本文总结了全文检索引擎的选型决策，强调在不同场景下的最佳实践。针对企业知识库、订单库和日志分析，提供了决策树和场景分析，建议根据数据量、事务需求和查询模型选择合适的引擎，如Elasticsearch、PostgreSQL GIN或ClickHouse。选型应基于具体问题，而非产品热词。

本文总结了数据库研究的七条主线及2026年的选型决策矩阵，强调AI-Native数据库仍在组件替换阶段，向量检索和HTAP等领域发展迅速。提出12个开放问题，指引未来研究方向，建议工程师关注向量检索和实时增量视图等实际应用。

本文讨论了向量检索引擎的选型，比较了Milvus、Qdrant和Lance的特点与适用场景。提供了决策树和关键问题，强调持续写入、近似检索和过滤的重要性，并指出了GPU索引和多模态字段融合等开放问题。旨在帮助用户根据负载选择合适的向量引擎。

Iceberg通过隐藏分区和分区演进解决了Hive的分区问题。隐藏分区允许用户在数据列上写谓词，系统自动裁剪分区，避免全表扫描。分区演进则允许在不重写历史数据的情况下修改分区方案，保留旧数据的同时新增分区规范。这些设计提高了数据管理的灵活性和效率。

Iceberg通过四层不可变元数据树解决了对象存储中的目录管理问题。这四层分别存储表的状态、快照信息、manifest列表和数据文件，确保原子提交和快照隔离。查询时，Iceberg利用元数据快速定位数据文件，避免了传统方法中的高成本LIST操作，并支持高效的分区裁剪和文件裁剪，提升查询性能。

在Iceberg中，数据文件不可变，删除行可通过写时复制（CoW）和读时合并（MoR）两种方式实现。CoW重写整个文件，写放大高；MoR则写删除标记，适合高频删除。V3引入删除向量（DV），提高了删除效率。选择CoW或MoR取决于删除频率和读写性能需求。实验表明，CoW在删除时重写大量数据，而MoR需定期合并以避免性能下降。

本文讨论了对象存储中目录式分区表的缺陷，如并发写入导致的部分提交、查询规划成本高和缺乏快照隔离。为解决这些问题，开放表格式（如Iceberg、Delta、Hudi）提供了原子提交、快照隔离、文件级统计裁剪和schema演进等功能，确保数据一致性和高效查询。

ORC和Parquet是两种列式存储格式，分别源自Hive和Twitter/Cloudera。ORC适合Hive事务表，支持ACID，且在整数和时间戳数据上压缩效果好。Parquet是跨引擎的通用格式，广泛应用于AI和数据分析工具。选择时需考虑具体应用场景和数据特性。

本文讨论了对象存储（如S3）与POSIX文件系统的关键差异，强调对象存储的强一致性、重命名操作的高成本及条件写的重要性。对象存储不支持原子重命名，导致重命名变为逐个复制和删除，增加了成本。此外，列出对象的代价随对象数量线性增长，影响数据处理效率。条件写（如If-None-Match）为原子提交提供了支点，解决了并发写入的问题。整体上，文章探讨了对象存储在数据湖架构中的局限性及其对表格式设计的影响。

本文探讨了Parquet文件的结构与性能优化，包括数据的物理切分（行组、列块、页面）、元数据存储方式，以及通过裁剪元数据（如列索引、偏移索引、布隆过滤器）提高查询效率。Parquet采用“先写数据、后写元数据”的设计，文件尾部包含所有统计信息，支持高效的谓词下推和投影下推，显著减少读取数据的IO量。

本章探讨了Parquet格式的编码与压缩机制，强调编码降熵与通用压缩的两层结构。实测结果显示，低基数列适合字典编码，近似等差整数列使用差分编码效果最佳，而高熵随机数据则难以压缩。总结了编码与压缩的选择原则，强调匹配数据模式的重要性。

GLM-5.2是新一代开放权重模型，性能接近顶级闭源模型GPT-5.5，成本仅为其三分之一。该模型拥有7000亿参数，实际运行时激活400亿，推理能力显著提升。推理过程消耗token较多，最大强度下需42000个token。用户可通过调整推理强度优化性价比，日常任务使用中等强度即可。尽管在非幻觉率测试中表现优异，但缺乏视觉输入能力，API稳定性需改进。

3M与多家科技企业共同创立了多源协议（MSA），推动AI基础设施中扩束光学连接的开放标准发展。该技术在高密度互连环境中具备高可靠性和优异性能，成为AI基础设施的关键。MSA旨在加速高性能光互连的部署，支持AI数据中心的扩展。