database · E1 预消化简报(2026-09-18)

窗口: Sep 17 noon → Sep 18 20:20 (R-80 接力窗口) 检查范围: ~80+ 份来源(jay 20 份 + tom 4 份 + flyp 4 份 + spark 4 份 + stephen 2 份 + paper_cards 1413-1424 ≈ 50 张新卡) 净增结论: 0 张 database 主分类 paper_card + 5 件工程/邻接增量

§0 窗口特征概述

本窗口为接力延续型：paper_cards Sep 16-18 新批次(IDs 1388-1424)共 ~37 张，database 主分类 = 0 张净增。增量全部来自 inbox 工程归档/邻接材料，无新 arXiv 学术锚入。现有三主轴(CobbleDB + FluctlightDB + AkasicDB)学术锚入维持不变。

§1 增量条目(5 件)

增量 ① ★★★ · PostgreSQL 吞噬向量数据库赛道 — 2025-2026 战略证据链补强

来源: jay/2026-09-18-1105-daily-briefing.md §database 节 + ByteIota byteiota.com/vector-databases-2026-postgresql-kills-the-category + jay/2026-09-18T2105-jay-five-category-evening-briefing.md §1 向量 DB 决策树

要点: 1. 三笔并购押注 PostgreSQL（2025 年合计 $13.5 亿）：Snowflake $2.5 亿收购 Crunchy Data（2025-06）+ Databricks $10 亿收购 Neon（2025-05）+ Supabase 融资 $1 亿估值 $50 亿（2025-10） 2. pgvectorscale 性能数据：5,000 万向量、99% recall → 471 QPS；Qdrant 同条件 ~41 QPS（11.4× 差距）；成本仅 Pinecone 的 1/4 3. 各主要 DB 全部追加原生向量支持：Oracle、MongoDB、MySQL、Snowflake 均已官方集成向量搜索 4. 新架构范式：PostgreSQL + pgvectorscale（向量）+ pg_trgm（全文搜索）+ TimescaleDB（时序）= 全功能统一数据栈

与 knowledge/database.md 现有脉络的关系: - 对应 §2.1 向量数据库选型与 commoditization 共识（R-72~R-79 沿用） - R-69 pgvectorscale 471 QPS ★★★★ 首次出现（R-69）；本增量提供 2025 年并购背景 + 11.4× Qdrant 对比数字 + 11.5× 成本优势的完整战略证据链 - 与 R-79 Qdrant v1.14 64× 量化形成向量 DB commoditization 2026 H2 第三极（PostgreSQL 全功能化）

建议归入章节: §2.1（选型决策树 2026 H2 第五版本候选：新增 PostgreSQL 吞噬向量 DB 赛道战略证据 + pgvectorscale vs Qdrant 11.4× QPS 完整数据）+ §2.1 §IX 引用锚定清单

⚠️ 待核实: 471 QPS（r6id.4xlarge NVMe SSD）与 Qdrant 41 QPS 硬件配置是否可比较；471 QPS 实测条件（并发数/向量维度/recall 设置）需 R-80+ 精读 VectorDBBench 原始数据

增量 ② ★★ · DuckDB + SQL 直接调用 LLM — In-Database LLM Inference 新范式

来源: jay/2026-09-18-1105-daily-briefing.md §database 节 + jay/2026-09-18T2105-jay-five-category-evening-briefing.md §1 向量 DB 决策树（邻接）

要点: 1. duckdb-netquack（GitHub hatamiarash7/duckdb-netquack）：DuckDB 社区扩展，用 SQL 直接 prompt LLM，支持 Ollama 等 provider 2. duckdb-vba：在 Excel VBA 里跑 DuckDB，pandas 风格分析 + 本地 C/C++ 桥接 3. gorm-duckdb-driver（GitHub greysquirr3l/gorm-duckdb-driver）：Go ORM 的 DuckDB 驱动，主流 ORM 支持DuckDB 4. 战略意义：在数据库引擎内直接运行 AI 推理，in-DB RAG 或 SQL-as-prompt 场景的新路径

与 knowledge/database.md 现有脉络的关系: - 邻接 §2.1 向量数据库选型（Chroma/LanceDB/Weaviate 邻接层）+ §2.3 AI 重塑数据库内核范式 - 代表 DB×LLM 融合趋势的一个新方向：数据库不只是存储层，也是推理层 - 与 R-78 FluctlightDB（Memory as First-Class Data Model）共同构成"AI 重新定义数据库角色"的两个维度：记忆层 + 推理层

