共享内存驱动下的云原生数据库“多主对等”内核研究

课题背景： 传统云原生数据库基于 log is database 架构，较好地解决了存储扩展性问题，但在横向扩展多写（Multi-Master）场景下，由于缺乏低延迟的全局并发控制机制，软件层面的分布式锁管理同步开销较大，制约了系统进一步扩展。同时，单机内存难以动态伸缩，而 AI Agent 带来的高频、脉冲式检索与上下文存储需求，又对数据库的算力和内存弹性提出了更高要求，因此亟需探索新的软硬协同数据库架构。 课题挑战：

1. 01

   在多节点并发写入场景下，如何借助 CXL 提供的硬件级缓存一致性能力，将全局锁管理从软件层下沉至硬件层，降低分布式锁同步开销，实现更低时延的并发冲突检测。

2. 02

   在共享内存池场景下，如何利用 CXL 内存构建共享 buffer pool，并解决 CXL 节点部分故障下的无损恢复、计算节点热加载恢复等问题，保障弹性共享内存池的容错性与瞬时恢复能力。

3. 03

   面向 AI Agent 的多租户场景，如何实现算力与存储资源的池化，同时通过多粒度资源隔离与 QoS 机制，保证高频、突发型检索负载下的性能稳定性，是系统落地的关键难点。 具体工作：

4. 01

   利用 CXL 提供的硬件级缓存一致性，将数据库的全局锁管理（Lock Manager）从软件层下沉到 CXL 硬件层，实现亚微秒级的多节点并发冲突检测。

5. 02

   利用 CXL 内存实现共享 buffer pool 内存池，探索 CXL 节点部分故障的无损恢复以及计算节点热加载恢复能力，实现弹性共享内存池的容错与瞬时恢复。

6. 03

   面向 AI Agent 的多租户算力/存储池化：通过设计多粒度资源隔离与 QoS 保证协议，实现数据库算力和存储能力的池化，保证 AI Agent 高频、脉冲式检索诉求。

1. 01

   包括但不限于计算机、信息工程、模式识别、人工智能、自动化、软件工程、电子工程、统计学、应用数学等专业的博士和优秀硕士；

2. 02

   熟练掌握数据库基础理论知识，熟悉多线程编程、锁机制（Mutex/Spinlock）及无锁编程（Lock-free）技术；深刻理解 CPU 缓存层次（L1/L2/L3）、Cache Line、缓存一致性协议（MESI 等）；

3. 03

   较强的工程实现能力，熟练掌握 C/C++ 编程，熟悉 Shell/Python/Matlab 至少一种编程语言。