database · E1 预消化简报(2026-07-24)

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: 2026-07-23 20:20 → 2026-07-24 20:20(约 1 天增量) 基线: organized/knowledge/database.md R-19(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/ 7-24 共 22 份全部审阅( database 相关 6 份)+ inbox/tom/ 7-24 rag-e1prep/radar(副分类无 DB 新增)+ paper_cards/ 7-22~24 新卡 541~571 全部审阅(含 DB 相关 2 张)+ inbox/spark/ 7-24 agent-e1prep/llm-infra-e1prep(无 DB)+ inbox/flyp/ 7-24 multimodal-e1prep(无 DB)+ inbox/stephen/ 7-24 news 通稿(无 DB 专项) 结论: 中等增量(5 条核心新条目 + 2 条补强)；核心来源为 SIGMOD/VLDB/CIDR 2026 顶会三连(Purdue DASLab 的 O3-LSM/DART/PostgreSQL-V + Terark-DS)、pgvector 2026 DBA 实操指南(含 ef_search≤200 关键警告)、以及工程筛选中的 Redis/MySQL/PG17 运维深化。ScaleEvict arXiv 编号仍未查到；O3-LSM/DART/PostgreSQL-V arXiv 编号待补。向量 DB 学术产出 7-22 后进入静默期，本轮无 ANN 新顶会论文。 字数: 约 3000 字

一、增量条目(5 条核心 + 2 条补强)

增量 1【LSM × Disaggregation · §2.4 HTAP/§2.5 云原生 DB】O3-LSM — 分解式内存三层层卸载写入协议，SIGMOD 2026

• 来源: jay/2026-07-24-1506-db-cloud-backend-csdn.md §1; SIGMOD 2026 · Purdue DASLab; PDF: cs.purdue.edu/homes/csjgwang/pubs/SIGMOD26_O3LSM.pdf; ⚠️ arXiv 编号待补（论文同期在线，但 PDF 托管于 Purdue 而非 arXiv）
• 要点: Disaggregated Memory(DM)架构下，LSM-KVS 面临远程内存写缓冲的访问延迟不对称问题——写操作频繁跨网络写入 DM，导致写放大严重。O3-LSM 是首个利用 DM 作为写缓冲扩展的 LSM-KVS，提出三层卸载策略： 1. DM-optimized memtables：将 dram(memtable) 分层卸载至 DM，降低网络往返 2. Cache-enhanced read delegation：读取优先从本地 cache 而非远程 DM 取数据，减少读延迟 3. Shard-level flush offloading：分片级 flush 卸载，将 compaction 任务旁路到 DM 节点执行
• 实验结果：p99 写延迟降低 45%，系统吞吐量提升 38%
• 与活文档关系: 活文档 R-19 §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)；§2.5 云原生 DB 有 Aurora DSQL/Minerva(分布式 OLTP)和 Terark-DS(本轮新增)。O3-LSM 填补了"LSM-tree × 内存分解式架构"这一交叉方向——与 Terark-DS(存储 disaggregation)构成"内存 disaggregation vs 存储 disaggregation"双轨并行的完整图景，同属 Purdue DASLab 2026 H1 产出。⚠️ arXiv 编号待核实，建议补全后再进入活文档引用清单。
• 建议归入: §2.4 HTAP 小节(新增"LSM × Disaggregation 双轨"子方向，O3-LSM SIGMOD 2026 + Terark-DS VLDB 2026)
• 可信度: ⭐⭐⭐⭐⭐(SIGMOD 2026 正式论文，Purdue DASLab 团队，附完整实验数据)

