DBA晨报·第30期｜Google Cloud数据库Agent化、Oracle CPU修复481漏洞、PG 19异步I/O增强+国产淘汰赛开启

DBA晨报·第33期｜Oracle+Google AI数据库Agent发布、达梦四款新品详解、PG 19内核REPACK解读 为你摘取技术圈值得关注的3件事。今天是2026年4月28日，星期二。 01 战略合作｜Oracle与Google Cloud发布AI数据库Agent：自然语言交互，企业数据查询进入对话时代 4月22日，Oracle与Google Cloud宣布扩大合作伙伴关系，联合发布Oracle AI Database Agent for Gemini Enterprise，这是一款支持用自然语言与企业数据进行交互的AI工具。 核心能力 能力维度 说明 自然语言查询 用户可使用日常英语提问，无需编写SQL语句 数据库层AI注入 AI能力直接应用于数据库层，而非外部服务调用 严格数据治理 保持企业级安全管控，敏感信息持续受保护 上下文感知Agent 支持复杂的Agentic工作流 应用场景 收入趋势分析：自然语言提问“上季度各区域收入变化”，自动生成查询 运营指标监控：随时询问关键运营数据 业务流程自动化：结合AI Agent实现端到端自动化 早期采用者 全球领先的组织已开始采用这些能力： 客户 应用方式 Worldline（支付服务商） 在Google Cloud上使用Oracle Exadata服务，支撑全球级高吞吐、低延迟交易处理 AI Shift（日本AI子公司） 利用新Agent帮助企业打通数据与可操作智能的鸿沟，加速营销、客服等场景决策 DBA视角 Oracle与Google Cloud的深度合作标志着数据库巨头与云厂商从竞争走向协同进入新阶段。对于DBA而言： 自然语言查询的普及可能改变数据访问模式——业务用户可直接提问，减少对DBA的SQL编写依赖 但底层优化仍然关键：AI生成的SQL可能存在性能问题，仍需DBA介入调优 多云战略：Oracle数据库在Google Cloud上的原生支持，为企业提供了更多云选择 建议关注该Agent的SQL生成质量，以及与企业现有数据治理体系的集成能力。 02 新品详解｜达梦数据发布四款战略新品：DM9领衔，全面拥抱AI原生数据库时代 4月22日，在2026中国数据库技术与产业大会上，达梦数据集中发布了四款战略新品，全面覆盖集中式、分布式、云原生、一体机、图数据库等核心场景。 市场背景 赛迪顾问副总裁宋宇在大会上披露：2025年中国数据库市场规模达430.2亿元，国产厂商市场占有率已领先国外厂商，达梦数据保持国产厂商第一名。 北京大学教授梅宏评价称，以达梦为代表的企业已支撑起金融、电力、交通等核心场景的规模化应用，证明中国基础软件产业在关键业务中具备了“稳得住、扛得住”的实力。 四款战略新品一览 产品 定位 核心亮点 达梦数据库管理系统DM9 AI时代旗舰产品 集中式与分布式一体化架构，内置数据库设计智能体和运维智能体；450余项新特性升级；100%核心源代码自主研发 DAMENG PAI V2.0 新一代数据库一体机 IOPS起步1200万，向量数据检索性能提升超10倍，20亿行大表扫描性能提升超50倍，单次I/O时延降至80微秒 达梦启云数据库V4.0 云原生数据库 AI智能运维（参数调优、根因分析、SQL优化、自动扩容）、跨云跨芯混合容灾、异构算力统一调度 图数据库GDMBASE V4.0 图数据库 图原生+向量一体化架构，十亿级点边混合检索<500ms，检索召回率提升30%，幻觉率降低60%，支撑超千亿级别图数据存储 DM9核心技术能力深潜 架构一体化：一套代码根，两种部署模式（集中式/分布式），极大降低企业数字化转型门槛。 高可用增强：达梦自治容灾集群实现自动故障感知与自愈切换。 多租户技术：租户级的数据和负载可整体在线搬迁上云、下云。 AI融合：支持向量与多模，内置数据库设计智能体和运维智能体。 AI战略发布 达梦数据副总经理冯源发布了企业全新AI战略，从OLAP和OLTP两大市场进行展望。经过数十年研发投入，达梦数据已在大规模分布式数据库系统、多模态数据库技术、多租户能力、内存键值数据库、实时同步系统、图数据库等多项技术上有了深厚积累。 标杆应用成果 客户 应用效果 中国联通ERP系统 全栈创新升级，性能提升40%-50%，全国31省业务全覆盖 福州市第一总医院 8个院区核心系统改造，CPU占用率仅3%，零重大宕机 香港政务平台 “无体感”替换及AI数据精准管控，推动国产数据库落地香港相关部门 生态建设 会上正式启动国产数据库产学研创新联合体，同时发布网信生态共同体暨达梦数据生态品牌“梦享会”。 DBA视角 DM9的正式发布标志着国产数据库头部厂商全面进入“AI原生”竞争阶段。建议DBA关注： 技术路线：DM9的“集中式+分布式一体化”架构理念 AI能力：内置智能体和运维智能体的实际效果 生态成熟度：“梦享会”生态品牌发布，达梦正从产品型公司向平台型公司转型 达梦数据董事长冯裕才表示，公司核心源代码实现100%全自主研发，未来将持续深耕AI与数据库深度融合、云原生、分布式、图计算等前沿技术，打造中国的世界级数据库品牌。 03 版本前瞻｜PostgreSQL 19内核化REPACK：自治索引填补最后拼图，表膨胀治理进入新时代 PostgreSQL 19开发周期已于2026年4月8日正式功能冻结，预计2026年9月正式发布GA版本。