为AI时代而构建：VLDB 2026上的Lakebase、流处理与湖仓创新
内容提要
Databricks将在VLDB 2026展示多项创新，包括Reynold Xin的主题演讲，介绍AI代理时代数据库工程的“第三黄金时代”，提出Lakebase和LTAP新范式。四篇论文涵盖Lakebase架构、Spark Structured Streaming演进、AutoLiquid自动数据布局优化及Ultron历史查询优化，另有Enzyme演示，旨在提升湖仓性能与实时分析能力。
延伸解读
AI代理如何重塑数据库需求
文章指出，AI代理工作负载带来数百万个短期、深度分支的数据库，传统OLTP引擎难以应对。这解释了为何Databricks推出Lakebase，通过存储与计算分离、支持Git式分支，满足代理的独特需求。读者可关注这一趋势对数据库设计的影响。
湖仓优化的自动化与历史利用
AutoLiquid和Ultron展示了自动化与历史数据在优化中的价值。AutoLiquid通过CLUSTER BY AUTO自动选择聚类键，在95%以上工作负载中优于人工选择；Ultron利用查询历史优化连接操作，将中位连接延迟降低25%。这提示读者，自动化优化和基于历史的调优是提升湖仓性能的关键方向。
LTAP：湖仓与事务处理的融合
文章提出LTAP（湖事务分析处理）新范式，旨在统一事务与分析处理。Lakebase和LakehouseRT的结合为实现LTAP奠定基础，支持对实时事务数据的低延迟分析。这标志着数据库架构向第三代演进，读者可关注其对实时分析场景的潜在影响。
Q&A
Databricks在VLDB 2026上提出了哪些新范式？
Databricks在VLDB 2026上提出了两个新范式：Lakebase和LTAP。Lakebase将存储和计算分离应用于OLTP数据库，而LTAP（Lake Transactional Analytical Processing）统一了事务处理和分析处理。
Lakebase是什么？它如何满足AI代理工作负载的需求？
Lakebase是第三代云数据库架构，它将无服务器PostgreSQL计算与存储解耦，将数据和预写日志直接以开放格式持久化到云对象存储中。它通过写时复制分支支持类似Git的数据库工作流，提供亚秒级冷启动，并支持对实时事务数据的低延迟分析，从而满足AI代理工作负载中数百万个短期、深度分支数据库的需求。
Apache Spark Structured Streaming在架构上做了哪些演进？
Structured Streaming的架构演进包括：微批处理流水线将吞吐量提高了3倍，新的有状态API简化了复杂业务逻辑的表达，并支持细粒度访问控制。
AutoLiquid是什么？它如何自动优化数据布局？
AutoLiquid是Databricks湖仓的自动数据布局优化系统，通过简单的CLUSTER BY AUTO原语自动化聚类键选择和验证。它结合启发式键选择和高效的影子验证，能够自动聚类数百万张表，并在超过95%的评估工作负载上优于客户选择的键。
Ultron是什么？它如何提升查询性能？
Ultron是一个基于历史的查询优化框架，利用分析工作负载的重复性来改进优化器决策，例如选择连接操作符类型。它通过高效存储历史和管理查询日志，显著提升了生产工作负载的性能，将中位连接延迟降低了25%。
Enzyme在VLDB 2026上展示了什么？
Enzyme是Databricks的增量视图维护引擎，用于数据工程工作负载。在VLDB 2026上，Yuhong Chen将演示Enzyme如何增量维护物化视图。
LakehouseRT是什么？它与LTAP有什么关系？
LakehouseRT是Databricks推出的实时低延迟分析引擎，由新的Reyden引擎驱动，直接基于开放湖存储。Lakebase和LakehouseRT的结合为交付首个真正的LTAP（Lake Transactional Analytical Processing）系统奠定了基础。
