ITPub博客

从「中台玄学」到 AI Coding我们又在重复同一个剧本————前几年技术圈有个玄学，叫中台。这个故事很多老架构师都听过：2015 年，马云带着一众高管跑到芬兰赫尔辛基，拜访手游公司 Supercell，就是做出《部落冲突》《海岛奇兵》那家。这家公司非常魔幻，全公司不到 200 人，一个开发小组也就 2-7 个人，他们叫 Cell，细胞小组。靠着一套沉淀好的素材、引擎、算法中台，小团队几周就能搓

————公司的 MySQL 要做国产化替换，到底该怎么选？问的人多了，我发现大家的困惑其实很集中——不是不知道有哪些产品，而是不知道该拿什么标准去比。看宣传材料，家家都说自己兼容 MySQL、性能强、自主可控；真到选型会上，又发现谁都说服不了谁。我自己的习惯是把它拆成五个维度：省成本、易迁移、根自研、AI 能力、品牌兜底。这五个维度过一遍，基本上能筛掉大部分不合适的选项。今天就拿 OceanBas

一、先说结论最近大家讨论得很多，我自己也做了不少相关落地，我承认，这套东西确实能做出效果。但咱们得回到行业和企业本身：不是每家企业、每个行业，都具备落地的条件。有的企业确实能做好，但有的就是做不起来，它不是万 能的。如果真的万 能，那还有什么好讨论的？全部铺开落地不就完事了？要是技术强到能解决所有问题，那大家也不用焦虑了对吧？二、大家最怕的是什么说到焦虑，大家心里最怕的其实就一件事：怕被替代，怕下

请各路自媒体停止过度神化AI。抛开噱头看本质，当下AI的真实现状，远比大家想象的残酷，也更值得所有IT从业者警醒。各大自媒体平台，铺天盖地都是"AI颠覆行业"“AI取代人工”"全民AI时代来临"的鼓吹式言论。但深耕IT行业多年，我想说一句大实话：请各路自媒体停止过度神化AI。 抛开噱头看本质，当下AI的真实现状，远比大家想象的残酷，也更值得所有IT

 —— 表级 TTL 自动过期 · TTL 归档到指定表 · 自动日期分区，真机实测与踩坑一、数据生命周期与降本：数据留得久，成本降得下继续上次COS特性后，官方升级到了V21.6.4,推出了一些新功能。为了体验这些功能，利用腾讯云的资源开通了TDSQL-B（即TDSQL Boundless）的验证环境。做数据库运维的可能都经历过订单、日志、审计、埋点这些表，而这些中除了订单数据，其他都

9 月 30 号这一天，接到反馈，业务反应查询有点慢。数据库显示acknowledge over PGA limit是最严重的等待事件。这套库是 Oracle 19c 的 CDB，挂着 12 个 PDB，宿主机 24 核、94.4G 内存，SGA 已经占掉 58G。一、上午：AWR中最扎眼的是等待事件AWR显示：指标值DB Time4,210.78 分钟（快照区间 60 分钟）会话数393 → 5

你以为和上次一样？不是，同是一台物理机上的几个虚拟机重启，但是每个环境不一样，这次主库归档没了上次写了 rhino 库的那篇，缺 1 个 sequence，主库归档还在，修通 TNS 链路后 FAL 自动补，半小时搞定。这次是另一套环境，缺了 200 多个 sequence，主库归档也清理了，FAL 补不了。但最后还是没重做备库，RMAN 增量前滚 15 秒解决。一、环境信息主库：prod-isl

背景物理机故障重启，上面的虚拟机跟着重启，虚拟机里的 Oracle ADG 备库也跟着重启了。这本来是个很常规的操作，相关人报给我说无法启动。当时看到出错信息是 ORA-10458 的时候，心里咯噔了一下——备库打不开了。第一反应是完了，是不是得重做备库。冷静下来一步步排查，发现根本不用重做，问题比想象的简单，但隐蔽得很。一、问题背景这是一套 Oracle 11.2.0.4 的 Active Da

之前我让AI整理了一下这个工程概念脉络2026年中就出了两个。我8月时候就觉得9月可能还有。不出意外，上周就是出了一个新的。我也不知道叫概念还是叫框架。不管叫什么吧。它火了。刚火起来的 Jev，这几天朋友圈、技术群都在刷。说它是"比 LLM 便宜几百倍、零幻觉、带置信度的决策模型"。最近我顺手体验了一把，有些验证截图，都是这次试出来的结果。今天不堆参数，就聊聊：它到底是什么、能

昨天快下班的时候，朋友圈开始刷同一张图。中国信息安全测评中心联合国家保密科技测评中心，发了《安全可靠测评结果公告（2026 年第 3 号）》。数据库这栏有：杭州易景数通的羲和通用数据库系统软件 V1.0和腾讯云计算（北京）的 TDSQL 集中式关系型数据库管理系统软件 V10.3等。名单不长，但其中两个名字，我看得有点久。两个名字一个是 TDSQL。老面孔了，从 V8.0 开始，不同版本在这个名单