多位PG技术专家近期对PG 19的核心特性进行了解读。 核心亮点：REPACK CONCURRENTLY进入内核 历史痛点：PostgreSQL没有Undo回滚段，所有垃圾都放在数据文件里，需要不断做垃圾回收（VACUUM）。一旦表膨胀，存储成本上升、查询性能下降。此前只能通过第三方pg_repack插件解决。 PG 19方案：将REPACK CONCURRENTLY做到内核里，以后可以很放心地使用，不用担心第三方工具的兼容和维护问题。 其他关键特性 1. 图查询：AI Agent标配能力 AI时代，Agent会积累大量记忆并连接外部知识库，这些数据往往是树状或图结构。此前PG只能提供向量搜索、关键词搜索，企业需要额外搭建图数据库，导致数据重复和同步复杂。 PG 19将图查询功能引入内核，在AI场景存储记忆、存储外部知识库方面提供了原生支持。“将来的AI应用在使用数据库的时候，都可能把这块功能给用起来。” 2. VACUUM性能优化 当一个大表有很多索引时，此前每个索引是顺序地做垃圾回收。PG 19的autovacuum可以并行地对多个索引同时做垃圾回收，大大缩短垃圾回收总时间。 3. STANDBY WAIT FOR：解决读写分离一致性问题 读写分离场景下，只读库不知道回放进度，可能未同步主库的最新写入，导致查询结果不一致。以前只能把压力压到主节点。 PG 19的WAIT FOR特性，可以在做读写分离时预判只读节点是否已同步之前写入的事务，检查回放进度LSN，回放到了再将请求转发给只读节点。 4. 逻辑复制功能完善 支持复制序列（SEQUENCE），此前这一功能是缺失的。 企业升级策略 专家建议遵循“痛点驱动升级”原则： 场景 建议版本 理由 云部署 + 大I/O操作 PG 18 异步I/O带来巨大性能提升 表膨胀困扰 PG 19 内核级REPACK更稳定、更放心 AI Agent + 知识图谱 PG 19 原生图查询能力 传统企业 暂缓升级 等到有明确痛点再升级 DBA视角 PG 19将REPACK能力内核化，是DBA治理表膨胀的“官方解决方案”。结合图查询和VACUUM并行化，PG 19在AI场景和运维效率上都迈出了重要一步。 建议：对于正在构建AI Agent应用的团队，PG 19的图查询能力值得重点关注；对于饱受表膨胀困扰的生产环境，PG 19成熟后可考虑升级。 📌 本期结语：Oracle与Google Cloud联合发布AI数据库Agent，自然语言查询时代加速到来；达梦数据四款新品齐发，国产数据库头部厂商全面拥抱AI原生；PG 19内核化REPACK解决表膨胀痛点，图查询为AI Agent铺路。祝各位DBA今日工作顺利！ DBA晨报·第33期｜2026年4月28日

📊 HiddenMerit Daily · Issue 55 Focus on Database Frontiers, Practical Insights for DBAs July 6, 2026 ｜ 5 Selected Global Breaking News 01｜Kingware Releases White Paper on Database Evolution in Manufacturing Scenarios: SQL Server Replacement Enters “Deep Water” On July 5, CETC Kingware published a technical article titled “Database Evolution in Manufacturing Scenarios: How Kingware Replaces SQL Server,” pointing out that the data surge on industrial shop floors has exceeded the processing capacity of single‑node systems. Traditional database architectures that rely on vertical scaling are facing unprecedented performance challenges. Over the next 1‑3 years, manufacturing enterprises will no longer face only the “choice of replacement,” but must answer the strategic question: “How do we build an autonomous data foundation in the context of de‑IOE?” Three Paradigm Shifts: Hybrid Workloads Become the Norm: The IT architecture of modern factories is shifting from separated OLTP and OLAP to HTAP mode. The same data system must simultaneously handle tens of thousands of device instruction writes per second and minute‑level production report analysis. Distributed Architecture Becomes a Hard Requirement: When a single table exceeds 100 million rows with daily increments exceeding 1 million rows, the index maintenance cost of traditional single‑node databases rises […]

