研究知识库简报 · 2026-09-14 · Database / Backend / Cloud-Native / Inference

📌 Database

OmniTable: 统一宽表系统 — PB 级 LLM 数据治理

  • 来源： VLDB 2026 Best Industry Paper · arxiv.org/abs/2609.11148
  • 作者： Yuzhuo Fu et al.
  • 摘要： 工业级 LLM 开发中，数据分散在数百张物理表，特征工程依赖人工编排，数据血缘几乎缺失。OmniTable 提出基于"逻辑统一、物理分离"架构的统一宽表层，四项核心贡献：① 逻辑-物理映射统一多源异构数据；② 声明式特征生命周期管理（自动依赖解析、执行规划、算子融合、血缘追踪）；③ 自适应执行引擎（CPU/GPU 异构路由、UDF 级容错、自动存储布局优化）；④ 混合加速数据探索（全局 ID 索引 + OLAP 卸载 + 后台物化视图，吞吐量 >20 TB/hour）。生产环境管理超过 35 PB 训练数据，人工 curation 周期大幅缩短。
  • 评价： 工业实践价值极高，VLDB Best Industry Paper 背书。宽表抽象 + 声明式特征管理契合当前 LLM 数据工程痛点，可作为 ML 数据平台架构参考。
  • 标签： database llm-infra data-engineering vldb2026
  • 行动： 精读 + 架构笔记

FFX: Factorized and Vectorized Execution 统一执行引擎

  • 来源： arxiv.org/abs/2609.09002（2026 年 6 月更新）
  • 作者： Sunny Yasser, Anas Dorbani, Amine Mhedhbi
  • 摘要： 多对多连接在欺诈检测、网络分析、推荐等场景产生大量中间结果，因子化表示（factorized representation）可压缩中间结果但与向量化执行不兼容。FFX 提出三个核心机制：① Packed Factorized Vectors 编码任意 f-tree，同时保持缓存友好布局；② Cascade Update 算子在因子化层次间传播 tuple 归约，无需重建；③ Factorized Semantic Processing 使 LLM 算子直接序列化因子化中间体并预测笛卡尔积，输出扁平 tuple 和预测结果，减少 token 开销。
  • 评价： 系统论文，因子化执行 + 向量化引擎的深度结合，对数据库执行层优化有直接参考价值。
  • 标签： database query-execution vectorization systems
  • 行动： 可精读第 5-6 节算子设计

SQLMorph: Text-to-SQL 细粒度评估指标

  • 来源： arxivlens.com · 2026-09-08
  • 作者： Maxime Lamothe, Amine Mhedhbi, Mohammadhossein Malekpour
  • 摘要： Text-to-SQL 系统评估缺乏细粒度指标，SQLMorph 提出查询变异（mutation）和细粒度指标框架，对 NL → SQL 转换质量进行多维度评测。
  • 评价： 评估方法论文，对 RAG + NLIDB 场景有参考意义。
  • 标签： database text-to-sql evaluation
  • 行动： 关注评测基准是否开源

📌 Backend / Distributed

Cost-Aware Optimization for Agentic Query Execution

  • 来源： arxiv.org/pdf/2606.03152（2026 年 6 月）
  • 摘要： 传统 SQL+LLM 混合查询预先指定完整计划后执行，Agentic Query Execution 改为单步执行、观察中间结果再决策下一步（动态工作流）。核心问题转化为 Agent 工作流优化：动态构建工作流中的运行时决策优化。SQL 负责确定性关系计算，LLM 算子仅在需要语义推理时调用。
  • 评价： 代表 NLIDB + Agent 融合趋势，动态规划思路对构建 RAG + Tool-use 系统有启发。
  • 标签： backend llm-systems agentic query-optimization
  • 行动： 结合 VikingRAG 对比读

