主要观点：从不同角度回顾 2025 年数据库领域，包括数据库工具、研究热点等，介绍了 20 篇引用增长最快的非自引论文及相关研究。
关键信息：

• 从数据库公司到知名教授都在写数据库领域的“年终回顾”。
• 通过引文图和 PageRank 维持数据库研究者和论文的“排名”，以确定引用增长最快的论文。
• 介绍了学习索引（Learned indexes）、（学习的）查询优化（Learned query optimization）、DBMS 引擎（DBMS engines）、ML 驱动的系统调优（ML-powered system tuning）、数据清理和匹配（Data cleaning and matching）等领域的相关论文及研究进展。
  重要细节：
• Tim Kraska 关于学习索引的论文引发争议，因其未附带代码。
• 数据库社区从至少三个不同方向攻击查询优化问题，包括使用机器学习方法替代基数估计、成本模型和强化学习。
• 近期 DBMS 引擎研究基于 Spark SQL、Pregel、Hekaton、Snowflake 和 Aurora 等展开。
• 数据库调优的两篇热门论文代表机器学习驱动技术，Cornell 的 DB-BERT 工作将 LLM 集成到数据库调优中。
• 数据清理和匹配领域的趋势是将 LLM 等集成到传统工具中，提高准确性。
• 作者期待数据库更智能、更快、更便宜、更易访问，同时调侃数据库缺乏礼貌。作者最新工作是关于离线查询优化。