📊 HiddenMerit Daily · Issue 24 Focus on Database Frontiers, Practical Insights for DBAs May 19, 2026 ｜ 10 Selected Global Breaking News 01｜Dameng Launches DM9 from Hong Kong as Strategic Hub, a “Hardcore Global Calling Card” for Domestic Databases On May 15, Dameng Data held its 2026 new product launch in Hong Kong, officially unveiling the DM9 database management system and the new DAMENG PAI all‑in‑one machine. By choosing Hong Kong as a strategic hub, Dameng not only takes a key step in deepening its international presence but also builds a bridge for China’s independent database technology to engage with the world, marking a transition from “technology breakthrough” to “going global.” DM9 introduces over 450 new features and enhancements, covering performance optimisation, high availability, compatibility, security, and multi‑model support. The DAMENG PAI all‑in‑one machine follows a “software‑hardware synergy” concept, delivering extreme performance tuning and intelligent O&M capabilities for high‑grade industry core systems. Earlier in late April, Dameng had already released four new products at the 2026 China Database Technology and Industry Conference: DM9, GDMBASE V4.0, DAMENG PAI V2.0 all‑in‑one, and Qiyun Database V4.0, covering centralised, distributed, cloud‑native, and graph database scenarios. By mid‑May, Dameng brought DM9 and DAMENG PAI […]

📊 HiddenMerit Daily · Issue 44 Focus on Database Frontiers, Practical Insights for DBAs June 16, 2026 ｜ 5 Selected Global Breaking News 01｜MongoDB CFO on AI Winners: Agentic AI Persistent Memory Layer as a Differentiated Core Competitiveness On June 11, MongoDB (MDB) CFO Mike Berry attended D.A. Davidson’s 2nd Annual Technology & Consumer Conference and gave clear strategic responses to two core investor questions: “Is MongoDB an AI winner?” and “When will AI revenue explode?” Core Views: Berry clearly stated that MongoDB’s document‑based database architecture is inherently aligned with the AI era’s need to handle unstructured data. Its design, which seemed