EloqKV是一款兼容Redis/ValKey API的高性能分布式数据库，它提供ACID事务、完全弹性和可扩展性、分层存储和会话式事务语法等特性，同时保留了Redis的简洁易用性。针对AI时代对数据库的高需求，EloqKV为开发者提供了强大的解决方案，其多线程架构在c6g.8xlarge实例上实现了高达160万QPS的性能，并支持分布式ACID事务，彻底解决了Redis集群中的跨槽错误问题。此外，EloqKV还具备分层存储功能，可自动将冷数据卸载到磁盘，节省高达70%的内存成本。
Sirius是一款原生支持GPU的SQL引擎，通过Substrait标准与DuckDB等数据库无缝对接，无需改写查询或大幅修改系统。在TPC-H基准测试中，Sirius在相同的硬件成本下，速度比现有CPU引擎快约10倍，非常适合交互式分析、金融工作负载和ETL作业。目前支持DuckDB和Doris数据库，并计划支持更多数据库。安装方法包括使用AWS镜像、Docker镜像或手动安装。尽管还处于积极开发阶段，但Sirius已展现出强大的性能潜力，为数据分析开启了GPU时代。
云存储技术诞生之初，受限于老旧硬件，采用网络连接磁盘提升持久性和可扩展性。但如今，廉价高效的 NVMe SSD 已经出现，其性能远超旧式方案。文章指出，使用本地 NVMe SSD 的 PostgreSQL 数据库，在 TPC-C 和 TPC-H 基准测试中，性能远胜于 AWS RDS 和 Aurora，速度提升数倍。虽然网络连接存储仍具备弹性和持久性优势，但 NVMe SSD 的可靠性和价格优势已足以弥补，本地 NVMe SSD 有望成为云数据库的未来。
OrioleDB数据库引入了桥接索引技术，巧妙地解决了如何在保持自身MVCC特性和堆外存储的同时，兼容PostgreSQL丰富的非B树索引（如GIN、GiST等）的问题。通过引入一个虚拟的iptr列和一个轻量级的桥接索引，OrioleDB将PostgreSQL的索引映射到自身的索引结构，实现了对各种非B树索引的支持。虽然查询性能会略有下降（多一次索引查找），但对于复杂的索引（如pg_vector的ANN搜索），开销可以忽略不计。这项创新让用户无需在速度和丰富的索引生态之间做出选择。
本文回顾了HTAP数据库（混合事务分析处理）的发展历程。从70年代单一数据库处理所有事务和分析到80年代的工作负载隔离，再到90年代的存储架构分裂，以及2010年代NewSQL和云数据仓库的兴起，HTAP数据库曾一度被寄予厚望。然而，由于替换现有OLTP系统难度大、大多数工作负载无需分布式OLTP、云原生架构偏好共享磁盘而非共享无以及团队利益不一致等原因，HTAP数据库最终未能广泛普及。如今，数据栈转向模块化湖仓一体架构，通过组合而非整合数据库来实现HTAP的功能，这标志着HTAP数据库作为一种独立数据库的消亡，但其理念在湖仓一体架构中得到了延续。
ClickHouse数据库通过一项名为“懒惰加载”的新优化，将查询速度提升了1500倍。这项技术延迟读取列数据，直到实际需要时才读取，从而显著减少了不必要的I/O操作。文章以亚马逊评论数据集为例，详细解释了懒惰加载与其他I/O优化技术（例如列存储、稀疏主键索引和PREWHERE）如何协同工作，最终将一个查询的执行时间从219秒缩短到139毫秒。懒惰加载尤其适用于Top N查询，它无需修改SQL代码即可大幅提升性能。
在一台配备4个vCPU和16GB RAM的Hetzner CCX23机器上进行的基准测试显示，在`num_clients = 4`的情况下，DiceDB的吞吐量和GET/SET延迟均优于Redis。DiceDB的吞吐量达到15655 ops/sec，而Redis为12267 ops/sec；在延迟方面，DiceDB的GET和SET操作的p50和p90值均低于Redis。更多详细的基准测试数据和复现方法，请参考链接。
