哪种时间序列 join？ASOF、WINDOW、HORIZON、LT 还是 SPLICE
QuestDB 用通俗语言介绍了其五种时间序列 join：ASOF、WINDOW、HORIZON、LT、SPLICE，每种配一条可在在线 demo 直接运行的查询。 内容偏厂商教程，实用价值集中在 QuestDB 用户；对熟悉时序库的人可快速定位 join 语义差异，对非 QuestDB 用户讨论入口较弱。 
评论
点赞
收藏DuckLake 与 QuestDB：同一个 Parquet，不同的表格式方案
DuckLake 将表元数据存在 SQL 数据库里而不是 manifest 文件，这篇文章说明这个设计选择带来了什么变化，并给出把 QuestDB 冷存储的 Parquet 注册进 DuckLake 的具体步骤。 适合关注数据湖架构和存储格式互通的技术读者。 
Parquet与Iceberg：表格式如何建立在文件格式之上
Parquet是列式存储文件格式，Iceberg是在其之上构建的表格式，两者职责不同。QuestDB博客文章解释为何Iceberg选择基于Parquet而非替换它，并说明QuestDB冷存储如何与Iceberg湖仓架构配合使用。 
QuestDB Enterprise 4.0：冷存储、QWP 与热切换
QuestDB 发布企业版 4.0，新增冷存储分层功能，将旧分区自动迁移到对象存储但仍可查询。QWP 提升数据读写速度，热切换功能无需重启即可故障转移。 
QWP：QuestDB 自研的二进制列式协议，统一摄入与查询
QuestDB 推出自研二进制列式网络协议 QWP，一个客户端同时处理数据摄入和 SQL 查询，Arrow 数据框双向传输，内置故障转移。 
2.3 秒将 5 亿行数据流式传输到 Apache Arrow
QuestDB 团队用新 QWP 协议将 5 亿行数据流式传输到 Apache Arrow，耗时 2.3 秒。与 ClickHouse 和 TimescaleDB 对比，并排除了三种测量偏差。 
QuestDB 10.0: QWP, one binary streaming protocol for writes and Arrow reads
QuestDB 10.0 ships QWP, a binary columnar protocol that both writes data in and streams Arrow back out, from a single client. It also brings live views in beta, notebooks driven by coding agents, and ...
Introducing QuestDB's new binary ingestion protocol: QWP
QuestDB's new binary Wire Protocol vs InfluxDB Line Protocol in TSBS: 33M rows/s on one machine even at a million series, about 3.6x faster than ILP over a network.
Transaction Cost Analysis with QuestDB and Polars: VWAP, Slippage and Markout
QuestDB 博客介绍基于实时市场数据的交易成本分析流水线。利用 QuestDB SQL 计算 VWAP、到达滑点和 Markout 曲线，并通过 ConnectorX 连接 Polars 进行数据处理。 提供了具体的工程实现路径。
使用 QuestDB 和 Polars 进行交易成本分析：VWAP、滑点和 Markout
QuestDB 博客介绍基于实时市场数据的交易成本分析流水线。利用 QuestDB SQL 计算 VWAP、到达滑点和 Markout 曲线，并通过 ConnectorX 连接 Polars 进行数据处理。 提供了具体的工程实现路径。 
最昂贵的指令可能是 cmov
HotSpot C2 编译器将分支转换为 cmov 指令时，实际测量的是分支偏差而非可预测性。在紧密循环中，这种不匹配可能导致高达 2.9 倍的性能差异。
Rollup Table（预聚合表）详解
解释时间序列数据库中 Rollup Table 的概念，即预聚合数据以优化查询性能。列举了优缺点及在 QuestDB 中的 SQL 实现示例。属于标准的厂商文档词条，缺乏独立见解或深度工程复盘。
The mask that compiles to nothing:how HotSpot's JIT learned to reason about bits
文章深入解析了 HotSpot JVM C2 编译器中新增的“已知位（Known Bits）”优化技术。通过追踪整数的每一位状态，编译器能证明某些位运算（如移位后与掩码相与）是冗余的， 从而在生成机器码时直接删除这些指令。 作者结合 JDK 26/27 的代码变更，详细展示了范围分析与位信息如何相互修正以消除无效操作。文中包含具体的代码逻辑、测试用例及汇编对比，揭示了现代编译器底层优化的精妙之处。
2026 年最佳时序数据库指南及选型建议
这是一篇关于时序数据库选择的指南，对比了 QuestDB、InfluxDB、TimescaleDB、ClickHouse 和 kdb+ 等主流方案。文章核心观点是“最好的数据库取决于你的具体工作负载”，而非单纯罗列排名。
编译成虚无的面具：HotSpot JIT 如何学会推理比特位
文章深入解析了 HotSpot JVM C2 编译器中新增的“已知位（Known Bits）”优化技术。通过追踪整数的每一位状态，编译器能证明某些位运算（如移位后与掩码相与）是冗余的， 从而在生成机器码时直接删除这些指令。 作者结合 JDK 26/27 的代码变更，详细展示了范围分析与位信息如何相互修正以消除无效操作。文中包含具体的代码逻辑、测试用例及汇编对比，揭示了现代编译器底层优化的精妙之处。
如何实现并行且向量化窗口连接
QuestDB 团队分享了将窗口连接（Window Join）实现并行化和向量化的工程实践，并与 Timescale、DuckDB、ClickHouse 进行了基准测试对比。 文章提供了具体的性能数据和优化思路。 
谎言、该死的谎言与数据库基准测试
We tweak one fair-but-different thing in each ClickBench scenario and watch the hot-run rankings reshuffle, a reminder to read benchmarks closely.
QuestDB 企业版 3.3.1：存储策略、自定义 CA 与更细粒度的访问控制
QuestDB 发布企业版 3.3.1 版本，基于 9.4.2 引擎。新增存储策略引擎，支持将数据分层至 Parquet 格式并发布索引。同时引入用于复制对象存储的自定义根 CA 支持，以及带有 EXCLUDE 选项的列级 GRANT/REVOKE 权限控制功能。
QuestDB 9.4.2：可共享查询、新聚合函数及性能加固
QuestDB 9.4.2 版本更新，增加了可共享的 Web Console 查询功能。新增 array_agg 和 regr_r2 聚合函数，并优化了高吞吐写入下的 Parquet 和发布索引路径稳定性。
Aeron 与 QuestDB：构建资本市场数据的开放基础设施
文章介绍了资本市场的公司如何结合使用 Aeron 高性能传输库和 QuestDB 时序数据库，以实现精确一次语义、确定性回放以及基于开放格式的监管级历史数据存储。 这种组合方案解决了高频交易场景下对低延迟和数据完整性的双重严苛要求，为金融基础设施架构提供了参考案例。
One Trading 基于 QuestDB 构建全天候受监管期货交易所
QuestDB 官方博客发布案例研究，展示 One Trading 如何利用其数据库运行全天候受监管的期货交易所。 文中列举了每秒 180 万订单处理、每秒 500 万行数据摄入及实时监控等技术指标。 
QuestDB 9.4.0 发布：引入高效 Posting Index 与跨列填充语法
QuestDB 9.4.0 版本发布，引入了针对 SYMBOL 列的新 Posting Index，索引体积缩小 13 倍且查询更快。新增跨列填充语法 FILL(PREV)，简化了时间序列数据中的空缺值处理逻辑。 此外还增加了三个标准窗口函数、终端文本可视化功能以及多项性能优化，包括并行分组和哈希连接加速。