经济下行周期下的数据库内核工程师:深度版 —— 十四项关键读数、八条建议与指标看板


难度 中等

本文是「深度版」。 如果你只想看结论,请读配套的精简版——
《大环境之下:一个数据库内核开发工程师的思考、建议与自处》
(304 行,三个部分:我怎么看大环境 / 给公司的三条建议 / 我自己的策略)。

本篇展开的是精简版里被压缩掉的部分:十四项关键读数的完整数据与口径、大萧条与日本二十年各自的机制拆解、给公司的八条建议(含可度量指标)、成本效用测算模板与家庭资产负债表模板、以及第十一章那张可观测、可证伪的指标看板(24 个指标带阈值和触发动作)。

读法建议:想快速对齐观点读精简版;想做决策、想引用数据、或想自己复算这套判断,看本篇。

TL;DR

一句话:这一轮不是 1929,而是 2015 年供给侧改革 + 2018 年去杠杆 + 2020 年疫情 + 2021 年地产断供 + 2024—2026 财政与信用收缩 五次叠加出来的资产负债表衰退;它不会像大萧条那样摧毁生产,但它会像日本那样摧毁价格、消灭岗位、冻结阶层的收入预期。

四个核心判断:

  1. 总量与结构在撕裂。 2026 前三季度 GDP +4.6%、高技术制造业增加值 +13.3%(对规上工业增长贡献 47.9%),但房地产开发投资 -19.9%、固定资产投资 -4.2%、社零 +1.1%、16—24 岁(不含在校生)失业率 18.0%。这不是「整体下行」,而是高端制造在扩张、传统产业在收缩的双轨运行。
  2. 高技术产业的就业吸纳能力远不足以消化传统产业的失业人口(高技术制造业就业弹性仅 0.3—0.4,地产建筑鼎盛期是 0.7—0.8)。所以「新质生产力拉动增长」和「年轻人找不到工作」可以同时为真,宏观数据越好,微观体感越差。
  3. 企业(尤其非金融企业杠杆 179.5%)和地方政府(债务余额 59.24 万亿)仍在加杠杆扩张,而居民在去杠杆(债务收入比从 2021 年 124% 降至 2026 年中 118%)。负债端与收入端错配,这正是辜朝明「资产负债表衰退」的定义。
  4. 数据库行业不会消失,但会剧烈洗牌。 蛋糕还在长(2025 年国内数据库市场约 678 亿元,2028 年预计 979.74 亿元,CAGR 13.06%),但分蛋糕的人从 292 款产品收缩到 167 款,超四成出局。数据库人的机会不在「等风来」,在于成为客户削减 IT 成本时唯一敢用的人。

给公司的核心建议:把销售 KPI 从「签约额」改成「客户 12 个月 TCO 承诺」;把「降本增效」从售后工单升级为独立产品线;把 POC 沉淀为可复用资产;用「替代成本」而非「功能对比」定价;把「存量替换」当成唯一增长入口;现金优先于规模。

给我自己的核心建议:内核工程师的抗周期能力来自 可迁移的底层知识 + 可计价的诊断能力 + 低固定成本的个人资产负债表。产品力 = 把内核机制翻译成可售卖点;销售力 = 能算清「省了多少钱」;服务力 = 从救火升级为诊断;创造收入 = 把理解变成文档 / 方案 / POC / 课程 / 咨询;成本效用 = 单位查询成本、单位事务成本、单位运维成本。

给个人的核心建议:守住现金流安全垫(6 个月必要开支)、收入韧性(主业 + 副业双引擎)、资产防线(不加杠杆)、健康与关系四条防线。日本的教训是:居民 30 年工资累计只涨了 6%,抗周期靠的是资产与现金流,不是薪水。


目录


第 1 章 引子:一个内核工程师为什么要写经济研判

写经济分析不是我的专业。写内核才是。

但如果一个数据库内核工程师完全不懂客户所处的宏观环境,他会犯三个非常具体的错误。

1.1 错误一:把「公司增长」误当成「技术景气度」

数据库产品部的年度规划写的是「明年营收增长 40%」。这句话背后的客户现实可能是:制造业客户的新建系统预算被砍掉 60%,只剩下运维预算;金融客户把 3 个系统合并成 1 个;政务客户在做信创适配的排期压缩。

这三种客户对内核研发的需求完全不同:

客户状态 真实诉求 对内核研发的影响
新建预算被砍 存量系统的稳定与降本 不需要新特性,需要不添乱
系统合并 异构数据迁移与一致性 需要成熟稳定的迁移工具链
排期压缩 快速适配与快速交付 需要降低适配成本的技术抽象