pg_mooncake 项目通过一系列优化，使 PostgreSQL 在 ClickBench 基准测试中进入前十，挑战了专用分析型数据库的统治地位。该项目并非简单的封装，而是在 PostgreSQL 中原生构建，通过列存储格式、向量化执行（集成 DuckDB）以及直接在 PostgreSQL 中管理元数据等技术手段，显著提升了 PostgreSQL 的实时分析性能。这证明了 PostgreSQL 在经过精心调整后，具备与专用数据库媲美的分析能力，同时保留了其灵活性和生态优势。
Apache Kvrocks是一个基于RocksDB存储引擎的分布式键值NoSQL数据库，它兼容Redis协议。它支持命名空间（类似于Redis的SELECT命令，但每个命名空间都有一个令牌）、异步复制（使用类似MySQL的binlog）、高可用性（支持Redis哨兵机制进行故障转移）以及集群（集中化管理，但可以通过任何Redis集群客户端访问）。
Kronotop 是一个与 Redis 兼容的分布式事务型文档数据库，底层使用 FoundationDB。它支持类似 MQL 的查询语言和 ACID 事务，并具有主备复制模型的磁盘存储引擎。目前仍处于早期开发阶段，API 不稳定，但已具备 ZMap（有序键值存储）、命名空间以及部分 Redis 数据结构（字符串和哈希）支持。未来计划支持更多 Redis 数据结构（如列表、集合、有序集合）以及 Bucket 数据结构（用于存储 JSON 类文档并支持 MQL 查询语言和事务）。
TiDB是一个开源的、云原生的分布式SQL数据库，旨在为现代应用提供高可用性、水平和垂直可扩展性、强一致性和高性能。它支持分布式事务，具有水平和垂直扩展能力，并具有高可用性。TiDB兼容MySQL，并提供多种部署方式，包括本地部署、Kubernetes和TiDB Cloud。
短视频应用快手日活用户超过千万，其原有的MySQL分库分表方案在面对日益增长的数据和高并发请求时，面临着存储瓶颈、运维复杂等问题。为此，快手团队转向OceanBase分布式数据库，成功构建了400TB单集群，有效支撑了交易验证和支付业务。OceanBase的高性能、可扩展性和易用性解决了快手的数据存储和查询问题，显著提升了系统稳定性和效率，并降低了运维成本。
MongoDB Atlas，作为全球性的云数据库服务，面临着海量数据带来的数据腐败风险。文章详细介绍了MongoDB如何通过软件层面的技术，例如校验和验证、索引和复制利用以及冗余副本修复等方法，主动检测和修复云端数据腐败问题，确保数据完整性。这套系统分为三个步骤：主动监控、精确定位和修复腐败数据。即使在硬件层面存在缺陷或随机故障，MongoDB也能确保客户数据的安全可靠，从而将硬件管理的细节从客户的日常工作中剥离出来。
HNSW算法在向量数据库中广受欢迎，但其内存密集型特性使其在大规模应用中受限。文章指出，对于海量数据集，基于磁盘的替代方案，如IVF（倒排文件索引），结合量化技术（如RaBitQ、PQ、SQ、ScaNN），在速度和可扩展性方面可能更胜一筹。IVF通过量化压缩向量，减少内存占用，并利用高效的预取和顺序扫描，显著提升搜索速度，同时降低插入和删除的成本。虽然HNSW在中小规模应用中表现出色，但面对海量数据，IVF结合量化技术才是更具优势的选择。
Apache Cloudberry是一个先进成熟的开源MPP（大规模并行处理）数据库，由Greenplum数据库的原始开发者创建。它基于更新的PostgreSQL内核，拥有更强大的企业级功能，可用于数据仓库、大规模分析和AI/ML工作负载。Cloudberry提供多种构建和试用方式，包括从源代码构建和Docker沙箱，并拥有活跃的社区和丰富的文档支持，鼓励代码增强、错误修复、功能建议等多种贡献方式。