VikingRAG: 目录感知语义数据管理

  • 来源： arxiv cs.DB 2026-09（具体编号待查）
  • 摘要： 现有 RAG 方法利用文档结构获取证据但 token 成本高。VikingRAG 整合语义和结构访问，支持结构上下文高效 + 证据缺口驱动多轮检索。核心：① 将 agentic 多轮检索轨迹物化为 experience edges，复用于相似查询；② 自适应升级机制（无需多轮时跳过）。
  • 评价： RAG 优化方向明确，experience edges 思路值得关注。
  • 标签： backend rag retrieval llm-systems
  • 行动： 与 OmniTable 数据探索思路对比

NLKGQ: 自然语言查询知识图谱

  • 来源： arxiv cs.DB 2026-09-11（new listing）
  • 摘要： 当领域词汇和语义在 OWL 本体中良好建模后，LLM 可零样本生成准确结构化查询（SPARQL），无需任务特定微调或检索增强。适用于研究人员零门槛访问特定档案元数据。
  • 评价： 本体工程 + LLM 结合的典型案例，垂直领域知识库构建可参考。
  • 标签： backend knowledge-graph llm ontology
  • 行动： 作为技术线索记录
  • 来源： arxiv.org/abs/2510.20082（2026 年 3 月）
  • 摘要： 真实场景查询优化实践调研，覆盖现实系统中的挑战与趋势。
  • 评价： 综述类，可作为查询优化知识补充。
  • 标签： backend query-optimization survey
  • 行动： 泛读

📌 Cloud-Native / Infrastructure

BUD / SuperBUD: 区块链历史访问认证

  • 来源： arxiv cs.DB 2026-09-11（new listing）
  • 摘要： 传统区块链通过维护完整状态树提供认证读取。BUD（Block Update Digest）改用写日志承诺链，SuperBUD 通过指数层级将长期未变区间压缩为短证明。摘要数量在对数级别，支持 f 个拜占庭验证器下的安全性证明。
  • 评价： 区块链存储优化方向，系统层面设计思路可参考。
  • 标签： cloud-native blockchain storage consensus
  • 行动： 作为技术线索记录

前期补充 — SIGMOD/VLDB 2026 分片与共识进展

  • Marlin BFT： 分片 BFT 协议，物联网场景下传统 quorum共识在延迟/可用性上的局限性，推动自适应分片策略研究。
  • Sublime（SIGMOD 2026 最佳论文）： 推断待补充。
  • 来源： 前期搜索积累
  • 标签： cloud-native distributed-systems consensus sigmod2026
  • 行动： 待精读原论文

📌 CSDN 高价值条目

注：CSDN 本次无新增明确高价值条目。近期关注方向： - vLLM / SGLang 生产级调度与 OOM 排障 - FlashAttention kernel 集成与 FP8 量化工程 - Kubernetes + PGVector / Milvus 生产部署实践 - RAG pipeline 幻觉检测与评估方法

如发现具体文章，补入当日 reproduction 分类。

📌 Reproduction / Engineering Notes

vLLM / SGLang 生产环境命令与排障（历史积累）

  • 来源：前期草稿 engineering-filter-round* 系列
  • 核心内容：OOM 排查命令、--gpu-memory-utilization 调优、Prefill- decode 分离调度
  • 标签：reproduction vllm sglang production
  • 状态：已有积累，待整理复现步骤

📊 摘要统计

分类 条目数 重点
database 3 OmniTable ⭐、FFX ⭐、SQLMorph
backend 4 Agentic QE ⭐、VikingRAG ⭐、NLKGQ、QoW
cloud-native 2 BUD/SuperBUD、SIGMOD 分片共识
csdn 0 待补充
reproduction 1 vLLM/SGLang 排障积累

💡 本轮亮点

  1. OmniTable（VLDB 2026 Best Industry Paper） — PB 级 LLM 数据治理完整架构，35PB 生产验证，声明式特征管理理念可复用于其他大规模 ML 数据平台。
  2. FFX — 因子化执行与向量化引擎的统一，代表数据库执行层优化新方向。
  3. Agentic Query Execution — 动态工作流 + LLM 语义算子融合，体现 NLIDB + Agent 融合趋势。

建议写入路径： /shared/research-kb/inbox/jay/2026-09-14-database-backend-cloudnative-inference.md 状态： 草稿完成，待人工审核后合并。