当 AI Agent 成为调用方，我们需要怎样的日志系统？
基于 UIUC 论文 AgileLog 的深度分析：当 AI Agent 成为流数据系统的一等公民，底层共享日志需要支持 forking。论文提出 Continuous Fork 新抽象和 Bolt 系统实现，通过 Diskless 架构、HLI、Tail-Only Updates、Lazy Tail Tree 四项技术实现廉价、隔离、可扩展的 fork。
Kafka
RedPanda 和 Kafka 性能到底如何 - 来自 RedPanda 的官方评测和 Kafka 的非官方回应
RedPanda宣称性能优于Kafka，但其基准测试存在争议，Kafka在多种场景下表现更优，实际性能需结合具体工作负载验证。
VLDB-2025 Best Industry Paper - Ursa: A Lakehouse-Native Data Streaming Engine for Kafka
Ursa是兼容Kafka协议的湖仓原生存算分离流引擎，通过将数据直接写入对象存储并内置Compaction服务，降低存储成本并支持高效分析。
KIP-1150 浅浅解读：聊一聊 Kafka社区的存算分离提案
KIP-1150提出Kafka存算分离架构，通过将数据存储至远程对象存储（如S3）并采用无Leader设计，降低跨可用区复制成本，提升可扩展性与成本效率。
AutoMQ 如何实现存算分离的 Kafka
AutoMQ是一款开源的，存算分离架构的Kafka发行版，目前在Github上有4.2kstar。AutoMQ是基于Kafka代码改的，只改了底层存储的代码，所以也天然兼容Kafka协议。AutoMQ的核心亮点就是存算分离，本文也主要介绍AutoMQ存算分离的实现。
Kafka 复制协议不可不知的技术内幕 - 关于 Kafka 踩过的坑
Kafka通过主从复制的协议对消息进行备份以实现高可靠的分布式系统，但是在如何正确地实现复制的协议中，Kafka作为一款公认的稳定可靠的分布式消息队列，也踩了不少坑。本文首先深入介绍了Kafka的复制协议，然后引出了Kafka在这套复制协议上踩的若干坑和修复方案。通过理解Kafka踩的坑和解决这些问题的思路和方案，希望可以对读者的在分布式系统设计上有所借鉴和启发。