如果研发排期还是按「客户要什么新特性」来排,交付出去的东西就会错配。经济研判的第一层用途,是校准需求来源。

1.2 错误二:看不见自己的仪表盘

内核工程师有一个宏观数据研究者没有的优势:我们能直接看到客户业务在数据库上的投影。

  • pg_stat_wal_receiver 的字节增量 → 客户写入量的真实变化
  • pg_stat_replication 的 lag → 客户核心业务的同步压力
  • pg_stat_database 的 xact_commit / xact_rollback 比值 → 客户应用是否开始出现事务回滚(典型的「业务跑不动了改逻辑」的信号)
  • pg_stat_bgwriter 的 checkpoints_timed / checkpoints_req 比值 → 客户 IO 是否恶化
  • pg_stat_all_tables 的 n_dead_tup 与表大小的比值 → 客户是否已经放弃做归档与分区
  • pg_stat_user_tables 的 seq_scan 占比 → 客户是否在业务高峰退化成全表扫描
  • WAL 速率与 pg_stat_replication 的 LSN 差 → 客户备份与容灾的真实投入

这些指标比 PMI、CPI 领先业务景气度,也比它们更贴近「客户是否还有钱花在数据库上」。 一个高技术制造业客户和一个濒临破产的地产客户,其数据库的 WAL 速率曲线完全不同。

1.3 错误三:把个人职业路径押在单一周期上

公司给我资源(培训、差旅、外派、奖金)的能力,取决于公司的现金流;公司的现金流,取决于客户的预算;客户的预算,取决于宏观周期。

我无法控制周期,但可以控制自己在周期中的位置:是做一个「任何公司都需要、所有公司都认」的内核工程师,还是做一个「只有某类客户在扩产时才会需要」的专家?

这两者在扩张期收入差不多,在收缩期差距是数量级的。

1.4 本文的方法论与边界

既然是工程师写的经济研判,就必须用工程师的标准来做:

原则 具体要求
区分事实与推论 每个数字标注来源与口径;每个推论标注它依赖的假设
可观测、可证伪 每个判断都配一个能在公开数据或生产系统里读到的指标(见第十一章)
主动寻找反面证据 每个结论都问一句「什么数据出现时,说明我错了」
拒绝单点预测 给概率区间与触发条件,不给「明年 GDP 增速是 4.2%」这种伪精确

边界声明:

  • 本文不是宏观研究报告,数据来自公开来源,可能存在口径差异与修订;
  • 本文不是投资建议,不构成任何买卖建议;
  • 本文是职业决策与家庭财务的思考框架,不是精确预测。

第 2 章 数据摊开:2026 年中国经济的十四个关键读数

不做预测,先看事实。下面十四组数字来自国家统计局、世界银行、中国人民银行、财政部与公开市场报道,口径已在注释中说明。

2.1 总览表

# 维度 最新读数 同比 / 环比 一句话判读
1 GDP 2026 前三季度 107.1 万亿元 +4.6%(Q3 +4.5%,Q2 +4.3%),环比 +1.2% 增速在下台阶,但仍是全球主要经济体最高梯队
2 城镇调查失业率 均值 5.2% 16—24 岁(不含在校生)18.0%(9 月)、18.9%(8 月);25—29 岁 7.5%;30—59 岁 3.9% 总量平稳,青年端剧烈分化
3 CPI +0.9% 核心 CPI +1.1% 通缩风险已解除,但居民体感仍偏冷
4 PPI +2.3% 9 月单月 +5%,连续 7 个月同比上涨 上游涨价,正在挤压中下游利润
5 规上工业企业利润 1—8 月 +15.7% — 总量改善,但高度集中于上游与高技术
6 房地产开发投资 1—8 月 -19.9% 新开工 -24.8%,竣工 -23.7% 仍在缩表,尚未见底
7 商品房销售 销售面积 -12.1%,销售额 -13.0% 70 城新房价格 -3.3% 成交量约为 2021 年中峰值一半,实际房价较峰值约 -23%
8 社会消费品零售总额 1—8 月 +1.1% — 消费极弱;同期居民净存款每年仍增 11—14 万亿
9 固定资产投资 1—8 月 -4.2% — 投资负增长,在统计史上极为罕见
10 土地出让收入 2021 峰值 8.7 万亿 → 2025 年 4.15 万亿 2026 年 1—7 月同比再降约 30% 财政端持续失血,去化周期约 30 个月
11 社融 存量 +7.2% 增量当期同比 -35.3% 信用扩张几乎停滞
12 货币 M1 +4.1%、M2 +7.5% 10 年期国债收益率 1.68% 大型商业银行净息差已降至 1.309%(2026Q2)
13 杠杆 非金融企业 179.5%、居民 57.7%、政府(推算)约 71.0% 实体经济整体 308.2%(2026Q2) 企业在加杠杆,居民在去杠杆
14 人口与就业 总和生育率 2025 年约 1.0;灵活就业 2026 年预计 3.2 亿(约 40% 就业人口) 每年 800—1000 万劳动年龄人口净减少 供给端长期承压

