转载说明：本文译自 arXiv 论文《GenDB: The Next Generation of Query Processing — Synthesized, Not Engineered》。作者：Jiale Lao、Immanuel Trummer。原发布方：arXiv。原文发布日期：2026-03-02。原文地址：https://arxiv.org/html/2603.02081v1。GenDB：下一代查询处理，不再靠手工工程，而靠合成生成 作者：Jiale Lao、Immanuel Trummer摘要 传统查询处理依赖由大量专家精心优化和工程化实现的数据库引擎。然而，新技术与新的用户需求演化得非常快，现有系统往往难以及时跟上。同时，这些系统由于内部复杂度很高而难以扩展，而从头开发新系统又需要大量工程投入和成本。本文认为，近期大型语言模型（LLM）的进展，正在开始塑造下一代查询处理系统。 本文提出，不再持续构建、扩展和维护复杂的查询处理引擎，而是改为让 LLM 为每一条到来的查询合成执行代码。作为概念验证，作者提出了 GenDB：一个由 LLM 驱动的 Agentic 系统，它能够针对特定数据、工作负载与硬件资源，生成面向具体实例优化、可定制的查询执行代码。 作者实现了 GenDB 的一个早期原型，其中多 Agent 系统的底层组件使用 Claude Code Agent，并在 OLAP 工作负载上进行了评测。实验使用了广为人知的 TPC-H 基准，同时又构造了一个新的基准来降低 LLM 训练数据泄漏的可能性。作者将 GenDB 与 DuckDB、Umbra、MonetDB、ClickHouse、PostgreSQL 等最先进查询引擎进行比较，结果显示 GenDB 的性能显著优于这些系统。最后，论文讨论了 GenDB 当前的局限，并给出了未来扩展方向与相关研究挑战。 PVLDB 复现实验资源：源代码、数据及其他相关材料可在 https://github.com/SolidLao/GenDB 获取。1. 引言 几十年来，数据库管理系统（DBMS）已经发展出大量实现形态（Momjian, 2001; Raasveldt and Mühleisen, 2019; Neumann and Freitag, 2020; Schulze et al., 2024; Zukowski et al., 2005; Fernandes and Bernardino, 2015; Dageville et al., 2016）。这些系统通过复杂设计与精细工程化实现，来获得高性能和丰富功能。 但新技术与用户需求变化很快，现有系统往往跟不上，只能依赖外部扩展，甚至需要从头设计新的系统。例如 PostgreSQL 在 OLTP 场景中表现优秀，但对于 OLAP、时序数据实时分析、向量嵌入存储与相似度检索等负载就不够理想。围绕 PostgreSQL 已经出现了很多扩展（DuckDB, 2025; Timescale, 2025; pgvector, 2025），也有一些扩展尝试缓解原始架构的限制，例如面向 page 的存储布局对向量索引并不高效（Liu et al., 2026）。与此同时，也有不少为这些场景专门打造的系统，它们通常能取得显著更高的性能（Shen et al., 2023; Wang et al., 2021; Pinecone Systems Inc., 2026; Neumann and Freitag, 2020; Schulze et al., 2024; Dageville et al., 2016; Fernandes and Bernardino, 2015）。 由于系统本身非常复杂，扩展数据库系统通常很困难，而且常常会带来兼容性问题与系统故障（Kim et al., 2025）。反过来，从头开发新系统又需要大量工程成本与资金投入。近来还出现了更多新技术，例如多模态数据上的语义查询处理，这已经被整合进一些工业系统（Fernandes and Bernardino, 2015; Dageville et al., 2016）；以及原生面向 GPU 的分析处理，它在成本效率上已经优于传统 CPU 方案（Yogatama et al., 2025）。面对这些新技术与未来需求，我们到底应该继续扩展既有系统（例如 PostgreSQL），还是重新设计并实现新系统？或者，其实还存在第三种选择？ 本文的核心观点是，LLM 的近期进展正在塑造下一代查询处理范式：不再持续构建、扩展并维护复杂的通用查询引擎，而是为每条查询生成面向该查询的执行代码。作为概念验证，作者提出了 GenDB，这是一套由 LLM 驱动的 Agentic 系统，能够…