增量 2【向量索引解耦 · §2.1 ANN】PostgreSQL-V — 向量索引与存储引擎解耦，8.9× 超越 pgvector，CIDR 2026

• 来源: jay/2026-07-24-1506-db-cloud-backend-csdn.md §2; CIDR 2026 · Purdue DASLab; PDF: cs.purdue.edu/homes/csjgwang/pubs/CIDR26_PostgreSQLVector.pdf; ⚠️ arXiv 编号待补
• 要点: pgvector 受制于 PostgreSQL 面向页的存储结构，索引效率存在天花板。PostgreSQL-V 核心思路是将向量索引从 PostgreSQL 存储引擎完全解耦，直接利用原生向量索引库(如 HNSWLib)，绕过 PostgreSQL 的 page-oriented 开销：
• 关键技术：LSM-based 索引框架 + 轻量级崩溃一致性机制(利用 PostgreSQL 已有 WAL + 检查点，无需额外分布式协调)
• 实验结果：与专用向量数据库(Milvus/Qdrant)性能持平；比 pgvector 快 8.9×；支持可插拔向量索引
• 范式意义：这是"专用向量数据库"vs"数据库内建向量"路线之争的重要里程碑——解耦架构可能是内建向量的最终答案
• 与活文档关系: 活文档 R-19 §2.1 ANN 已有 QVCache(查询缓存)、VeloANN(SSD 图索引)、Filtered ANN Benchmark、PostgreSQL-V 解耦方向(来自 7-24 1506 CS on DN)。PostgreSQL-V 8.9× vs pgvector 是本轮最强量化数字，直接支持"pgvector 受限于 page-oriented 结构"的判断，与 R-19 §2.1 "向量 DB 新索引算法热度下降"的趋势描述形成互补——不是索引算法本身凉了，而是 pgvector 架构路线到了天花板。⚠️ arXiv 编号待补；可与 arxiv:2603.23710(SIGMOD 2026 Filter-Agnostic FVS)交叉阅读(7-24 1506 原文提及)。
• 建议归入: §2.1 ANN 小节(新增"PostgreSQL-V 解耦路线 8.9× vs pgvector，CIDR 2026"条目)
• 可信度: ⭐⭐⭐⭐(CIDR 2026 论文，有完整 benchmark；可复现参考价值高)

增量 3【索引结构 · §2.5 云原生 DB】DART — 分解式内存无锁双层哈希 ART 索引，SIGMOD 2026

• 来源: jay/2026-07-24-1506-db-cloud-backend-csdn.md §3; SIGMOD 2026 · Purdue DASLab; 编号 SIGMOD 2026 pp.22:1-25; ⚠️ arXiv 编号待补
• 要点: ART(Adaptive Radix Tree)在 disaggregated memory 下锁竞争严重，单点写入成为瓶颈。DART 核心思路是双层哈希 + ART 无锁设计：
• 第一层哈希定位分区桶，第二层 ART 提供有序范围查询能力
• 无锁保证：利用 compare-and-swap(CAS)操作替代全局锁，实现读写不互斥
• 适用场景：内存分解式数据库的索引层，需要同时支持点查 + 范围查询的高并发 OLTP 场景
• 与活文档关系: 活文档 R-19 §2.5 云原生 DB 主要覆盖 Aurora DSQL/Minerva(OLTP)和 O3-LSM/Terark-DS(本轮新增)。DART 属于分布式 OLTP 索引层(锁优化)的新研究方向，与 O3-LSM(写缓冲优化)、Terark-DS(存储层优化)共同构成 Purdue DASLab 2026 H1 三件套——三者在"分解式架构"主题下覆盖存储/缓冲/索引三层。Carsten Binnig 参与，与 ScaleEvict(SIGMOD 2026 Workshop，Carsten Binnig + Viktor Leis 团队)高度同源。
• 建议归入: §2.5 云原生 DB 小节(DART 无锁 ART 索引，SIGMOD 2026 pp.22:1-25，arXiv 待查)
• 可信度: ⭐⭐⭐⭐(SIGMOD 2026 正式论文，DASLab 团队)

