用部署形态、写并发、查询形态与持久化需求收束 SQLite / PostgreSQL·InnoDB / DuckDB / RocksDB 选型；给出站内阅读地图、全系列学术谱系与开放问题，标志 SQLite 内核系列完成。

本文总结了分布式KV系统的选型决策树，涵盖etcd、FoundationDB、TiKV等的适用场景与机制，强调了严格可串行化、事务处理和存储解耦等关键概念，并指出了高冲突负载下OCC重试的可接受性等开放问题。

本文总结了TiKV/HTAP系列的核心内容，包括选型决策树、站内阅读地图及学术谱系。读者可以理解如何选择合适的KV存储，特别是在数据规模、分布式事务和新鲜度要求方面。系列共18篇，探讨了从Region切分到Multi-Raft复制的各个环节，并指出了当前的开放问题，如千万级Region的运维上限和跨Region的可观测性。

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。

本文讨论了Redis的选型决策，包括Standalone、Sentinel和Cluster等不同部署形态及其适用场景。强调了Valkey作为OSS分叉的兼容性与合规性问题，并探讨了Redis模块的扩展能力。最后，明确了不应使用Redis的情况，并提供了阅读地图以帮助深入理解。

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。

本文总结了数据平台的选型决策，提出了交互式联邦、批ETL、嵌入式分析和流批一体四条路径。通过能力对照表，分析了不同引擎的下推深度、并发模型和运维复杂度，强调了查询引擎的核心功能及其在数据平台栈中的重要性，并提供了针对不同需求的引擎选择建议。

本文总结了RocksDB的内核机制，探讨了存储引擎的选择决策树，包括OLTP、OLAP和湖仓等场景。RocksDB适合写密集型负载，适用于Flink、TiKV等嵌入式应用。文章对比了RocksDB与InnoDB、列存和湖仓的特点，指出各自的适用场景和优化方向，并提供了存储栈和数据平台的阅读地图，以帮助读者理解不同存储引擎的关系与应用。

本文比较了DuckDB与ClickHouse在OLAP场景中的应用，指出两者适用场景不同。DuckDB适合嵌入式分析和小规模数据，而ClickHouse更适合大规模数据处理和多用户访问。通过决策树，用户可以根据需求选择合适的工具，结合使用可提高效率。