Databricks将在VLDB 2026展示Lakebase、流处理与湖仓创新

我们将前往VLDB 2026分享多项推动 Databricks 平台的创新。Databricks 联合创始人兼首席架构师 Reynold Xin 将以开幕主题演讲开启会议。Databricks 有四篇论文被录用，涉及 Lakebase、Spark Structured Streaming 和自动 Lakehouse 优化。关于 Enzyme 引擎的演示论文将展示我们如何增量维护物化视图。以下是这些演讲的预览。

主题演讲：数据库工程的三个黄金时代

Databricks 联合创始人 Reynold Xin 将讨论 AI 代理如何引领数据库工程的"第三个黄金时代"。你们中有些人可能记得他 2012 年初在伯克利从事的可扩展分析系统 Shark 的工作。Reynold 将回顾他从伯克利时代以来对数据库技术观点的演变，经历了 Lakehouse 架构的兴起，以及现在对事务和分析引擎需求的不断变化。他将介绍两种有助于满足 AI 代理需求的新范式：(1) Lakebase，它将存储和计算分离应用于 OLTP 数据库；(2) LTAP（Lake 事务分析处理），它统一了事务和分析处理。

Lakebase：开源湖存储上的无服务器 Postgres

AI 代理工作负载正在产生独特的使用模式，例如数百万个短期、深度分支的数据库。传统的 OLTP 引擎是单体架构，无法满足这些严苛要求。Stas Kelvich 将介绍 Lakebase 架构，这是一种第三代云数据库架构。Lakebase 通过将无服务器 PostgreSQL 计算与存储解耦，并直接使用开放格式将数据和预写日志持久化到云对象存储中，满足代理工作流的需求。Lakebase 不仅提供亚秒级冷启动，还通过写时复制分支实现高效的类 Git 数据库工作流。此外，凭借其计算存储分离，它能够在实时事务数据上进行低延迟分析。图 1 展示了 Lakebase 如何引领第三代云数据库。

图 1：Lakebase Postgres 非常适合代理时代，并构建在开放数据湖之上。

Apache Spark Structured Streaming 的十年：我们如何演进架构以满足现实需求

Structured Streaming 支撑着 Databricks 每周数百万个作业。它采用独特的微批处理架构，与其他设计相比，具有可扩展性、容错性和精确一次语义的优势。然而，Structured Streaming 需要许多新的创新才能满足现实客户的需求，并达到如今的规模。Siying Dong 将介绍流处理架构多年来的演进——微批流水线使吞吐量提高了 3 倍，新的有状态 API 使复杂业务逻辑的表达变得容易，系统现在支持细粒度访问控制。

AutoLiquid：Databricks Lakehouse 的自主数据布局优化

按键聚簇表可以显著提高查询性能。然而，手动在数百万个 lakehouse 表中选择最佳聚簇键无法扩展。Yunjia Zhang 将描述 AutoLiquid 如何通过简单的 CLUSTER BY AUTO 原语自动化这一生命周期。AutoLiquid 结合了启发式键选择与高效的影子验证，以聚簇数百万张表。利用这些技术，AutoLiquid 在评估的超过 95% 的工作负载中能够胜过客户选择的键。

Ultron：Databricks 中基于历史的查询优化

如果优化器对数据有近乎完美的了解，Lakehouse 查询的延迟可以显著提高。Ultron 是一个基于历史的查询优化框架，利用分析工作负载的重复性来改进优化器选择，例如选择连接操作符的类型。Eric Liang 将描述 Ultron 的架构，包括它如何高效地存储历史并管理已执行查询的日志。Ultron 显著提高了生产工作负载的性能，包括将中间连接延迟提高了 25%。

除了这四篇论文，欢迎来观看 Yuhong Chen 演示我们的增量视图维护引擎 Enzyme，它用于数据工程工作负载。

面向代理的原生数据基础设施：LakehouseRT、Lakebase 和 LTAP（赞助商演讲） Databricks 是 VLDB 2026 的黄金赞助商。Ippokratis Pandis 将发表 Databricks 赞助商演讲，描述 Databricks 如何演进其系统架构以适应自主、代理循环。基于此，我们将介绍 LakehouseRT。LakehouseRT 由新的 Reyden 引擎驱动，专为直接在开放湖存储上进行实时低延迟分析而设计。Lakebase 和 LakehouseRT 的结合为交付第一个真正的 Lake 事务分析处理（LTAP）系统奠定了基础。

在 VLDB 2026 与团队见面

欢迎到 Databricks 展位与我们的工程和研究团队交流，讨论我们的论文，并与我们的招聘人员交谈。