增量 4【KV 分离 · §2.5 云原生 DB】Terark-DS — 分解式存储高能效 KV 分离存储引擎，VLDB 2026

• 来源: jay/2026-07-24-1506-db-cloud-backend-csdn.md §4; VLDB 2026; DOI: 10.14778/3796195.3796198; PVLDB Paper: vldb.org/pvldb/vol19/p822-zhang.pdf; Artifact: github.com/Terark/Terark-DS(PVLDB 官方验证可用)
• 要点: LSM-tree 在 KV 分离模式(value log 分离)下对分解式存储有天然适配性。Terark-DS 针对 disaggregated storage 重新设计 KV 分离的布局：
• 核心设计：将冷 value 下推到远程存储，热数据保留本地 NVMe cache
• 实验结果：与 RocksDB/LavaStore 对比，存储成本降低 50%，p99 读延迟降低 30%
• Artifact 可用：PVLDB 官方验证，GitHub 公开源码
• 与活文档关系: 活文档 R-19 §2.4/§2.5 已有 GenDB(LLM 合成查询引擎)和 Bespoke OLAP。Terark-DS 属于同一时期(2026 H1)的存储引擎层研究，与 O3-LSM(内存 disaggregation)构成"存储 disaggregation vs 内存 disaggregation"双轨，与 GenDB(查询层合成)形成"存储+查询双层协同设计"生态。Terark 为国产存储团队，技术细节完整。
• 建议归入: §2.5 云原生 DB 小节(新增 Terark-DS KV 分离存储引擎，VLDB 2026，doi:10.14778/3796195.3796198)
• 可信度: ⭐⭐⭐⭐⭐(VLDB 2026 正式论文，PVLDB Artifact Available，含源码)

增量 5【pgvector 工程实操 · §2.1 ANN】pgvector 2026 DBA 实操指南 — ef_search≤200 警告 + Partial Index 11× 体积压缩 + DiskANN 3ms 实测

• 来源: jay/2026-07-24-1506-db-cloud-backend-csdn.md §9; DBI-Services 官方博客(2026-03 更新); 链接: dbi-services.com/blog/pgvector-a-guide-for-dba-part-2-indexes-update-march-2026
• 要点: DBI-Services 专业 DBA 机构的 pgvector 2026 实操指南，提供了多个重要工程量化数据： 1. HNSW ef_search 参数警告：ef_search > 200 后，PostgreSQL 优化器会选择 Seq Scan + Sort 而非索引(实测 365ms vs 2.5ms)——这是本轮最重要的 pgvector 工程警告 2. Partial Index 技巧：按分类建部分索引，体积缩小 11×，构建速度提升 20× 3. DiskANN(SBQ 压缩)：存储体积比 HNSW/IVFFlat 小 9×，3072 维最近邻查询 3ms 完成 4. 索引体积警告：HNSW + B-tree 索引总体积约为数据本身体积的 2-4.5×，高维向量场景需提前规划存储
• 与活文档关系: 活文档 R-19 §2.1 ANN 有 pgvector 相关内容但缺乏具体量化数字。ef_search>200 优化器绕道是本轮最强工程信号，直接解决生产中"pgvector 索引建了但不生效"的常见问题；Partial Index 11× 体积压缩和 DiskANN 3ms 实测为向量 DB 选型提供了具体数字锚点。
• 建议归入: §2.1 ANN 小节(新增 pgvector 2026 工程实操量化数据)
• 可信度: ⭐⭐⭐⭐(专业 DBA 机构实测，有量化数据)

补强 1【PostgreSQL 17 新特性 · §2.5 云原生 DB】PostgreSQL 17 生产级性能模式 — 增量 VACUUM + 双向索引扫描 + Streaming IO