unconventional twenty years ago, unexpectedly suits today’s AI needs – the document model naturally carries JSON‑format data, and the flexible schema perfectly adapts to unstructured data. Coupled with vector search, persistent memory, and deep LangChain integration, the company is becoming the data infrastructure layer for enterprise‑grade AI agents. The “Three‑Step” Path to AI Revenue: Berry laid out a clear framework for AI revenue growth: Phase One (current) : Enterprise customers are conducting initial experiments around vector search, but revenue contribution is not yet significant. Phase Two: Some pioneering enterprises (e.g., AI‑native companies) have begun using MongoDB for production‑grade […]

📊 HiddenMerit Daily · Issue 42 Focus on Database Frontiers, Practical Insights for DBAs June 12, 2026 ｜ 5 Selected Global Breaking News 01｜AI Reshapes the Underlying Logic of Databases: Industry Evolves from “Warehouse” to “Intelligent Infrastructure” On June 11, Xinhua Finance published an in‑depth report titled “AI Reshapes the Underlying Logic, Databases Ride the Wind Again.” The report points out that when enterprises no longer just ask “can we store the data,” but “can large models directly use my data to answer questions,” databases – seemingly mundane foundational software – are once again riding the wind. Core Views: Agents are the New Users: Wang Yicheng, Vice President of Tencent Cloud, stated that the industry is redesigning database product capability systems with agents as the new users, and the database industry is entering the AI 3.0 era. Profound Change in the Database Mission: In the past, databases served programmers, BI systems, and deterministic business processes. In the future, a more important task is to enable data to be understood and used by hundreds or thousands of agents. “Agent + Database” is the Future Software Paradigm: Zhou Aoying, Fellow of the CCF and Director of the Database Committee, pointed out that […]

