用 mmap 等於放棄對記憶體的細粒度控制：

1. 無法執行非阻塞的記憶體存取。
2. 「磁碟上」的呈現必須與「記憶體中」的呈現一致。
3. 資料庫無法知悉記憶體中的 Pages 內容。
4. 各種與 mmap 相關的 syscalls 都不具有可移植性。

CockroachDB 於 2019 年 6 月 4 日在其官方網站上宣布，未來軟體的授權會從類似 Apache Public License 2.0 改採用 Business Source License 1.1 (簡稱 BSL-1.1)。更早之前是 MariaDB MaxScale 2.0 版率先擬定該授權並採行。

過去 PostgreSQL 針對資料表，新增允許 NULL 的 COLUMN 時，可以馬上完成，但若 COLUMN 是不允許 NULL 的時候，情況就不一樣的。若已存在資料表的資料數量過於龐大，此時操作不僅費時還會影響上線作業的效能。

這是今天【TGONetworks x 資策會：科技領袖引領商業變革】的演講簡報。

Pivotal 的 Matt Stine 在 2013 年首度提出 Cloud Native。

一個小時代的結束。

這場受邀 Data Science Meetup ³⁄₂₇ 活動，分享我對【量子機器學習】的初淺研究。也因而有機會認識了 LinkedIn 大數據部門總監 Chi-Yi Kuan 。

活動為 Data Science Meetup Taipei III: 電信大數據的行銷實務 & 量子機器學習的火花。

美國人力銀行網站 Hired 公布了《2019 年 軟體工程師調查報告》。後續我會摘出幾張圖為重點。

PostgreSQL 與作業系統底層的協作問題，長期以來 (將近 20 年) 十分困擾 PostgreSQL 的開發團隊。過去曾向 Linux Kernel 開發團隊發聲希望處理，但獲得的結果是，「Linux Kernel 不會為了單一軟體的需求，提供配適而影響其他軟體」。

2018 年年底，MIT 與 Google 合作撰寫新型機器學習型資料庫的研究結果，提出資料庫 “Optimizers” 及 “Cost models” 演算最佳化的「學習型程式組件」建模。

與 RDBMS、NoSQL 至 NewSQL 不一樣的是，過去這類研究多基於「特定領域」提供 “特有解法”，所以難以一體適用。使得很多中大型企業要針對不同的場景使用不同的資料庫體系。而「學習型程式組件」可以依據 “資料” 的特性，選出 (學習) 較適的處理結構。