• 来源: jay/2026-07-24_engineering-database-csdn.md §13; Medium @CodingWithAbhi; POSETTE 2026 YouTube; ⚠️ 部分数字需核实具体 PG 小版本
• 要点: PostgreSQL 17 带来多个与数据库性能直接相关的特性： 1. 增量 VACUUM：减少 VACUUM 对前台负载的影响，对大表(>1TB)尤为关键 2. 双向索引扫描(Bi-directional Index Scans)：避免反向索引扫描的开销，ORDER BY created_at DESC 场景直接受益 3. Streaming IO (preadv)：合并多个 8KB 页面读取为单次系统调用，减少 I/O 开销 4. IS NULL/NOT NULL 优化：消除 NOT NULL 列上不必要的索引扫描
• 实测(来自 Medium 文章): 50,000 并发用户、2TB 数据，查询从 30 秒降至亚秒级
• PG 18 预览(POSETTE 2026)：B-tree skip scan、OR-to-ANY 转换、Self-join elimination——无需任何 schema 变更即可带来日常查询性能提升
• 与活文档关系: 活文档 R-19 §2.5 云原生 DB 尚未包含 PG 17 新特性。PG 17/18 是 2026 年 PostgreSQL 生态最值得关注的升级窗口，增量 VACUUM 和双向索引扫描有直接生产价值。建议升格为 §2.5 独立条目。
• 建议归入: §2.5 云原生 DB 小节(新增 PostgreSQL 17/18 新特性，POSETTE 2026)
• 可信度: ⭐⭐⭐(Medium 生产案例 + POSETTE 2026 官方分享，需核实具体 PG 小版本数字)

补强 2【Redis/MySQL 运维 · §2.5 云原生 DB/§2.4 HTAP】Redis 大key/热key 排障 + MySQL 三级缓存架构 + MVCC 写放大工程挑战

• 来源: jay/2026-07-24_engineering-database-csdn.md §2/§5/§7; CSDN/DBI-Services; 工程实践来源，需核实具体文章发布日期
• 要点: 本轮数据库工程运维层面有三个值得关注的补强方向： 1. Redis 大key/热key 排障：大key热key是 Redis 高并发常见瓶颈(CSDN 实战)，与 KV cache 主题(§2.5 相关)直接交叉 2. MySQL/Redis/MongoDB 三级缓存架构：完整项目级实战，从 3 秒优化到 50ms；MySQL 索引策略 + Redis 三级缓存 + MongoDB 灵活数据 3. MVCC 写放大工程挑战(DTCC 2026)：MVCC 多版本存储的两大工程痛点——更新操作写放大(单次更新伴随整行重写与索引同步更新)、VACUUM 机制在大规模场景下的效率问题
• 与活文档关系: 活文档 R-19 §2.5 有 Redis 相关内容但无系统性排障方法论；§2.4 HTAP 有 HTAP 融合架构讨论。Redis 三级缓存架构和 MVCC 写放大是 HTAP/云原生 DB 生产运维的关键支撑内容，适合纳入 §2.4/§2.5 工程支撑小节。
• 建议归入: §2.5 云原生 DB 小节(新增 Redis 大key/热key 排障方法论)；§2.4 HTAP 小节(新增 MVCC 写放大工程挑战，DTCC 2026)
• 可信度: ⭐⭐⭐(工程实战来源，CSDN/DBI-Services；部分文章日期待核实)

二、值得警惕的矛盾或待核实说法

待核实 1：O3-LSM / DART / PostgreSQL-V arXiv 编号

三个 SIGMOD/CIDR 2026 论文均托管于 Purdue DASLab 网站(cs.purdue.edu/homes/csjgwang/pubs/)，目前未确认是否有 arXiv 编号。建议下一轮 E1prep 直接访问 Purdue 页面或搜索 arxiv.org/search/?searchtype=all&query=O3-LSM+DASLab 补全编号后再进入活文档引用清单。SIGMOD 2026 会议论文通常会同期发布 arXiv 预印本，但并非所有 SIGMOD 论文都有 arXiv 版本。

待核实 2：ScaleEvict arXiv 编号(续 7-23 E1prep)

ScaleEvict(SIGMOD 2026 Workshop，Carsten Binnig + Viktor Leis 团队)7-23 E1prep 中标注"可能无 arXiv ID"。本轮仍未查到正式 arXiv 编号。建议以 SIGMOD 2026 DOI/会议录编号替代 arXiv 引用，或查阅 Carsten Binnig/Viktor Leis 团队主页确认预印本状态。

待核实 3：pgvector ef_search >200 优化器绕道——具体触发条件

DBI-Services 指南指出 ef_search > 200 后 PostgreSQL 优化器会选择 Seq Scan + Sort，但"200"作为阈值的触发条件(表规模/列维度/查询类型)需要核实全文。建议查阅 DBI-Services 原文或 pgvector 源码确认具体 cutoff 值。