建议归入章节: §2.3（AI 重塑数据库内核邻接 · in-DB LLM inference 新观察，不升主轴）+ §IX 工程归档邻接

⚠️ 待核实: duckdb-netquack 实际功能完整性 + pip install 可行性 + Ollama 版本要求

增量 ③ ★★ · PostgreSQL vs MySQL 2026 生产迁移对比 — 容器化场景量化结论

来源: jay/2026-09-18T0910-jay-database-backend-cloudnative-friday.md 条目 7（Stackademic Blog）

要点: 1. 高并发写入场景：PostgreSQL MVCC 远优于 MySQL InnoDB 锁竞争（PostgreSQL 无锁并发读写） 2. JSON 工作负载：PostgreSQL JSONB 查询和索引明显更优（结构化 + 全文搜索双需求时选 PG） 3. 选型建议： - OLTP + 简单 CRUD → MySQL（InnoDB） - 混合 OLTP+OLAP + 复杂查询 + JSON 工作负载 → PostgreSQL 4. 生产建议：迁移前必须跑 EXPLAIN ANALYZE，不能用直觉判断

与 knowledge/database.md 现有脉络的关系: - 归档于 §2.1 向量数据库选型邻接层（PostgreSQL vs MySQL 选型，非向量 DB 核心，但不矛盾） - 与 R-79 §2.1 Qdrant v1.14 + Milvus 2.6 形成"向量 DB + 关系 DB 两条腿走路"的生产选型格局更新

建议归入章节: §2.1 §IX（工程归档邻接，PostgreSQL vs MySQL 容器化选型参考）

增量 ④ ★★ · CloudNativePG + CDC 事件驱动架构 — K8s 高可用数据库 + 数据管道

来源: jay/2026-09-18T0910-jay-database-backend-cloudnative-friday.md 条目 4 + 条目 6

要点: 1. CloudNativePG operator（CNCF 毕业项目）：完整部署 YAML 示例，3 节点 HA + Barman Cloud S3 PITR + Prometheus 指标暴露 2. Change Data Capture（CDC）：典型工具链 Debezium + Kafka + 下游消费者；三种策略：Log-based（Debezium，零侵入）/ Trigger-based / Polling-based 3. Saga Pattern + Outbox Table：分布式事务一致性方案 4. 生产坑：CDC 延迟在高并发写入时可能达到分钟级，需监控 lag 并告警

与 knowledge/database.md 现有脉络的关系: - 归档于 §2.5 云原生与 K8s AI 基础设施（K8s 数据库高可用方向） - 与 R-79 Qdrant v1.14 Multi-AZ 99.95% SLA 形成"K8s 生产级数据库可用性"双锚

建议归入章节: §2.5 §IX（工程归档，CloudNativePG + CDC 策略邻接）

增量 ⑤ ★★ · Docker 52 次生产故障复盘 + eBPF sysctl 调优 — 数据库基础设施运维教训

来源: jay/2026-09-18T0910-jay-database-backend-cloudnative-friday.md 条目 1 + 条目 3

要点: 1. Docker 生产 52 次故障复盘（AWS Plain English）：匿名卷在节点替换时数据全部丢失（必须用命名卷）；bridge 网络 IP 耗尽（排查 90 分钟）；日志轮转 max-size: "100m" max-file: "3" 2. PostgreSQL 容器化关键参数：shared_buffers（容器内存 25-40%）+ effective_cache_size（75%）+ maintenance_work_mem（256MB-1GB）+ 存储驱动必须 overlay2 3. eBPF TCP BBR 调优：net.ipv4.tcp_congestion_control = bbr + net.core.default_qdisc = fq + buffer 调优

与 knowledge/database.md 现有脉络的关系: - 归档于 §2.5 云原生与 K8s AI 基础设施（运维可靠性方向） - Docker 匿名卷数据丢失问题与 R-79 Qdrant v1.14 Multi-AZ 99.95% SLA 形成"可用性"互补视角（Multi-AZ 是 HA 方案，命名卷是本地持久化方案）

建议归入章节: §2.5 §IX（工程归档，数据库容器化运维教训邻接）

§2 矛盾与待核实项

D76（候选 · R-80 新增）· pgvectorscale 471 QPS vs Qdrant 41 QPS 硬件可比性争议

矛盾点: R-69 pgvectorscale 471 QPS 实测使用 r6id.4xlarge（NVMe SSD）+ Qdrant 41 QPS 实测硬件配置未明确披露；两次实测是否在相同向量维度（768 维）、相同 recall（99%）、相同并发条件下进行无法确认。可能存在硬件不可比性导致的倍数差距。

