从精确到共识
从精确到共识
2026-04-14
一
数据库系统诞生至今的半个多世纪里，“精确”一直是它不可动摇的基石。关系代数、ACID事务、范式理论——所有这些核心概念都建立在一个共同的假设之上：查询的结果必须是确定的、可重复的、绝对正确的。当你询问“账户余额是多少”，系统必须返回那个唯一的数字，不多不少，不偏不倚。这种对精确的执着，成就了现代信息社会的根基。
然而，现实世界似乎并不那么执着于精确。走进任何一家小店，你会发现一个耐人寻味的现象：抹零。102.3元的账单，商家说“收您102元”，顾客点头同意，交易完成。从数学上看，这是一个0.29%的误差。但从社会共识的角度看，这是一个完美的交易——双方都得到了自己真正在乎的东西：商家赢得了善意和回头客，顾客获得了便利和小小的满足感。没有人会为了那三毛钱去打官司。
这个日常现象揭示了一个被我们长期忽视的真相：精确从来不是人类社会运作的唯一基础，甚至不是最主要的基础。我们约在“三点左右”见面，而不是“15:03:22”；我们支付“大约15%”的小费，而不是精确计算的15.345元；陪审团依据“排除合理怀疑”定罪，这是一个概率标准，而非绝对确定。法律、商业、社交——人类社会的绝大多数共识，都是建立在“足够好”而非“绝对精确”之上的。
二
这种张力，在Michael Stonebraker相隔二十年的两篇综述论文中得到了某种呼应。2005年的《What Goes Around Comes Around》讲述了一个关于“代数思维”如何统治数据库世界的故事。关系模型用离散的、确定性的操作——选择、投影、连接——构建了一个严密的逻辑体系。在这个体系里，每个查询都被翻译成一颗确定性的表达式树，每个操作都产出精确的结果。对象数据库、层次数据库、网络数据库——所有挑战者最终都被拉回了关系代数的轨道。这是“精确”的胜利。
2024年的续篇《What Goes Around Comes Around… And Around…》则悄然承认了一个新的现实。Andrew Pavlo和Stonebraker不得不面对过去二十年最大的变数：机器学习。向量数据库、嵌入检索、相似度搜索——这些新来者不再追求精确匹配，而是寻找“语义上最相似”的结果。输入“狗”的向量，返回的可能是“犬科动物”。这不是精确，这是统计；这不是代数，这是几何。在高维空间中，系统不再寻找一个点，而是寻找一个区域；不再断言“这是唯一正确的答案”，而是声称“这些是Top-K个最相关的候选”。
两篇论文之间，一个根本性的范式转移正在发生：从“强因果链”到“弱关联链”的迁移。
传统数据库的查询是一条强因果链：WHERE id = 5→ 返回第5行。这是演绎推理：前提真则结论必真。而LLM时代的数据访问是一条弱关联链：用户的自然语言查询 → 转化为嵌入向量 → 在高维空间中寻找邻近点 → 返回语义相似的结果。这是归纳推理：基于统计关联，而非逻辑必然。每一个环节都是概率性的，没有绝对的“正确”，只有置信度的高低。
三
这听起来像是一种退化。毕竟，“概率正确”听起来总不如“绝对正确”来得可靠。但抹零的例子提醒我们：精确是有成本的，而成本本身就是一种约束。
精确需要全量扫描、需要强一致性锁、需要严格的审计日志。当数据量达到EB级别，当查询延迟要求降到毫秒级，当计算成本成为不可忽视的因素，“精确”开始暴露出它的另一面：昂贵、缓慢、僵化。相反，近似查询处理、采样计算、概率数据结构——这些“弱关联”技术可以用百分之一的成本，换取百分之九十九的准确率。对于绝大多数应用场景，这个交换是划算的。
更重要的是，LLM的崛起正在改变“查询”本身的定义。传统查询是精确指令：SELECT name FROM users WHERE age > 18。但未来的查询将更多是模糊意图：“找出可能对数据库未来感兴趣的人”。这个意图无法被翻译成精确的SQL，它需要被分解为多个弱关联链：职位与“技术决策者”的语义相似度、行业与“科技创新”的嵌入距离、最近活动的时间衰减权重。这些链各自贡献一部分置信度，最终加权求和，排序输出。