待核实 4：PostgreSQL 17 具体 PG 小版本

Medium 文章"50,000 并发/2TB 数据，30s→亚秒级"的具体 PG 17 小版本未披露。建议核实具体版本号后再作为精确性能锚点进入活文档。

警示：向量 DB 学术产出持续静默

7-22 之后向量 DB ANN 顶会论文仍未出现。本轮新增 PostgreSQL-V(CIDR 2026)是向量索引架构层面的工作，但非 ANN 索引算法本身。预计向量 DB 学术产出在 7-22~7-28 区间处于静默期，增量将主要来自工程实践和现有工作复现验证。

三、arXiv 编号列表(本轮涉及，可引用)

四、检查过的来源清单

inbox/jay/(7-24 共 22 份，database 相关 6 份) - 2026-07-24-1506-db-cloud-backend-csdn.md — DB 核心来源：O3-LSM SIGMOD 2026 + PostgreSQL-V CIDR 2026 + DART SIGMOD 2026 + Terark-DS VLDB 2026 + pgvector 2026 DBA 指南 → 增量 1/2/3/4/5 - 2026-07-24_engineering-database-csdn.md — PG17 新特性 + Redis 大key/热key + MySQL 三级缓存 + MVCC 写放大 → 补强 1/2 - 2026-07-24-1105-noon-kv-rag-db-substack.md — RESYSTANCE(eBPF+io_uring LSM compaction) + FlintKV 续(已在 7-23 入活文档)；无独立 DB 新增量 - 2026-07-24-1950-evening-engineering-filter.md — vLLM/SGLang/TensorRT benchmark + FA4 Blackwell + MCP CVE；无 DB 专项 - 2026-07-24-1830-evening-briefing-hf-transformers514-agents-stack-llm-d-observability-jul2026.md — HF Transformers/MCP/llm-d/Agent可观测性；无 DB 专项 - 2026-07-24-1220-rag-agentic-paradigm-csdn-substack.md — RAG/Agent认知架构；无 DB 专项 - 2026-07-24-1335-afternoon-hf-security-grokbuild-sglang-hotinfra-jul2026.md — HF安全事件/Grok/SGLang；无 DB 专项 - 2026-07-24-1450-evening-inference-benchmark-colibri-engineering-jul2026.md — 推理 benchmark/Colibri；无 DB 专项 - 2026-07-24-1620-inference-multimodal-stack-llmops-jul2026.md — 推理/多模态/llmops；无 DB 专项 - 2026-07-24-1140-news-x-tech-radar.md — 新闻雷达；无 DB 专项 - 2026-07-24-1000-rss-bytebytego.md / 2026-07-24-1000-rss-raschka.md / 2026-07-24-1000-rss-simon-willison.md / 2026-07-24-1001-rss-nathan-benaich.md / 2026-07-24-1002-rss-cool-papers-ir.md / 2026-07-24-1002-rss-cool-papers.md / 2026-07-24-1003-rss-import-ai.md / 2026-07-24-1003-rss-lilian-weng.md / 2026-07-24-1003-rss-msr-blog.md / 2026-07-24-1006-rss-yt-fireship.md / 2026-07-24-1006-rss-yt-karpathy.md — RSS 源；无 DB 增量 - 2026-07-24-ai-engineering-trending.md — AI 工程趋势；无 DB 专项 - 2026-07-24-csdn-langgraph-multimodal-rag-substack.md — LangGraph/多模态 RAG；无 DB 专项 - 2026-07-24-engineering-e1prep.md — engineering E1prep；无 DB 专项 - 2026-07-24_engineering-database-csdn.md — 见上

inbox/tom/ - 2026-07-24-rag-e1prep.md — RAG E1prep，副分类无 DB 新增条目 - 2026-07-24T1440-agent-rag-longcontext-radar.md — Tom radar 7-24；无 DB 专项 - 2026-07-24-agent-rag-longcontext-radar.md — Tom radar；无 DB 专项

