前言
我有幸参加了 2024 Oceanbase 数据库大赛，在初赛中从 1212 名参赛者中脱颖而出，获得第 30 名的成绩，成功晋级决赛。在决赛阶段，我们团队一度保持在前十的位置，然而在最后一周，由于项目组的紧急任务和期末考试的双重压力，我们放缓了比赛节奏。眼看排名尚可，我们选择了暂缓投入，不料在最后两天排名迅速下滑至第 21 位。为挽回局面，我们进行了最后一次提交，却因测试的随机性因素，获得了所有提交中最不理想的结果，最终排名第 24，遗憾地与二十强擦肩而过。
这场比赛历时约两个月，分为初赛和决赛两个阶段。初赛基于开源的 MiniOB 数据库平台，要求参赛者实现数据库的基础功能；决赛则基于 Oceanbase 社区版源码，挑战我们优化现有的向量检索流程，以提升检索效率。
初赛
在初赛阶段，我主要负责实现以下数据库核心功能：
日期类型的支持与处理
基于 like/not like 关键字的模糊匹配功能
表达式计算与优化
聚合函数的设计与实现
多字段索引的构建与维护
简单及复杂子查询的处理
唯一索引的实现与约束
SQL 查询中的别名支持
向量索引的设计与实现
视图(create view)的创建与管理
决赛
决赛设置了四个关键优化指标：
Annbenchmark 基准测试：针对无过滤条件、limit 固定为 10 的一系列查询，优化查询的每秒处理量(QPS)
Q1 优化：针对无过滤条件但 limit 不固定的向量查询
Q2 优化：针对有过滤条件(查询 id 列)且 limit 不固定的查询
Q3 优化：针对有过滤条件(查询 id 列和 col1 列)且 limit 不固定的查询
收获
这次比赛让我收获颇丰，深入学习了多方面的数据库技术：
数据库底层查询执行引擎的设计模型，包括火山模型和向量化执行引擎
AI 领域关键技术——向量检索，特别是 HNSW 算法、向量底层存储机制以及向量索引构建方法
SQL 完整执行流程：从 SQL 解析到 ParseNode，再到 Statement，继而转化为逻辑计划和物理计划，最终从存储层提取数据到上层的全过程
代码性能测试技术，尤其是火焰图的应用
代码性能优化策略，包括 CPU 优化、缓存优化和 I/O 减少
多线程编程技术的实践与巩固
C++基础语法的应用与提升
过滤下推等高级查询优化技术
通过这次比赛，我不仅提升了技术能力，也深刻体会到了团队协作和时间管理的重要性。虽然与理想的名次有所差距，但这段经历无疑为我的技术成长奠定了坚实基础。