FutureX · Database

本期要点

· DuckDB 2.0.0 LTS 正式发布，近 2 万次提交，Quack 服务端模式转正

· PingCAP 确认内部系统遭未授权访问，黑客称窃取 10.6TB

· Databricks AI Runtime GA，托管 GPU 训练搬进湖仓

· Snowflake 迁移 agent AIM 推出独立桌面应用，进入公开预览

· Andy Pavlo：向量数据库的护城河只是一个索引

DuckDB 2.0.0 LTS「Cinnamon Teal」对外发布 · olap

10 月 21 日，DuckDB 2.0.0 正式推出。官方表示，这是迄今规模最大的一次功能发布，从 1.5 到现在共合入近 20,000 次提交。1.0 版本以稳定性和向后兼容为主题，2.0 版本则以新功能为主题。主要变化包括以下几项。5 月在 1.5.3 中先行试用的 Quack 协议经过打磨，性能和稳定性都有明显提升，任何 DuckDB 进程现在都可以对外提供数据库服务。新增的 CONNECT 语句只需一条命令，就能挂载远程数据库并切换过去，可连接的对象除了 Quack，还有 PostgreSQL 和 MySQL，并配有新的远程下推优化器（remote pushdown optimizer）。除此之外，2.0 还带来异步 I/O、一等公民的 VARIANT 类型、agent mode、触发器（triggers）和可扩展的 SQL 解析器。官方 8 月的预览文章提到，2.0 同时改用新的默认存储格式，并重新设计了 C API。这些是数量不多、经过考虑的破坏性变更，用户升级之前应当按迁移说明先做测试。

在支持周期上，2.0 属于 LTS 版本，至少支持到 2027 年 10 月。上一个 LTS 版本 1.4 的维护期到 2026 年 11 月下旬为止。为了让用户有时间迁移，1.5 的支持期延长至 2027 年 3 月，实际上也成为 LTS，因此现在有三条版本线在同时维护。CLI 和 Python 客户端已经上线，Go、R、Java 等客户端以及部分扩展要再过几天才会发布。在 dev 版阶段对 agent mode 做的测试中，总成本几乎没有下降，不过 agent 读回的 token 减少了 59%。2.0 的主要意义体现在形态上：以嵌入式起家的 DuckDB 正式具备了客户端/服务端模式，还能对 Postgres 和 MySQL 做联邦查询，开始进入原先由服务端 OLAP 引擎（如 ClickHouse）和轻量查询网关占据的领域。官方目前仍建议服务端只监听 localhost，需要对外开放时通过 TLS 反向代理暴露，多用户服务化的场景尚处于早期。^[1]

Databricks AI Runtime 进入 GA：托管 GPU 训练落地湖仓 · ai-native

Databricks 宣布 AI Runtime（AIR）正式可用。AIR 是一套全托管的 GPU 基础设施，由 Databricks 负责提供 GPU、维护故障节点并优化负载，客户可以直接在存放企业数据的平台上训练模型。AIR 与 Lakeflow 做了原生集成，GPU 任务能与上下游管道同步编排，并内置优先级和抢占机制来减少 GPU 空转。它兼容 Ray 等主流框架，用户可以通过 CLI、Notebook 或 IDE 使用。官方表示，已经有数百家公司在使用，其中有 Robinhood、Merck、FactSet 和 PicPay，Databricks 自家的 KARL 与 AI Parse 也是在 AIR 上训练出来的。同一天，Databricks 还发布了与 NVIDIA 合作、利用企业数据定制开源模型的配套内容。这一做法的思路，是把训练算力也纳入治理边界，让 Unity Catalog 一侧的权限体系覆盖到训练数据，以回应 GPU 栈与湖仓分开部署所造成的治理缺口。^[14]

Snowflake 迁移 agent AIM 推出独立应用 · agent

Snowflake 的迁移 agent AIM 起初只是 CoCo CLI 中的一个 skill，之后加入了 CoCo Desktop，从 10 月 20 日起又以独立桌面应用的形式提供，目前处于公开预览阶段。其底层引擎保持不变，包括确定性的代码转换、按依赖关系分批部署，以及把确定性校验和 AI 校验结合起来的「测试—修复」循环。新应用将迁移过程划分为六个阶段，以引导式流程推进，并标明哪些环节需要人工判断。官方把测试要回答的问题分成三类：数据行是否正确落地，存储过程的结果是否与源端一致，转换后的 ETL 逻辑是否等价。对数仓厂商而言，迁移工具决定了从 Teradata、Oracle 等存量系统争取客户的速度，因此这个产品方向的重要性大于它在技术上的新意。^[15]

