图灵奖得主Mike Stonebraker最近在播客里火力全开，怼遍了行业大佬。
他说Larry Ellison“对客户撒谎”，Google的MapReduce和最终一致性是“愚蠢的事”，亚马逊维护15个数据库“多了12个”。这位数据库领域的泰山北斗，到底凭什么这么敢说？
Stonebraker说话从不绕弯子。聊到Oracle创始人Larry Ellison，他直接戳穿：“那人把现在时和将来时混为一谈，本质上是在对客户撒谎。”
比如关系数据库里的“参照完整性”，解雇员工时要不要删空部门？Ingres早实现了，Oracle却把这个功能写进手册，底下加一行“尚未实现”，让客户当免费测试员。
对Google当年力推的MapReduce，他更不客气：“那不是Google唯一一件愚蠢的事。”分布式数据库明明能把Hadoop按在地上摩擦，却有一群人跟风；Google鼓吹的“最终一致性”，数据库圈没人买账。
东海岸和西海岸仓库同时卖最后一个部件，库存会变负，大多数企业根本承受不起。后来Google自己做Spanner，也彻底放弃了这套。
至于亚马逊维护15个数据库？他直言：“多了12个。”图数据库性能从来不是首选，在关系数据库上加层壳就行；大多数系统都有更优替代，留3个足够，多出来的都是维护成本。
Postgres的诞生，居然和一个债券交易员有关？早年Ingres搞不定GIS的点线多边形，后来1985年，一个客户打来电话：“你们日期时间实现错了！”Ingres用的是格里高利历，但债券利息不管月份天数——3月15减2月15必须等于30天，否则计算利息效率掉三倍。
Ingres写死的类型系统解决不了这个问题，于是Postgres的核心目标诞生：可扩展类型系统。用户想自定义数据类型，甚至重载操作符，都能高效实现。
这才有了今天Postgres成为开源关系型数据库首选的地位，Oracle收购MySQL时，大家都怕了，转头投奔Postgres。
现在大模型写SQL炒得火热，Spider、Bird基准上最好的模型能拿85%准确率，看起来离生产只差一步？Stonebraker团队用四个真实生产数据仓库做了个新基准Beaver，结果大模型准确率是0！加RAG也才到10%，把join条件喂给模型最多35%。而懂schema的SQL工程师能做到90%以上。
差距在哪？真实数据不在大模型训练语料里；实验室查询才10-20行，生产环境是100行；真实schema混乱，列名是“underscore_z_uppers_andre_blah”这种，还有冗余物化视图。他直言：“这项技术至少在可见的未来，还不够格进生产。”
Stonebraker最近在搞DBOS，最初想把Linux上半部分换成数据库——操作系统大部分工作是管理大规模数据，用数据库技术更合适。学术项目跑通了，但风投说“取代Linux是做梦”，于是转向编程语言和工作流。
现在DBOS支持TypeScript、Java、Go、Python，写出来的程序像普通代码，但自带数据库的好性质：状态持久、事务性、故障转移。
特别适合agentic AI读写场景——比如两个agent协作转账，必须要么都成功要么都回滚，DBOS的原子工作流正好解决这个问题。公司现在卖得很好，客户三分之二在做agentic AI。
Stonebraker对年轻人的建议很反常识：“我不太确定是否要推荐18岁的小孩去主修计算机科学，医疗和建筑业是稳妥的选择。”他觉得计算机科学未来不一定是增长行业，而医疗、建筑这些实体行业更稳定。
他自己刚毕业时，和导师Gene Wong从零做Ingres，疯狂又冒险，但建议年轻人：“跳出框架，想些疯狂的事，去做。”不过选专业要谨慎——他太太有计算机学位却想当老师，后悔没追随热情。他说：“找你有热情的事做，不会饿死，可能赚不到大钱，但会更快乐。”
看完这位数据库泰斗的犀利观点，你有什么想法？大模型真的能搞定生产级SQL吗？你认同他对计算机专业的建议吗？评论区聊聊你的看法，点赞收藏转发让更多人看到这个行业真相！
热门跟贴