TiDB Hackathon 2019 已经开放报名 1 个多月啦，之前抓耳挠腮想不到选题、组不到队友的伙伴们都渐渐成队，并开始做赛前准备了。为了刺激围观同学的“灵感小火花”，我们今天又扩充了一波选题，如果大家还不知道做什么项目的话，择日不如撞日，今天就锚定一个果断报名参赛吧！
另外，参赛选手在赛前准备阶段对选题有任何疑问，都可以联系 TiDB Robot（微信号：tidbai），导师团将针对性地进行赛前辅导，帮大家扫清一些知识盲区哦～
错过前情的同学看这里：
TiDB Hackathon 2019 启动

赛前学习资料 & 去年参赛选手的经验之谈 & FAQ

参考选题

性能提升

提升 TiDB 的内存复用（可以考虑使用 sync.pool）
用 unistore 替换 mocktikv，跑出单机 TiDB 的极限性能，同时加快跑单元测试

易用性提升

Key visualizer for TiKV，相关资料：
https://cloud.google.com/blog/products/databases/develop-and-deploy-apps-more-easily-with-cloud-spanner-and-cloud-bigtable-updates
热点索引统计
使用 SQL 获取集群信息

稳定性提升

自适应 SQL 引擎
提高 Cost 估算的精度
基于历史的查询优化
SQL Plan Management 之 Plan History
结合 https://github.com/intel-go/nff-go， http://github.com/google/netstack 替换掉 MySQL 和 TiDB 的连接层

功能提升

Follower Read 与 MVCC 的结合
动态多副本
Cloud TiKV 支持，底层用 rockset 替换掉单机版本的 RocksDB
允许 TiDB 缓存已经锁表的表数据，缓存数据可以在 TiDB server 内共享
支持 select into file
TiDB coprocessor cache，相关资料：https://docs.google.com/document/d/1WXlifEbHaik--vwQFdBEs8ezRrAUneGUQSRW-fsZEWE/edit

生态扩展

基于 Docker 的集群模拟器
BI / AI / Search 等集成等应用层生态解决方案
TiDB Play ground（类似 http://play.golang.org）
基于 TiDB 的图计算引擎
用 TiKV 替换 K8s 后端的 etcd 解决扩展性和性能问题

机器学习在 TiDB 的应用

数据特征学习
Learned data structure（bloom filter, hash...）在 tidb/unistore 的应用

其他

DBA 工具，比如：
https://github.com/ngaut/sqltop
TiDB 学习工具，帮助初学者形象地理解 TiDB 特性、原理
请大家尽情发挥想象力～～～

如果你对以上选题有兴趣，但对相关知识领域相对陌生，不要担心，我们会安排导师团与大家进行赛前交流（大家可以各自抱紧大腿 ），本届 Hackathon 豪华导师团成员有——

最后你们的参赛项目最后会由下面这些（严肃的）大咖评审们打分——

评分标准（划重点！）

1. 实用性/易用性/性能：项目的应用前景和生产价值。是否可持续的为 TiDB 增加生产力，提高效率，以及对整个模块的优化程度。（40%）2. 完成度：作品的完整性，核心功能是否可以演示。（30%）3. 创新性：让人眼前一亮的作品可以加分。（20%）4. 展示度：整个演示是否流畅，模块叙述清晰。（10%）

>> 时间有限，潜力无限～还在观望的盆友们，TiDB Robot 在微信另一端等你哟（微信号：tidbai）