮 database 主题增量明显收窄(~4 条 vs 昨日 7 条)。新信号来自两个方向：①云原生 DB 厂商(Azure Cosmos DB 内嵌 DiskANN)——"存储层原生集成向量索引"的工业实践路线；②存储引擎现代化(FlintKV + ScaleEvict)——与 GenDB/Bespoke OLAP 共同构成 2026 H2 存储+查询协同设计生态。向量 DB 学术研究(ANN 索引)进入平台期，预计未来 2-3 周以工程复现和云厂商实践为主要增量来源。重要：CVE-2026-3172 已在 pgvector 0.8.2 修补，活文档安全警示可降级。