查询优化器与执行引擎深入
深入 ClickHouse 查询引擎：向量化执行与列式内存布局、数据块（Block）流式管道、EXPLAIN 执行计划、优化器规则（谓词下推/主键裁剪/常量折叠）、多线程并行执行、内存限制与外部聚合，以及基于 system.query_log 与 ProfileEvents 的性能分析实战。
category
database
共 166 篇文章。
PostgreSQL 事务、隔离级别与锁：MVCC 快照、行锁/表锁、死锁检测与长事务治理
深入解析 PostgreSQL 事务体系：MVCC 快照与可见性规则、四种隔离级别（读已提交/可重复读/可串行化/SSI）的差异与异常、行锁与表锁的兼容矩阵、pg_locks 锁等待分析、死锁检测机制与避免策略、快照陈旧与长事务（idle in transaction）、事务重试与幂等设计、锁监控常用 SQL。
物化视图与实时聚合
全面解析 ClickHouse 物化视图：普通物化视图的增量落地原理、异步物化视图（Async MVs）与刷新式视图（Refreshable MVs）、聚合中间状态与 AggregatingMergeTree 的配合、增量计算与数据同步、冷热分层策略，以及视图监控与数据重复/滞后等常见坑。
PostgreSQL VACUUM 与表膨胀治理：MVCC 死元组、Autovacuum 调优与膨胀诊断
系统讲解 PostgreSQL 的 VACUUM 机制与表膨胀治理：MVCC 多版本并发控制如何产生死元组、VACUUM 与 AUTOVACUUM 的工作原理与触发条件、autovacuum 参数调优、表膨胀与索引膨胀诊断（pgstattuple/n_dead_tup）、手动 VACUUM FULL 与 CLUSTER、高频 UPDATE 场景的防膨胀设计，以及死元组监控与告警体系。
PostgreSQL 索引类型深度实战：B-tree 原理、组合索引、GiST/GIN/BRIN 与索引维护
深入解析 PostgreSQL 全家族索引：B-tree 平衡树原理与索引高度、组合索引列顺序与最左前缀、跳跃扫描的真相、GiST 空间与范围检索、GIN 倒排索引（全文搜索/JSONB/数组）、BRIN 块范围索引、部分索引与表达式索引、覆盖索引 INCLUDE、索引膨胀诊断与并发重建。每个索引类型配真实 DDL、EXPLAIN 示例与选型决策表。
MergeTree 合并原理与数据生命周期
深入 MergeTree 内核：INSERT 写入路径与 Part 生成、Part 不可变结构与列式布局、主键稀疏索引与 minmax 跳过索引、后台合并机制、TTL 与分区生命周期、Part 损坏检测（CHECK TABLE）与突变（Mutations），以及 Part 数量与合并并发的调优实践。
19. 数据库原理基础
深入数据库原理核心：关系模型与 SQL、存储与页、B+ 树与 LSM 索引、事务 ACID、隔离级别与锁、WAL 日志恢复、查询优化执行计划、范式与反范式，构建理解任何数据库系统的基础框架。
数据库高可用架构：主从复制、自动故障切换、脑裂防护与 RTO/RPO 工程
数据库挂了，业务就挂了——高可用（HA）的目标是把"数据库不可用"的概率压到最低，并在不可避免的故障发生时自动、快速、无感知地完成切换。但高可用不是"买几台机器做主从"这么简单：主从复制只是基础，真正难的是故障检测（怎么判断主库真挂了）、自动切换（谁能成为新主 …
在线 DDL 原理与最佳实践：MySQL/PostgreSQL 大表变更的锁与数据拷贝
对千万级、亿级大表执行 ALTER TABLE 是最让 DBA 与后端工程师胆战心惊的操作之一：一个看似简单的加列、加索引，可能把业务写流量堵死几分钟，甚至引发锁等待风暴。问题的根源在于表结构变更需要在短时间内独占表锁、重写整张表。为此，数据库演进出了在线 DDL 机制（MySQL 的 InnoDB …
分库分表中间件深度：ShardingSphere 架构、路由、改写与分布式治理
分库分表是单机数据库容量触顶后的必经之路，但"怎么分"只是开始——真正复杂的是分完之后：请求怎么路由到正确的库表、SQL 怎么写才能分片、跨分片查询怎么聚合、数据迁移与扩容怎么做。如果这些问题全部靠业务代码硬扛，系统会快速腐烂。分库分表中间件 …
主从数据一致性校验与修复：chunk 对账、pt-table-checksum 与增量修复实战
“主从复制是自动的，所以主从数据一定一致”——这是运维里最大的错觉之一。binlog 丢失、复制中断、人为误操作、半同步降级、甚至程序 BUG，都会让从库与主库悄然分道扬镳。更隐蔽的是：复制通常不会报错，不一致像蛀虫一样潜伏，直到某个深夜的查询突然返回错误数据。数据一致性校验 …
