databases

本文讨论了传统数据库在现代应用中的局限性，并推广融合数据库作为一种统一解决方案，以在单一系统中处理关系型、JSON和向量等多种数据类型。

全面介绍核心系统设计模块，涵盖客户端-服务器架构、可扩展性、数据库等内容，助力系统设计问题解决与面试准备。

该推文预测，软件的未来将由 Postgres、Turbopuffer、Jev、Clickhouse 和开源 LLM 等技术塑造。

这篇学术论文重新审视了Dataflow Model，可能为其理论基础和在数据管理系统中的应用提供了新的见解或更新。

一项针对 Linux 6.6.79 的技术分析显示，io_uring 的 I/O 请求可以在其提交进程结束后继续存在，并在 waitpid() 返回后才完成，而原生 AIO 则会等待排空；作者建议使用独占 flock 锁作为屏障，以防止在快速失败恢复过程中出现竞态条件。

本文介绍了 vector-bench，这是一个在不同数据库中以一致条件对向量索引进行基准测试的工具，旨在准确衡量近似最近邻搜索性能。

PlanetScale 的一篇工程博客分析了由长事务和高并发导致的 MySQL 宕机，解释了并行性如何降低吞吐量，以及 Vitess 的事务池如何处理（并放大）了该问题。

PlanetScale 描述了它如何通过为每个分片启动 EC2 实例、从对象存储恢复之前的备份并重放 WAL，来对分片 Postgres 数据库执行大规模并行备份，从而实现超过 50 GB/s 的 PB 级备份速度。

全面论证：在考虑额外专用系统之前，PostgreSQL 本身已能满足大多数应用需求，包括缓存、搜索、任务队列和文档存储。

本文认为，ClickHouse 凭借其处理高吞吐量、时序日志的性能优势，解决了长期以来日志管理的痛点，从而成为可观测性领域的主流数据库。

一篇博文，展示了如何使用 Obsidian Bases，将超过20,000条笔记的仓库视为数据库，并利用一致的元数据，创建实时、自动更新的仪表盘。

Garry Tan 认为，为 AI 智能体使用数据库就像建造富士康工厂，暗示这不足以实现正常的智能体功能。

一条推文强调了对Kubernetes的精彩介绍，并引用了Fatih Arslan关于控制理论和反馈循环的文章，这些理论用于构建能够自我修复、弹性伸缩、可扩展数千个数据库的系统。

一个全面的系统设计大师树，涵盖从基础知识到实际应用的各个方面，包括架构模式、数据库、缓存、消息系统、API设计和部署策略。旨在作为软件工程师的结构化学习指南。

Unicode 字符串等价性很复杂，尤其是涉及校对规则时，会导致意外的结果，例如删除控制字符和非确定性分组。作者讨论了在数据库系统中正确实现 Unicode 支持所面临的挑战。

Maple的服务地图现在自动显示您的服务正在调用的数据库，未来将集成Planetscale、Tinybird和Clickhouse以提供更多详细信息。

与Simon (sirupsen)的对话：关于扩展Shopify、构建turbopuffer以及数据库的未来，涵盖工程原则、AI编码和招聘实践。

本文分析了 SQL 中固有的并发缺陷，如原子性失效、TOCTOU 问题和死锁，并通过资金转账示例展示了正确的锁机制和事务实践。

采访图灵奖得主 Mike Stonebraker，回顾 Postgres 的诞生、最棘手的技术难题，以及他在数据库领域的不同见解。