خروجی گرفتن از یه جدول بزرگ روی PlanetScale معمولاً به محدودیت ردیف میخوره. لاراول 13.36 یه متد ساده آورده که این مشکل رو بدون دردسر حل میکنه.
برای اینکه مدل هوش مصنوعی از ایمیلها و چتهای خودت جواب بده، لازم نیست سراغ دیتابیس برداری بری. چند تا اسکریپت و یه الگوریتم جستجوی قدیمی کافیه.
از Redis 8.12 یه نوع داده جدید میاد که bitmapها رو با فرمت Roaring فشرده نگه میداره. برای دادههای پراکنده هم خیلی کمحجمتره و هم سریعتر.
یه کوئری ساده بعد از دو ثانیه بیکاری دو برابر کندتر میشد. تیم ClickHouse ریشهشو تو رفتار TCP لینوکس پیدا کرد و با یه پچ ساده درستش کرد.
ایدهٔ سطلی که آرومآروم خالی میشه از ۱۶۰۰ سال قبل از میلاد تا امروز زنده مونده؛ حالا PlanetScale ازش برای جلوگیری از کوئریهای سنگین تو Postgres استفاده میکنه.
Timescale یه اکستنشن تازه برای PostgreSQL ساخته که با ایندکس PRISM، جستجوی برداری رو از HNSW هم سریعتر میکنه و روی جدولهای فعلی pgvector هم کار میکنه.
Databricks یه نقشهی ششلایه داده که نشون میده چطور با دادهی تمیز، متادیتا، مدل معنایی و ارزیابی مداوم، جوابهای ایجنتهای هوش مصنوعی رو قابل اعتمادتر کنی.
ترافیک دادههای کلادفلر نمایی رشد میکنه ولی سختافزار خطی. تیم Data با پنج تغییر، معادل دو سال و نیم خرید سختافزار رو عقب انداخته.
مدل کدنویسی جدید MiniMax هنوز منتشر نشده، ولی تو سه تست عملی، از تصمیمگیری پهپاد تا ساخت بازی سهبعدی و پیدا کردن باگ SQL، نتیجههای قابل قبولی داده.
تو 3B هر step تو یه sandbox دورریختنی اجرا میشه، ولی فایلهاش مثل تراکنش دیتابیس یا همهش ذخیره میشن یا هیچکدوم. Tines توضیح داده این رو چطور ساخته.
مدل تازهٔ گوگل روی دادههای جدولی بدون آموزش پیشبینی میکنه، ولی معنی ستونها رو نمیفهمه. ترکیبش با یه ایجنت LLM و دیتابیس شاخهدار این کمبود رو جبران میکنه.
گوگل یه مدل پایه برای دادههای جدولی ساخته که بدون هیچ آموزشی، فقط با دیدن چند ردیف برچسبدار، بقیه رو پیشبینی میکنه. ولی معنی ستونها رو نمیفهمه.
یه کوئری سادهی count distinct روی MonetDB بیش از یک ساعت طول میکشید. مقصر نه دیتابیس بود نه کمبود رم، بلکه سیاست writeback کرنل لینوکس بود.
MongoDB با Atlas Infinite پردازش و ذخیرهسازی رو از هم جدا کرده، ولی برخلاف طراحی رایج، لایهٔ ذخیرهسازی هیچوقت دادهی رمزنگارینشدهی مشتری رو نمیبینه.
Cockroach Labs یه پایپلاین ایجنت هوش مصنوعی با الگوی بیمارستان آموزشی ساخته که پشتیبانی Db2 رو بدون حتی یه خط کد انسانی، تو کمتر از دو روز اضافه کرد.
یه جدول 10 میلیون ردیفی سه بار ساخته شد و فقط کلید اصلی عوض شد. نتیجه: UUID تصادفی هزینهش رو بیشتر جاهایی میده که انتظارش رو نداری.
با یه اکستنشن Postgres میشه وسط کوئری SQL بپرسی «این مشتری عصبانیه؟» و جواب رو برای مرتب کردن و فیلتر کردن ردیفها استفاده کنی.
دل میگه مشکل اصلی سازمانها تو هوش مصنوعی GPU نیست، دادهست. ابزارهای تازهش قراره مصرف توکن agentها رو کم کنن.
یه تیم دیتابیس اپ داخلیش رو از Firestore به PostgreSQL برد، ولی کندترین صفحه همچنان ۱۸ مگابایت دانلود میکرد. راهحل واقعی یه جای دیگه بود.
تیم Cortex جستجوی مبتنی بر Lucene رو کنار گذاشت و همهچیز رو روی یه Postgres ساده با full-text search و CDC پیاده کرد؛ نتیجهش جستجوی سریعتر و بهروزه.