Andy Pavlo 论 agent 时代的数据库：向量库护城河浅，删库是老问题 · agent ⚠️ 单方口径

Andy Pavlo 是 CMU 教授，8 月起出任 ClickHouse 数据库研究副总裁，并领导 ClickHouse Labs。他在 The MAD Podcast 上谈到 agent 时代数据库的若干变化，InfoQ 将内容整理成文。他的主要观点如下。

他认为向量数据库「说到底只是一个索引」。一年之内，几乎所有数据库都补上了向量能力，向量功能因此从差异化卖点变成了入场门槛。今后它要么演变成 Postgres 那样的通用系统，要么像 Elasticsearch 一样作为独立的附加组件存在。对于 agent 删库，他的看法是这属于旧问题被重新暴露出来，解决办法是做好权限隔离，并利用分支建立沙箱，而不是依赖人逐条点击「批准」。

他还列举了几组数字。现成的 text-to-SQL 方案准确率约为 60%，而某大银行花数年时间、投入数百万美元建设语义层和上下文层之后，准确率达到 99.5%。已有超过 60% 的开源数据库出现了 agent 参与的 commit。LLM 调参大约 15 分钟就能达到「足够好」的程度，约相当于最优效果的 85%。以上都是他在访谈中的说法，并无公开数据可以印证。^[16]

Proscia 以 ClickHouse 加 S3 自建可观测平台 · olap

病理 AI 公司 Proscia 的 Concentriq 平台为前 20 大药企中的 16 家提供服务，因此必须满足 HIPAA、GDPR 和数据驻留等合规要求。AWS 存储博客介绍了该公司的可观测方案：借助 Altinity 的 Kubernetes Operator，在 EKS 上运行 ClickHouse，遥测数据以对象存储的价格保存在 S3 中，查询则由 ClickHouse 的分层存储负责，这样保留成本就不会随事件量线性增长。对于受监管行业，这是 ClickHouse 自管形态替代商业可观测平台的又一个案例。^[17]

Tiger Data：网络中断时仍不丢数据的 IIoT 摄取设计 · streaming

TimescaleDB 官方博客讨论了上行链路中断时的工业物联网数据摄取，提出三条原则：为每条读数强制分配唯一身份，以便去重；在边缘端做持久化缓冲；对回放进行限速，防止恢复后的补传挤占实时写入。^[18]

PingCAP 确认遭入侵，黑客称窃取 TiDB Cloud 10.6TB 数据 · cloud ⚠️ 单方口径

黑客组织 FulcrumSec 声称，从 PingCAP 的 TiDB Cloud 中窃取了约 10.6TB 数据，其中包括约 18 万条客户组织记录和 11 万多个 API 密钥，并已公开约 200GB 的样本。PingCAP 在官网发布声明，确认内部系统遭到未授权访问，部分内部经营数据被复制，源代码也可能已被窃取。声明同时强调，这次事件不涉及产品漏洞，也不影响客户的数据库和业务数据。至于攻击者公布的数据规模、密钥泄露情况以及实际受影响的客户范围，PingCAP 尚未完全确认，第三方也没有独立核实。出现在名单上的交易所 Bitget 回应称，该公司只在 TiDB Cloud 上存放过部分公开成交日志，而且在两个多月前就已停用。云数据库厂商内部凭据和元数据的安全，正逐渐成为客户选型时需要考虑的一项。^[23]

OCI Full Stack DR 原生支持 PostgreSQL · cloud

Oracle 云的全栈容灾编排服务 Full Stack DR 增加了对 OCI Database with PostgreSQL 的原生支持，同时加强了与网络有关的能力。这样一来，Postgres 就能纳入 OCI 的跨区域整体切换流程。^[24]

FutureX · 记录未来如何发生

素材来源多方媒体/网络新闻