LSM-Tree 存储引擎深度解析：MemTable、WAL、Compaction 与读写放大
LSM-Tree（Log-Structured Merge-Tree）是与 B+ 树并驾齐驱的存储引擎范式，被 RocksDB、LevelDB、Cassandra、HBase、TiKV 等大量写密集系统采用。它的核心哲学是"把随机写变成顺序写"：所有写入先追加到内存中的 …
CDC 与实时数据管道：Canal、Debezium、Flink CDC 的架构与实战
业务库的数据是实时的，而下游的数据仓库、缓存、搜索引擎往往是滞后的——传统 ETL 定时全量同步的延迟以"小时"计，且全量扫描对源库冲击大。CDC（Change Data Capture，变更数据捕获）改变了这一切：它从数据库的日志（MySQL binlog、PostgreSQL …
ClickHouse 表引擎详解
ClickHouse 提供了丰富的表引擎，每种引擎针对特定场景优化。本文详解 MergeTree 家族各引擎的行为差异、适用场景和选择策略。
ClickHouse 监控与运维
ClickHouse 提供了丰富的系统表和指标用于监控集群健康。本文详解运维查询、磁盘管理、TTL 策略、备份恢复和生产环境的维护最佳实践。
ClickHouse 生产案例与最佳实践
本文汇总 ClickHouse 在大规模生产环境中的应用经验，包括典型架构设计、冷热分层、查询缓存、降采样策略、多租户隔离和写入缓冲模式。
ClickHouse 架构与设计原理
ClickHouse 是面向 OLAP 场景的开源列式数据库，以极致的查询性能著称。本文详解 ClickHouse 的列式存储、向量化执行、MergeTree 引擎、分布式架构以及与行式数据库的本质区别。
ClickHouse 数据接入与 ETL
将海量数据高效写入 ClickHouse 是一门技术。本文详解 INSERT 优化、批量写入策略、Kafka 引擎集成、MaterializedMySQL、数据格式支持和分区设计。
ClickHouse 实时分析场景
ClickHouse 在实时分析场景中表现卓越。本文详解漏斗分析、留存分析、用户画像、A/B 测试和时序数据处理的 SQL 模式，以及对应的表结构设计。
ClickHouse 列式数据库
ClickHouse 是一款由 Yandex 开源的面向 OLAP 场景的高性能列式数据库，以向量化执行引擎和极致查询性能著称。本专题系统覆盖列式存储架构原理、SQL 编写与性能优化、MergeTree 家族表引擎详解、数据接入与 ETL 管道、分布式分片+副本集群搭建、监控运维与冷热分层策略，以及实时分析场景（漏斗/留存/A-B 测试）的完整生产实践，并深入 MergeTree 合并原理与数据生命周期、物化视图与实时聚合、查询优化器与执行引擎、备份恢复与容灾、Kafka 实时管道、权限安全加固、复制表与跨机房容灾（ReplicatedMergeTree/ClickHouse Keeper/脑裂防护）、字典与维度 JOIN（Dictionaries/dictGet/星型模型）、列式压缩算法（LZ4/ZSTD/Delta/Gorilla Codec）、查询缓存与预热、时序分析最佳实践（降采样/异常检测）、Mutation 与 TTL（轻量删除/冷热分层）、窗口函数高级实战（排名/聚合/偏移/分布/滑动）、实时数仓架构（ODS/DWD/DWS/ADS 分层与 Lambda/Kappa）、对象存储 S3 集成（冷热分层/TTL 迁移/S3 备份/Data Lake）、生产性能调优（写入/查询/内存/集群）、Schema 建模最佳实践（主键/分区/压缩编码/宽窄表）、JSON 与半结构化数据处理（导入提取/展平/物化列/混合建模）、向量检索与 ANN 索引（HNSW/usearch/相似度查询）、全文检索与倒排索引（tokenbf_v1/text index/模糊匹配）、日志与指标存储（可观测性后端/Grafana/成本治理）、集群扩容与平滑升级（分片重平衡/滚动重启）、内存管理与落盘（spill to disk/OOM 防护）、用户自定义函数（executable UDF/SQL UDF/性能边界），并补齐 Projections 预聚合、trace_log 查询剖析、轻量删除更新、查询并发与资源隔离（workload scheduling）、MySQL/PostgreSQL 方言迁移、容量规划与成本优化等高级主题。