数据库演进史（八）：PostgreSQL——一个数据库的文艺复兴
回顾这个系列： 关系型数据库解决了数据一致性 NoSQL 解决了扩展性和灵活性 嵌入式数据库解决了零部署需求 分布式数据库解决了单机瓶颈 分析型数据库解决了海量数据分析 时序数据库解决了时间序列场景 向量数据库解决了语义搜索 每个问题都催生出新的数据库类型。而 PostgreSQL 选择了一条不同的路：成为一个可以被无限扩展的平台。 ...
数据库演进史
数据库演进史（七）：向量数据库——AI 时代的新基建
“找出所有与这张图片相似的商品。” “搜索语义上相关的文档，而不只是关键词匹配。” “推荐用户可能喜欢的内容。” 这些需求有什么共同点？它们都需要找**“相似”而不是“相等”**的数据。传统数据库在这里彻底无能为力了。 ...
数据库演进史（六）：时序数据库——时间维度的专家
你的服务器每秒产生上千条监控指标。用户行为日志像瀑布一样涌入。IoT 设备 7×24 小时不停地汇报传感器数据。 传统数据库处理这些数据时，已经开始喘不过气了。 ...
数据库演进史（五）：分析型数据库——当查询变成分析
老板说：“给我一个报表，统计过去一年每个渠道的用户增长趋势。” 你写了一个 SQL，跑了 10 分钟还没出结果。PostgreSQL 表示很委屈——这不是它擅长的事。 有些查询，需要专门的数据库。 ...
数据库演进史（四）：分布式数据库——当单机不够用
前情回顾 前两篇我们看到了数据库世界的两极： 关系型：ACID 事务、SQL 标准、但单机天花板 NoSQL：无限扩展、灵活 Schema、但牺牲一致性 这像是一个权衡三角（注意：这不是 CAP 定理，CAP 讨论的是分布式系统中一致性/可用性/分区容错的取舍）： 一致性（C） /\ / \ / \ /______\ 可扩展性（S） 可用性（A） 传统关系型：优先 C 和 A，牺牲 S（单机架构） 传统 NoSQL：优先 S 和 A，牺牲 C（最终一致性） 2012 年，Google 发表了 Spanner 论文，证明了一个惊人的事实： 三者可以兼顾——代价是巨大的工程复杂度。 ...
数据库演进史（三）：嵌入式数据库——藏在你身边的数据库
问一个问题：世界上部署量最大的数据库是什么？ 不是 MySQL，不是 PostgreSQL，不是 Oracle。 答案是 SQLite——一个你可能从未直接使用过，但每天都在间接使用的数据库。 ...
数据库演进史（二）：NoSQL 运动——打破关系的枷锁
前情回顾 上一篇我们看到了关系型数据库的辉煌与局限： 优点：ACID 事务、SQL 标准、数据一致性 问题：单机天花板、水平扩展困难、Schema 僵化 当 Facebook 有 5 亿用户、Google 每天处理 200 亿网页时，他们面临一个选择： 要么花天价买超级计算机，要么——重新发明数据库。 他们选择了后者。 ...
数据库演进史（一）：关系型数据库——SQL 一统江湖的时代
1970 年，IBM 研究员 Edgar F. Codd 发表了一篇论文：《A Relational Model of Data for Large Shared Data Banks》。 这篇论文没有写任何代码，却定义了接下来 50 年数据库的基本形态。 为什么一个 50 年前的模型，至今仍是主流？ ...