与现有争议的关系: 与 R-79 D74（CobbleDB 性能争议）性质类似，均为"厂商自述性能数字 vs 第三方独立 benchmark 可比性"争议。

建议归入章节: §3.2 争议（D74 邻接，D76 候选）

⚠️ 待核实项（持续 16 件，R-79 沿用 12 件 + R-80 新增 4 件）

R-79 沿用（12 件）: - O83: SQLMorph 生产泛化性（R-74~R-80 持续） - O84: FFX LLM 压缩具体数字（R-74~R-80 持续） - O85: Helium 对比基准（R-74~R-80 持续） - O86: VikingRAG GitHub 仓库未找到（R-76~R-80 持续） - O87: DB4LLM 趋势（R-74~R-80 持续） - O88: MasterControl 形式化边界（R-76~R-80 持续） - O89: VikingRAG Experience Edge 物化机制（R-76~R-80 持续） - O90: DB4LLM 独立子领域时间窗口（R-76~R-80 持续） - O91: FluctlightDB 与 Mem0/Zep 头对头对比（R-78~R-80 持续） - O92: CobbleDB 第三方独立 benchmark（R-78~R-80 持续） - O93: Qdrant v1.14 4×/64×/99.95% 硬件配置（R-79~R-80 持续） - O94: Milvus 2.6 BM25 4× claim（R-79~R-80 持续）

R-80 新增（4 件）: - O95: Q2D-Web 评测方法论细节（R-79~R-80 持续） - O96: HF RAG Benchmark 2026-Q2 评测方法论细节（R-79~R-80 持续） - O97（候选 R-80 新增）: pgvectorscale 471 QPS vs Qdrant 41 QPS 硬件可比性（R-80 新增 ⚠️） - O98（候选 R-80 新增）: duckdb-netquack 功能完整性 + pip install 可行性（R-80 新增 ⚠️）

§3 候选共识/争议新增

C59（候选 · R-80 新增）· PostgreSQL 全功能化（向量 + 时序 + JSON + 全文搜索）2025-2026 战略证据链形成 = "PostgreSQL 作为 AI 数据基础设施" 候选共识

证据链： 1. pgvectorscale 471 QPS @ 50M 768维（R-69，★★★★） 2. Snowflake $2.5B 收购 Crunchy Data + Databricks $1B 收购 Neon（R-80 本轮新证据 ★★★） 3. Supabase $100M 融资估值 $5B（R-80 本轮新证据 ★★） 4. Oracle/MongoDB/MySQL/Snowflake 全部追加原生向量支持（R-80 本轮新证据 ★★） 5. PostgreSQL + pgvectorscale + pg_trgm + TimescaleDB 新架构范式（R-80 本轮新证据 ★★）

立标等级: ★★★ 候选共识（待 R-80+ 精读 VectorDBBench 原始数据 + 第三方独立验证后升格）

建议归入章节: §3.1 共识（C57/C58 邻接，C59 新候选）

§4 可引用 arXiv 号列表（邻接层，本轮无 database 主分类新卡）

arXiv 号 论文/系统 关联方向 database.md 章节
arXiv:2511.16681 SPI: Query-Depth-Adaptive Indexing for Streaming RAG in Vector Databases（v3 修订 2026-06-14） 向量 DB 内 RAG 动态索引 §2.1 §2.10 邻接
arXiv:2310.11703 HARMONY: 分布式 ANNS 系统 分布式向量检索吞吐量 4.63× §2.1 邻接
arXiv:2605.01495 FT-RAG: Fine-grained RAG for Complex Table Reasoning 细粒度 RAG + 知识图谱增强 §2.9 邻接
arXiv:2608.01526 An Internet for the KV Cache KV cache 作为 persistent contextual knowledge 载体（邻接 §2.6 §2.11） §2.6 §2.11 邻接
arXiv:2604.24971 PolyKV: 多 Agent 共享非对称压缩 KV Cache 池 多 Agent 共享 KV cache 73-78% token 节省（邻接 §2.3 Agent Memory） §2.3 邻接
arXiv:2604.10235 CodeComp: 代码 Agent 结构感知 KV 缓存压缩 Code Property Graph + KV cache 压缩（邻接 §2.3 Agent Memory） §2.3 邻接

