今年在旧金山举行的首届 Rows & Columns Summit,落址于建筑大师 Daniel Libeskind 设计的 Contemporary Jewish Museum,这场由 ClickHouse 支持、独立社区委员会组织的峰会,主题只有一个困扰行业半个世纪的问题:
OLTP 与 OLAP,到底合还是分?
Opening Keynote 交给时任 ClickHouse Labs 负责人 Andy Pavlo——CMU 数据库教授、数据库行业最受欢迎的布道者之一。同台的还有 DuckDB 创始人 Hannes Mühleisen、Google、OpenAI、Snowflake、Databricks 的一线系统专家,议程从 Apache Iceberg 的互操作层之争一直聊到 OpenAI 的 7 万数据集治理。可以说,HTAP 领域最有发言权的人,那一天都在现场。
Andy Pavlo 的演讲依旧风趣幽默,其标题是「Broken Dreams. Broken Promises. Broken Marriages.(破碎的梦想、破碎的承诺、破碎的婚姻)」,副标题则是正题:60 年事务与分析负载的「混搭」史。

Andy Pavlo 在 Rows & Columns Summit 现场开场
他以 Oracle 创始人 Larry Ellison 的数段婚姻为引子,讲了一个更有意思的话题:数据库架构 60 年来的「分分合合」。

以 Larry Ellison 为「线索人物」的 60 年架构时间轴
玩笑归玩笑,结论却相当犀利:60 年 6 代架构,大家一直在修修补补,却很少有人从第一性原理出发,重新设计一款面向未来的 HTAP 产品。
一、60 年,一部「合久必分、分久必合」的架构史
数据库行业有一个有趣的周期律:一套系统,还是两套系统?

事务与分析负载:从「一体化」到「分离」再到「回归一体化」的钟摆曲线
70 年代:只有一个数据库,所谓「分析」不过是批量的汇报任务。
80–00 年代:事务(OLTP)与分析(OLAP)分道扬镳,各自演化成独立的系统——专用决策支持机、ETL + 数据仓库、研究界的镜像副本。
2010 年代:云计算兴起,HTAP(混合事务分析处理)成为热词。但大多数 HTAP 系统内部其实维护着两份数据——面向事务的行存 + 面向分析的列存,不同系统在数据一致性延迟上差异明显。
数据湖时代:随着数据规模暴涨,分析副本迁往对象存储,「两套引擎共享一份数据」的模式又回来了。

2020s:数据湖时代,「最少成功的想法」卷土重来
过去几年唯一明确的趋势是:数据上云,存算分离。但采用「一套还是两套」系统的问题,60 年了,依然悬而未决。
二、当下三种主流 HTAP 架构,各有各的将就
Andy 在演讲中把目前市场上的 HTAP 拓扑归纳为三种形态:

三种 HTAP 拓扑:托管双副本、读取时合并、双引擎共享一份数据
OLTP 为主、OLAP 为辅,维护两份数据(Two Copies, Managed):如 TiDB、Google F1 Lightning、ClickHouse;
读取时将 OLTP 数据转化为 OLAP 优化存储(Read-Time Merge):如 Postgres 插件 pg_mooncake;
基于数据湖的双引擎方案(Two Engines, One Copy):如 Databricks Lakehouse。
这些方案各有优劣,但在矩阵起源看来——无论从架构扩展性还是易用性看,面对即将到来的大规模 Agent 负载,它们都是过时的设计,需要被重新发明(reinvent)。
三、Agent 负载时代,为什么需要新的架构?
AI Agent 的崛起正在改变数据库的负载画像:高频、海量、异构、机器发起。传统为「人」设计的数据库架构,在这样的负载面前正在显出疲态。
MatrixOne 于 2021 年开始设计研发,从第一天起就选择了不同的路线:
One Engine + One Copy:一个引擎、一份数据,事务与分析在同一架构内完成,从根上消除双份数据的一致性难题;
天然适配 Agent 负载:在数据一致性、扩展性、异构计算(GPU 加速)等方面为新型负载而生;
Data Branching 能力:基于现有架构支持 git4data 等数据分支操作,让数据像代码一样可分支、可版本管理。
四、不止于数据库
展望未来,MatrixOne 将持续扩展新功能,为企业客户提供高性能、可靠、稳定、安全的数据服务。
Andy 在演讲结尾也给了一个预言:2030 年代,数据库将进一步走向统一,而推动力正是资源解耦与加速器(GPU、CXL 内存)。

2030s「The Glorious Future」:资源解耦与 GPU 加速驱动的进一步统一
这与 MatrixOne 的路线不谋而合——异构计算与 GPU 加速,正是 MatrixOne 架构的原生能力。
One more thing:依托 MatrixOne 数据底座,矩阵起源的 MatrixOne Intelligence 平台全面支持 Agent 工作流,为企业 AI 转型与生产力提升提供助力。
60 年分分合合,下一次合流,也许正是从 One Engine 重新开始。