这不是一个查询，而是一个可接受性判断。系统不再问“哪些记录满足条件”，而是问“哪些记录有足够高的概率符合用户的意图”。两者的区别，就像“102.3元”和“102元”的区别——前者是数学真理，后者是社会共识。
四
如果这个判断成立，那么未来的数据库系统需要回答一个根本性的新问题：什么是“正确”？
在传统框架下，答案很简单：查询结果必须等于某个数学定义下的精确值。但在弱关联链的世界里，这个定义失效了。当系统返回一个94%置信度的结果时，你无法通过单次验证来判断它是否“正确”——因为94%置信度的含义恰恰是，在100次类似的查询中，大约有94次是对的。这是一个统计陈述，而非逻辑断言。
这引出了一个更深层的挑战：概率结果可以被审计吗？
回到抹零的例子。审计人员不会去验证102.3是否等于102，他们会验证商家是否遵守了“舍去角分”的规则。换句话说，审计的对象不是结果的数学精确性，而是过程的一致性。同样，对于未来的概率数据库，审计可能不再是验证“结果对不对”，而是验证“系统是否按照声明的概率模型执行了操作”——是否使用了正确的采样方法、是否准确报告了置信度、是否在用户允许的误差阈值内。
这要求系统具备一种新的能力：可解释的置信度。不是简单地说“置信度94%”，而是说“这个结论基于以下三条证据：A的相似度为0.85，B的共现概率为0.72，C的时间衰减权重为0.6；综合模型为加权乘积，最终置信度为0.94；其中A贡献了40%的置信度”。用户可以不接受这个结论，但至少可以理解它为什么得出这个结论，并决定是否信任它。
这正是“可接受”与“可解释”的分野。可解释是技术属性：你能打开黑箱看到因果链。可接受是社会属性：在权衡了成本、风险、便利和信任之后，你愿意把这个结论当作行动的依据。抹零被接受，不是因为它在数学上精确，而是因为它在社会上是可预期的、公平的、便利的。
五
那么，未来的数据库系统会变成什么样？
我的判断是：不会出现“纯概率数据库”取代“精确数据库”的戏剧性革命，而会出现一个分层的、混合的架构。内核继续运行强因果链，处理那些必须精确的事务——银行转账、库存核验、法律合规。外围则包裹一层处理弱关联链的“软壳”，用于那些可以接受近似的场景——推荐、搜索、异常检测、趋势分析。两者之间有一个清晰的误差预算机制：用户声明“我允许0.5%的误差”，系统在这个约束下选择最优的执行策略，可以是精确计算，也可以是采样近似，也可以是两者的混合。
这个架构已经在孕育之中。向量索引作为传统数据库的扩展插件、近似查询处理进入商业数仓、LLM被用于查询优化和自然语言接口——这些都是“弱关联链”从边缘渗透进核心的迹象。Stonebraker的“兜兜转转”可能会进入新的一环：关系代数吸收了向量、概率和相似度语义，就像它当年吸收了XML和对象一样。
但这一次，吸收的不仅是数据类型，更是一种思维方式。数据库不再只是“记录系统”，它正在成为“认知系统”。记录系统回答“是什么”，认知系统回答“像什么”、“可能是什么”、“值得关注的是什么”。前者需要精确，后者需要共识。
六
回到抹零的那个小店。商家和顾客都没有精确计算，他们达成了一个“足够好”的共识。这个共识之所以成立，是因为双方都认可那个隐形的规则——零头舍去，善意留存。没有合同，没有审计，没有强制。这是人类社会的运作方式：精确是工具，共识是目的。
数据库系统正在经历一场类似的觉醒。半个世纪的精确崇拜，正在让位于一种更务实、更灵活、更接近人类认知方式的数据处理范式。这不是技术的倒退，而是技术的成熟——从追求数学上的绝对真理，转向服务于人类的实际决策。LLM带来的不是精确性的丧失，而是精确性定义的拓宽。
未来的数据库，可能会这样回答一个查询：“根据您允许的误差范围和当前可用的计算资源，我给出了以下结果。置信度92%，主要影响因素是A和B。您可以选择接受，也可以要求更精确的计算，但需要等待3秒钟并消耗双倍资源。”
这不是一个完美的答案，但这是一个可接受的答案。而可接受，最终比精确更重要。