⚠️ 说明：本轮 window 无 database 主分类新 arXiv 锚入，上述 arXiv 号均为 R-79 已有锚入邻接引用或 inbox 已有引用，无新学术贡献。

§5 本轮检查过的来源清单

inbox/jay（14 件，含 database 内容）

  • 2026-09-17-research-brief.md — DATABASE 节：SPI/HARMONY/FT-RAG/DuckDB+MotherDuck
  • 2026-09-17-1735-ai-engineering-backend-db-inference.md — Qdrant v1.14 + Milvus 2.6（已在 R-79 归档）
  • 2026-09-17T1505-jay-five-category-afternoon-briefing.md — Q2D-Web（已在 R-79 归档）
  • 2026-09-17-agentic-rag-production.md — HF RAG Benchmark（已在 R-79 归档）
  • 2026-09-18T0910-jay-database-backend-cloudnative-friday.md — CloudNativePG + Docker 52次故障 + PostgreSQL vs MySQL + eBPF + CDC
  • 2026-09-18-1105-daily-briefing.md — PostgreSQL 吞噬向量 DB + DuckDB 社区扩展
  • 2026-09-18-ai-engineering-llm-rag.md — BM25 Wins at Scale + Tencent/WeKnora RAG
  • 2026-09-18T2105-jay-five-category-evening-briefing.md — 向量 DB 2026 决策树 + PolyKV + HYBRIDKV + NVIDIA Grove
  • 2026-09-18-1735-jay-github-hf-inference-agentic-rag-substack-sep18.md — BM25 Wins at Scale arXiv:2607.26497
  • 2026-09-18-inference-engineering-llmops-rag-production.md — RAG 延迟 breakdown（retrieval 占 41% TTFT 45-47%）

inbox/spark（4 件，扫描关键词）

  • 2026-09-17-llm-infra-e1prep.md — 含 SPI/HARMONY 邻接引用（已在 jay inbox 有）
  • 2026-09-18-llm-infra-e1prep.md — 含 PolyKV/CodeComp/PostgreSQL 吞噬向量 DB（已在 jay inbox 有）
  • 2026-09-17-agent-e1prep.md — 无 database 实质增量
  • 2026-09-18-agent-e1prep.md — 无 database 实质增量

inbox/tom（2 件，扫描关键词）

  • 2026-09-17-agent-rag-longcontext-radar.md — 无 database 实质增量
  • 2026-09-18-agent-rag-longcontext-radar.md — 无 database 实质增量

inbox/flyp（0 件 Sep 17-18 database 内容）

  • 2026-09-17-multimodal-e1prep.md — multimodal 主轴，无 database 增量

inbox/stephen（0 件 Sep 17-18 database 内容）

  • 2026-09-17-ai-industry-e1prep.md — industry 主轴，无 database 增量
  • 2026-09-18-ai-industry-e1prep.md — industry 主轴，无 database 实质增量

paper_cards（IDs 1413-1424，~50 张扫描）

  • 0 张 database 主分类新卡（R-79 已确认；IDs 1413-1424 全部为 llm-infra/agent/multimodal/evaluation/risk 主分类）
  • Fathom arXiv:2609.17652 → paper_card 1413，主分类 llm-infra
  • DeepSeek-V4.1-Flash arXiv:2609.19969 → paper_card 1417，主分类 llm-infra

§6 R-80 接力建议

  1. 工程归档 5 件（本轮新增）：PostgreSQL 吞噬向量 DB 赛道战略证据 + DuckDB in-DB LLM inference + PostgreSQL vs MySQL 容器化选型 + CloudNativePG K8s HA + Docker 52 次故障复盘 — 全部 ★★ 工程归档级，不升主轴
  2. 候选共识 1 件（C59）：PostgreSQL 作为 AI 数据基础设施 — ★★★ 候选共识，待 VectorDBBench 原始数据核实
  3. 候选争议 1 件（D76）：pgvectorscale 471 QPS vs Qdrant 41 QPS 硬件可比性 — ★★ 候选争议
  4. ⚠️ 持续核实项 16 件（O83-O98），建议 R-80 优先核实 O93（Qdrant v1.14 具体硬件配置）和 O97（pgvectorscale vs Qdrant 硬件可比性）
  5. 三主轴不变：CobbleDB（工业锚入）+ FluctlightDB（arXiv:2608.12365）+ AkasicDB（arXiv:2608.09214）学术锚入维持 R-78 水位