Zerobus Ingest是Databricks推出的无服务器流式数据接收服务，支持每秒12GB的吞吐量。它通过推送API直接将数据写入Delta表，简化了传统Kafka架构的复杂性。Zerobus的动态分区设计和零拷贝解析器Zeroparser提升了性能，支持高吞吐量和低延迟的数据传输。该服务已在NASA的NEOWISE数据集上进行基准测试，展示了其强大的数据处理能力。

Chronosphere通过将时间序列数据从ext4迁移到Btrfs文件系统，节省了74%的存储成本。Btrfs提供透明压缩和高效的数据管理，尽管在迁移过程中面临备份成本增加和IO风暴等挑战，但最终证明是大规模企业部署的可靠选择。

Reddit成功将超过500个Kafka代理和超过1PB的数据从EC2迁移到Kubernetes，整个过程无停机。迁移分为多个阶段，包括引入DNS中介、增加新代理、混合集群运行、逐步转移数据和控制平面迁移。通过小步、可逆的方式，Reddit确保了系统稳定性，避免了数据丢失和服务中断。

Arctic Wolf 每天处理超过一万亿事件，重构数据架构后，查询速度提升至秒级，数据新鲜度从小时降至分钟，支持实时威胁检测与响应，显著降低查询时间和成本。

自动驾驶面临边缘案例挑战，这些罕见场景常被忽视。Kyra Mozley介绍了Perception 2.0，通过基础模型和嵌入技术提升视频数据理解，简化数据标注，增强模型灵活性和准确性。新方法支持自然语言搜索和分类，快速识别复杂场景，提高安全性和可靠性。

在2025年QCon旧金山会议上，Stripe工程师Jimmy Morzaria介绍了其零停机数据迁移平台，支持每秒500万查询，可靠性达到99.9995%。该平台通过六个阶段实现数据迁移，确保数据一致性和最小性能影响，支持从小数据集到数十TB的分片。迁移过程包括注册、数据导入、异步复制和流量切换，确保金融数据的安全性和完整性。Stripe选择内部构建该平台以满足安全和性能需求。

Airbnb的Mussel是一个高效管理派生数据的关键值存储系统，采用分区管理、无领导复制和统一存储引擎，解决了可扩展性和低延迟问题，支持实时和批量数据，确保高可用性和快速访问，成为数据基础设施的核心。

Uber的实时数据基础设施是其业务核心，每天处理大量数据。系统由消息平台、流处理和OLAP组成，确保数据快速分析。关键要求包括一致性、可用性、数据新鲜度、可扩展性和成本效率。Uber使用定制的开源技术如Kafka、Flink和Pinot，支持动态定价、UberEats管理和实时预测等功能。

去年我们推出了Insights功能，提供数据库查询性能的统计信息。通过dogfooding实验，扩展到数百TB的数据和每天数十亿条记录。现在是重新审视该功能和介绍Timescale功能和架构选择的好时机。可以在Timescale Cloud上运行PostgreSQL数据库。

Netflix开发了名为EVCache的缓存预热系统，以减少流媒体应用的延迟。EVCache支持多种用例，如查找缓存、临时数据存储、主存储和高容量数据。Netflix将EVCache用作一级缓存，它存储了PB级的数据。为了改进缓存预热过程，Netflix创建了一个缓存预热工具，具有副本预热和实例预热功能。缓存预热系统由控制器、转储器和填充器三个主要组件组成。实例预热器可以快速填充替换或重新启动的节点的数据。缓存预热工具在扩展和高效处理节假日流量方面取得了成功。

Shopify通过赋予小企业主权力，彻底改变了电子商务。他们的MySQL数据库以PB级规模存在，维持零停机时间面临挑战。Shopify使用分片平衡来分发流量，提高基础设施的生产力。他们采用数据驱动的方法进行分片再平衡，分析历史利用率和流量数据。Shopify还通过使用唯一标识符将相关请求路由到同一服务器来确保读一致性。他们通过利用Google Cloud Platform的快照功能来管理数据库备份和恢复，将恢复时间缩短到30分钟。Shopify的技术优先考虑用户体验和成本效益。

在PlanetScale，数据迁移可以无停机时间地进行，支持从旧数据库到新系统的迁移。该过程包括一致性快照、持续复制变更、验证数据一致性，并确保切换流量时无数据丢失，从而提升用户的迁移体验。