从一到无穷大 #36 Lindorm 宽表：东西互联，南北互联，AI一体
从Lindorm的发展上我们可以看到其在技术架构上明确的构想。即单模型独立提供基础服务，多模型间数据互联，对外提供导入导出服务，AI赋能 。宽列作为Lindorm的基本盘，把这些核心理念发挥到了淋漓尽致。
从一到无穷大 #35 Velox Parquet Reader 能力边界
肉眼可见的，Velox社区还有大量的核心特性的贡献机会，虽然Meta的开源社区维护一直被人诟病，但是有Presto，Spark背书近五年到不必担心项目爆雷。
从一到无穷大 #34 从Columnar Storage Formats评估到时序存储格式的设计权衡
本篇文章从[3]，[11]入手，分析Parquet，ORC，TsFile的数据格式和索引格式，并通过论文的实验来观察其更适合哪些场景，最后从时序数据库场景入手，推断在设计权衡下现有的存储格式是否可以满足多样化的时序场景（Metric，logging，traceing），是否需要更多的额外索引，是否需要使用开源格式本身提供的辅助结构与功能。
从一到无穷大 #33 ESTELLE，细分场景下优化的 Cloud Log Engine
高性能基础架构领域组件化发展意味着开发一个世界顶级的OLAP系统的门槛下降了一个台阶，开发团队应该将更多的人力投入到增值功能上去。其次因为SQL的对多种模态的统一，目前各个数据模型，系统间的核心差异化竞争应该集中在存储引擎针对于不同场景的索引定制化上，更彻底的就像阿里云盘古这样从用户态内核栈，定制服务器，定制加速硬件入手了。
从一到无穷大 #32 TimeCloth，云上的快速 Point-in-Time Recovery
在不同的数据模型下PITR拥有不同的目标，在这个基础上有不同的预期，从而诞生不同的解决方案。
从一到无穷大 #31 Stand on the shoulders of those who came before and not on their toes，从DBMS演化看时序数据库市场发展方向
Michael Stonebraker祖师爷和Andrew Pavlo大师合作的《What Goes Around Comes Around... And Around...》发表在sigmod2024上，作为二十年一个轮回的综述文章，这篇文章宏观上很好的概括了过去两个十年内数据模型和查询语言的演进，并由此引出几种典型系统的消亡史。
从一到无穷大 #30 从阿里云盘古的屠龙之术看使用blob storage作为统一存储层的优势
存算分离中统一存储层最核心的驱动因素是吞吐量足够的情况下iops/gb足够高（低成本的情况下提供强大的性能）。这意味着要在高密存储机型下达到内存/cpu/网络吞吐/io吞吐的平衡，以此增加总体资源利用率，降低总成本。
时序数据库是Niche Market吗？
时序数据库是Niche Market吗？
问题排查： Goalng Defer 带来的性能损耗
性能优化之路道阻且长