PostgreSQL安全权限体系详解（第一期）：角色、权限与访问控制基础 引言 PostgreSQL作为功能最强大的开源关系型数据库之一，其安全权限体系设计得相当精细，包含了从连接认证到行级隔离的完整链路。对于多租户系统、金融系统和企业内网这些对数据安全有严格要求的场景，理解并正确配置PostgreSQL的权限体系是保障数据安全的第一道防线。 本文将作为系列文章的第一期，从角色（Role）与权限（Privilege）这一最核心的基础概念入手，系统梳理PostgreSQL安全体系的第一层级——基础访问控制。 系列规划预告（后续各期将依次深入探讨）： 第一期：角色与权限体系、最小权限原则、权限管理最佳实践 第二期：认证方式配置（pg_hba.conf详解）、SSL/TLS加密传输 第三期：行级安全（RLS）深度实践、多租户数据隔离 第四期：审计日志（pgAudit）、备份加密、透明数据加密（TDE） 第五期：综合场景实战（多租户SaaS、金融系统、企业内网完整安全方案） 一、角色与权限体系核心概念 1.1 统一角色模型 PostgreSQL采用基于角色（Role）的访问控制模型，这是整个安全体系的基础支柱。角色是一个统一的抽象概念，一个角色可以同时拥有两种能力： 登录能力：拥有 LOGIN 属性的角色等同于“数据库用户” 成员包含能力：可以包含其他角色，此时等同于“用户组” 这种设计的精妙之处在于，它消除了“用户”和“组”的概念割裂，权限管理变得极其灵活。一个角色可以是成员，同时也可以是其他角色的“上级”。 1.2 角色类型与属性的核心区分 属性 作用 使用场景 LOGIN 允许角色连接数据库 业务账号、DBA个人账号 SUPERUSER 极高权限，绕过所有权限检查——创建本角色需要自身已是超级用户，建议仅用于数据库初始化及紧急故障处理，日常DBA操作可通过授予其他特定管理角色（如 pg_monitor）替代 数据库初始化、紧急维护 CREATEDB 允许创建新数据库 需要创建数据库权限的管理账号 CREATEROLE 允许创建/管理其他角色 权限管理员账号 REPLICATION 允许流复制操作 主从复制专用账号 BYPASSRLS 绕过行级安全策略 批量数据分析、跨租户报表账号 创建角色的基本语法： -- 创建一个普通用户（默认NOLOGIN，需要显式加LOGIN） CREATE USER alice WITH LOGIN PASSWORD 'strong_password'; -- 创建一个组角色（NOLOGIN是默认值） CREATE ROLE developers NOLOGIN; -- 创建一个只读角色（组角色） CREATE ROLE app_readonly NOLOGIN; 1.3 权限类型全景 PostgreSQL的权限粒度非常细致，贯穿数据库的多层结构： 层级 典型权限 说明 数据库级 CONNECT, CREATE, TEMP 控制能否连接数据库、创建模式、创建临时表 模式级 USAGE, CREATE 控制能否访问模式内的对象、在模式中创建对象 表级 SELECT, INSERT, UPDATE, DELETE, TRUNCATE 标准的DML权限 列级 SELECT(col), UPDATE(col) 可对单列单独授权——比MySQL等数据库的列级权限支持更精细 行级 RLS（Row Level Security）策略 见第三期详解 函数/过程 EXECUTE 控制能否执行函数 其他 REFERENCES（外键约束权限）、TRIGGER（创建触发器权限）等 高级对象权限 1.4 角色继承与权限传播 PostgreSQL支持角色间的成员关系，权限会通过继承链传播： -- 创建组角色 CREATE ROLE analysts NOLOGIN; CREATE ROLE managers NOLOGIN; -- 授予组角色权限 GRANT SELECT ON ALL TABLES IN SCHEMA public TO analysts; GRANT INSERT, UPDATE ON ALL TABLES IN SCHEMA public TO managers; -- 继承关系 GRANT analysts TO alice; -- alice获得analysts的所有权限 GRANT managers TO alice; -- alice同时获得managers的所有权限 一个角色可以继承多个组角色的权限组合，权限自动合并。当组角色的权限发生变更时（如增删权限或用 ALTER DEFAULT PRIVILEGES 重构默认权限），所有继承该角色的用户权限会自动同步变化。 二、权限管理的分层模型 2.1 四层管理架构 在企业级生产环境中，推荐采用分层管理模型，将权限管控的责任与边界清晰划分： 第一层：超级管理员 持有数据库初始化时创建的超级用户账号（如 postgres 或云环境中的高权限账号如 root/dbsuperuser） 仅用于数据库初始化、版本升级、全局参数调整等极少数管理场景 严禁用于日常业务操作和常规DBA事务 第二层：资源Owner 属于业务团队特有的管理员，负责Schema和对象的创建 特定Schema中的所有对象由其“拥有” 使用 ALTER DEFAULT PRIVILEGES 为新对象批量设定默认权限，实现权限自动落地 第三层：组角色层（权限集合） {project}_role_readwrite、{project}_role_readonly 等形式 集中管理权限，不承担登录功能 一个人可以同时拥有多个组角色（如读写+审计） 第四层：业务账号层（登录角色） 组角色 + LOGIN 权限 = 业务账号 人员更换时只需回收账号、重新授权，无需修改组角色定义 这种分层设计大幅降低了权限管理的复杂度。当权限需求变化时，仅需修改组角色的权限定义，所有关联业务账号自动继承变更，避免了逐个修改账号的繁琐操作和潜在疏漏。 2.2 默认权限陷阱 PostgreSQL的默认权限设置隐藏着两个最容易被忽视的安全风险： 风险一：public模式默认权限过大 PostgreSQL默认所有用户对 schema public 都拥有 CREATE 和 […]