inbox/flyp/ - 2026-07-24-multimodal-e1prep.md — multimodal E1prep，无 DB 增量 - 2026-07-24-risk-e1prep.md — risk E1prep，无 DB 增量

inbox/spark/ - 2026-07-24-agent-e1prep.md — agent E1prep，无 DB 增量 - 2026-07-24-llm-infra-e1prep.md — llm-infra E1prep，无 DB 增量

inbox/stephen/ - 2026-07-24-0910-news-x-vip-radar.md — VIP radar；无 DB 专项 - 2026-07-24-1004-news-*.md(anthropic/deepmind/google/openai) — news 通稿；无 DB 专项 - 2026-07-24-1005-news-*.md(hf-blog/tldr-ai/bens-bites) — news 通稿；无 DB 专项 - 2026-07-24-1006-news-*.md(openai/anthropic/deepmind yt) — news 通稿；无 DB 专项 - 2026-07-24-1245-stephen-coordination-check-noon.md — Stephen noon 协调棒；无 DB 专项

paper_cards/(7-22~24 新卡 541~571，共 31 张，全部审阅) - 543: 2607.20346 IteraSim RAG — RAG；非 DB - 544: 2607.19867 FinMMEval — evaluation；非 DB - 547: 2607.19604 Hypernetwork Scaling Laws — systems；非 DB - 548: 2607.16165 ActiveVision — multimodal；非 DB - 551: 2607.19865 — 非 DB - 552: 2607.20379 — 非 DB - 563: 2607.18149 — 非 DB - 564: 2607.21503 — 非 DB - 565: 2607.21072 — ⚠️ 高优先待读，工作队列 Top 15；需核实是否为 DB 相关 - 566: 2607.21485 — ⚠️ 高优先待读，工作队列 Top 15；需核实是否为 DB 相关 - 567: 2607.21051 Sample-Efficient Learning from Agent Experience — 主分类 agent；非 DB - 568-571: 非 DB - 7-22~23 旧卡(541~542 等)：多模态/agent，无 DB 专项 - 结论：31 张新卡中无 database 专项条目；⚠️ 565/566 两个高优先论文是否 DB 相关需下一轮核实

五、本轮预消化摘要

增量条数: 5 条核心 + 2 条补强 涉及 arXiv 号: O3-LSM(编号待补，SIGMOD 2026)、PostgreSQL-V(编号待补，CIDR 2026)、DART(编号待补，SIGMOD 2026)；归档确认：2607.02401(FlintKV)、doi:10.14778/3796195.3796198(Terark-DS)、ScaleEvict(编号待查)、2505.05885v2(Cosmos DB)、2607.07696(Jailbreak)、2604.16373(DIRT)、2603.02081(GenDB) 核心判断: 本轮 database 主题增量明显回升(~5 条核心 vs 昨日 4 条)，新信号来自顶会三连(Purdue DASLab O3-LSM/DART/PostgreSQL-V + Terark-DS VLDB 2026)。"分解式架构"成为 2026 H1 数据库研究主线——O3-LSM(内存 disaggregation)、DART(无锁索引)、Terark-DS(存储 disaggregation)三者覆盖存储/缓冲/索引三层，共同构成 Purdue DASLab 2026 H1 三件套。PostgreSQL-V 8.9× vs pgvector 是向量 DB 内建路线的最强实证，直接支持"pgvector page-oriented 架构天花板"的判断。pgvector ef_search≤200 是本轮最强工程警告，直接解决生产痛点。向量 DB 学术产出 7-22 后进入静默期，ScaleEvict/O3-LSM/PostgreSQL-V/DART 的 arXiv 编号待补是本轮最大待核实项。

给今晚活文档建议优先级: 1. P0：PostgreSQL-V 8.9× vs pgvector + pgvector ef_search≤200 工程警告 → §2.1 ANN 2. P0：O3-LSM/DART/Terark-DS 分解式架构三件套 → §2.4/§2.5 3. P1：PG 17/18 新特性 + Redis/MySQL 运维补强 → §2.5 4. 持续跟踪：ScaleEvict/O3-LSM/PostgreSQL-V/DART arXiv 编号