现在我排查问题，越来越多交给 AI 跑，形成了极大依赖。最近测试环境有人报这台 175.186 的库 /arch 撑到 95%，我本来得自己 ssh 上去、一条条查视图、算缺口、写删除脚本。这次我把活全丢给 AI 了——它写诊断脚本、跑命令、读视图、算文件缺口，我基本只动嘴。省事是真的省事。但过程又一次证明：**AI 没经验、有误区，关键判断还得人拍板。**不过也同时说明以后我

现在我做有些工作，越来越多地让 AI 来替我干活。以前遇到 OGG 链路挂了，我得自己 ssh 上机器、一条条敲 GGSCI、写脚本逐台核对，费时费力还容易手抖。这次 OGG 集成抽取链路重建，我几乎把这些都交给了 AI——它写脚本、跑命令、批量比对，我基本只动嘴。省事是真的省事。但过程也说明了一件事：AI 没经验、有误区，关键判断还得靠人。 它连续跑偏三次，都是我把方向拉回来的。写下来

先说结论，省流版deleteMany / remove 不会释放磁盘空间。WiredTiger 只做标记删除，空间留给后续复用，不会返还给操作系统。真正能回收空间的是 compact（部分回收）和 drop()（完全释放）。一、问题背景前几天在帮一个朋友问我，MongoDB所在服务的磁盘满了。要删除数据行不行？我第一反应你要怎么删除？因为我多年经验告诉我这又是一个开发人员想出来

– 写在前面：前几天朋友抛来一句"表空间快满了，加文件还是扩磁盘？"我心想这不简单，先看看使用率再说。顺手丢出一条用了 N 年的查询语句，结果屏幕上跳出来一行：USED_MB 空、FREE_MB 空、USED_PERCENT 空——一排醒目的 NULL。我心里咯噔一下：不会是数据文件坏了吧？– 这是我工作多年第一次在生产库上看到这种现场。后来在 1

当下的IT国产化进程，并非一刀切的全面替换，而是清晰分化成了"已替换的浅水区"和"难替换的深水区"两个截然不同的赛道。两个场景的行业现状、落地难度天差地别，也彻底重塑了数据库从业者的生存现状，行业红利褪去、岗位价值重构，已经成为无法回避的现实。一、国产化的两个层级：浅水区落地，深水区停滞1、可顺利替换的「浅水区」目前已经完成数据库国产化替换的企业，主要集中在

上周工作中遇到一件小事，戳中了当下大家过度依赖AI、机械照搬结论的通病，也印证了ToB传统企业数据库场景的特殊性。一、场景：AI和资深技术人的方案相悖了团队一位开发同学在做SQL索引优化，操作前咨询了我，我根据业务场景告知了他正确的索引建立方式。但提交代码审批时，他的索引方案和我给出的思路完全不一样。询问原因，得到了一个意外的回答：他后续又咨询了AI，AI给出的方案和我截然相反，他认定AI的方案是

一个来自https://cloud.tencent.com/developer/ask/2212634的问题一、先从一个问题切入问AI「1+2+3…+100等于多少」，这事跟企业信息化毫无关系——有人把知识喂给AI了，AI张嘴就来。但如果问「我们公司月度毛利是多少」，AI事先没有数据，答不出来。AI要拿到这个数据，只有两条路：有人提前准备好：定期上报、定期填报、定期维护——这不是AI自己动的，是人

近期做知识图谱与本体相关的分享，我发现一个非常普遍的行业乱象：当下多数企业做知识图谱、落地本体架构，都陷入了典型的"形式主义AI内卷"。人人都在跟风图数据库、追捧本体理论，但绝大多数人只看到了技术表层，完全没摸清落地的核心逻辑、适用边界和商业本质。看似全员入局，实则大多是无效投入、盲目跟风。最大误区：图数据库≠知识图谱，技术工具替代不了业务根基有些朋友、企业都存在一个致命认知偏

先说背景，实在没想通这个默认打开的参数为什么关闭了。从来没去考虑过会关闭。而且大部分都是打开的。实在不巧遇到这个数据库是关闭的一、问题背景前几天在客户现场排查一个性能问题，发现 Oracle 19c 数据库中 ACS（Adaptive Cursor Sharing，自适应游标共享）居然没有开启。按照 Oracle 的官方文档，ACS 从 11gR2 开始默认是开启的，但客户的 19c 环

现在行业里所有人都在说，AI最大的价值是提效。这句话，没人反对。但行业里还有一个公认的事实：个人提效 ≠ 组织提效。不少企业已经实现了组织层面的效率提升，这一点也没争议。但真正值得深究的问题是：企业靠AI提效之后，到底换来了什么？结合各行各业的落地现状，我发现一个很残酷的现实——真正能靠AI提效直接拉升营收的，几乎只有游戏行业。游戏行业里，AI提升内容生产、迭代、运营效率，能直接转化为更多新品、更