Databricks 推出 Lakehouse//RT 实时数据仓库，支持空间 SQL 与空间连接，可直接在 Delta 和 Iceberg 表上运行地理空间查询，无需复制数据。基准测试显示，空间查询平均快 3 倍，高并发下最高快 38 倍，延迟低至 10 毫秒，每秒可处理 1.2 万次查询。该功能已进入 Beta 阶段，无需修改代码即可使用。

PostgreSQL 19 查询优化新特性：新增 pg_plan_advice 扩展，可记录并回放计划器决策以稳定执行计划；pg_stash_advice 支持按查询标识自动应用建议。EXPLAIN 计时改用 TSC 寄存器降低开销。优化器可将非空列的 IS NOT DISTINCT FROM 转为等值连接，NOT IN 子查询在无 NULL 时可用反连接，虚拟生成列可建扩展统计，postgres_fdw 支持导入远程统计，JIT 默认关闭。

ExoBench实测显示，外键数据倾斜（10个大客户占80%订单）导致同一三表连接查询比均匀数据慢约千倍：Postgres从1毫秒升至1572毫秒，SQL Server升至2340毫秒。两引擎均因单列直方图无法识别跨连接相关性而低估约3000倍。修复方式不同：Postgres关闭嵌套循环即可降至约310毫秒；SQL Server需覆盖索引、批处理模式与哈希连接三者叠加才达约330毫秒。

以无索引查询为例：当表大于 shared_buffers 的四分之一时，Postgres 默认启用 synchronize_seqscans，新的顺序扫描会从上次停止处开始。首次扫描耗时 78 毫秒、读取 31598 页；后续仅 0.07 毫秒、读取 14 页，快约 1100 倍，这并非缓存所致。单次 EXPLAIN ANALYZE 只是样本量为 1，应多次运行并比较标准差与均值之比，以识别异常单次结果或累积效应。

StackGres 1.19 为 Citus 引入查询路由器，突破单协调器瓶颈。查询路由器不存分片数据，仅保存元数据并规划路由查询，可水平扩展，由 Kubernetes Service 负载均衡。基准测试显示，单协调器约 55 万 TPS 即达上限，加三个查询路由器后升至 143 万 TPS，延迟仍低，实现近线性扩展。

文章讨论太阳能和风电SCADA数据在TimescaleDB中的连续聚合刷新策略，提出高频刷新、每日刷新、分层刷新、保留期感知刷新和手动刷新五种策略，建议根据具体任务选择合适方案。

本文对比标准向量RAG与三层Graph-RAG在事实密集型查询中的幻觉表现。作者用合成篮球数据构建基准：图数据库存真实数据，向量库存含矛盾数字的噪声文本。使用Flan-T5-base模型测试50个查询，标准RAG准确率为96%，Graph-RAG为92%。结论是复杂冲突消解提示需更强模型，小模型反而表现更差。

作者开发了pg_vexec扩展，为PostgreSQL 19实现向量化查询执行，无需修改内核。该扩展通过规划器钩子让向量节点与行式路径按代价竞争，支持ORCA向量化规划、PAX列存批量读写、Arrow IPC帧跨节点传输及Flight SQL接口。239项回归测试通过，ClickBench提速19–24%，Flight SQL比二进制COPY快4.7倍。

作者实测PgLens的179条索引建议，发现18%反而拖慢查询，最差一条估算省91%但实测慢约十倍，原因是规划器低估行数；另有34条因值过长无法建索引。规划器排序尚可，但单条提速估算不可靠。作者因此将数字标为估算，并新增真实建索引计时与超长值警告。

Cohere发布Embed 5，包含Pro和Fast两个版本，共享同一嵌入空间，可分别用于索引和查询，无需重建索引。测试显示，Pro索引配Fast查询的检索质量达98.4，接近Pro对Pro的100。Fast吞吐量高2.4倍，价格更低。支持多语言、图文输入及多种向量维度与格式，适合RAG和智能体场景。

PostgreSQL 19 将新增查询提示功能，通过 pg_plan_advice 等扩展模块，用户可指定连接顺序、扫描方式和索引，覆盖优化器默认计划。该功能适用于无法修改的查询或函数估算错误场景，但官方提醒优化器通常正确，应优先分析表和调优索引，提示仅按查询 ID 精准使用，并常检查执行计划。

Constella 提出可替换查询模型的检索方案：文档用 Stella 编码一次，查询可用 Zero、Nano 或 Stella 编码，共用同一向量库，无需重新嵌入。Nano 保留 Stella 约 91% 的平均得分，Zero 更快但精度较低。在 15 个 BEIR 数据集上，Nano 查询速度约为 Stella 的 12 倍，Zero 约 480 倍。适合离线搜索、高并发 API 和边输入边搜等场景。

文章对比四家Postgres托管服务在内存压力下的可靠性：递归UNION查询会生成不受work_mem限制的哈希表，可能耗尽内存。测试中，ClickHouse Managed Postgres通过内存上限使查询干净失败，集群保持存活；RDS触发OOM崩溃并进入恢复；Cloud SQL和PlanetScale则杀掉连接。结论是较低内存上限虽牺牲部分查询，但换取了数据库整体可用性。

本文提出“上下文饥饿”概念：多意图查询经分解检索后，打包器按相关性贪心分配固定上下文预算，导致部分子意图虽已检索到证据却被挤出，且召回指标仍显示正常。实验用GitLab文档构建多意图查询，发现默认流程饿死31.1%子意图。按子查询分数预留名额可将覆盖率从68.9%提至89.4%，优于升级检索器。饥饿多导致无依据回答而非沉默。

Databricks系统计费表可用于成本分析。本文提供五个SQL查询：按日与产品统计支出、按SQL仓库和标签归因成本、用14天滚动均值标记异常支出，并用AI函数预测下月账单。建议将这些查询嵌入AI/BI仪表板，用于每周成本审查与预算规划。