数据口径说明:GDP、失业率、CPI、PPI、固投、社零、房地产数据为 2026 年前三季度或 1—8 月累计同比;杠杆率为 2026Q2 金融资产负债表推算值(居民杠杆为占比口径、非金融企业与政府为债务 / GDP 口径);土地出让为财政部口径;人口与灵活就业为多方公开研究汇总估算。

2.2 三类读数:扩张的、收缩的、停滞的

把十四组数字按方向分成三组,撕裂就显形了。

第一组:明确在扩张的

  • 高技术制造业增加值 2026 上半年 +13.3%,对规上工业增长贡献率 47.9%
  • 2025 年货物贸易总额 +18.8%、出口 +16.4%,机电产品出口占比超 60%
  • 制造业增加值占 GDP 达 25.7%
  • PPI 连续 7 个月同比上涨(9 月单月 +5%)
  • 规上工业企业利润 1—8 月 +15.7%

第二组:明确在收缩的

  • 房地产开发投资 -19.9%,新开工 -24.8%,竣工 -23.7%
  • 固定资产投资累计 -4.2%
  • 土地出让收入较 2021 年峰值腰斩后再降约 30%
  • 社融增量同比 -35.3%
  • 居民贷款 2026 年 3 月同比增速历史首现负值
  • 短期消费贷同比约 -10%
  • 房贷年偿还额从 2023 年约 7 万亿降至约 5 万亿

第三组:表面平稳、内里停滞的

  • GDP 增速 4.6%(仍在下台阶)
  • 城镇调查失业率均值 5.2%(但青年段 18.0%)
  • 产能利用率 2026Q2 为 73.0%,制造业 73.5% —— 显著低于 75%—80% 的荣枯线区间
  • 居民收入:2025 年名义 +5.0%,但中位数 +4.4%,连续三年慢于平均数
  • 居民债务收入比从 2021 年 124% 降至 2026 年中 118%(去杠杆,但幅度有限)

2.3 最关键的一个数字:就业弹性

前面所有数据都可以用「经济还在增长」来解释,唯独就业弹性不能。

高技术制造业的就业弹性只有 0.3—0.4(即产出增长 1%,就业只增长 0.3%—0.4%),而地产建筑鼎盛期是 0.7—0.8。

这个数字的含义是:

制造业的产值增长确实在发生,但它的就业吸纳能力,比它替代掉的那些岗位的消失速度,还要慢。

这解释了一个看起来矛盾的现象:

  • 宏观上:GDP 4.6%、高技术制造 +13.3%、工业利润 +15.7%,「新质生产力」的叙事完全成立;
  • 微观上:16—24 岁失业率 18.0%,青年体感是「日子越来越难」。

两者可以同时为真,因为它们说的不是同一批人。 高技术制造吃的是工程师、数据分析师、产线自动化岗;收缩的是建筑、装修、地产营销、教培、传统零售。

2.4 第二组关键读数:居民端在做什么

2022—2025 年中国居民每年净存款 11—14 万亿,累计超额储蓄约 6 万亿。这是一笔沉睡的、随时可能重新进入消费的现金池。

但它没有进入消费,因为:

  • 一年期定存基准利率约 1.5%,大额存单 3 个月期跌破 1%
  • 2026 年 5 月沪深股息率约 2.06%—2.09%
  • 房价预期尚未修复(实际房价较峰值约 -23%)
  • 就业预期尚未修复(青年失业率 18.0%)

居民在等一个信号。 利率已经低到极致(10 年期国债 1.68%),但没人敢消费,因为担心明天的工作和明天的房价。

这形成一个典型的流动性陷阱 + 预期崩塌组合:低利率无法撬动被悲观预期锁住的储蓄。

2.5 第三组关键读数:负债端在哪里

辜朝明在《大衰退》中定义资产负债表衰退的核心特征是:所有部门同时收缩负债。用这个尺子量一量今天的中国:

部门 状态 证据
居民 收缩负债 债务收入比 124%(2021)→ 118%(2026 中);居民贷款同比首现负增长;房贷偿还额 7 万亿 → 5 万亿;短期消费贷 -10%
非金融企业 仍在扩张负债 杠杆率 179.5%
地方政府 仍在扩张负债 债务余额 59.24 万亿(2026-07),土地出让收入持续下滑
金融体系 收缩表 社融增量同比 -35.3%;大行净息差 1.309%

这和 1997—1998 年亚洲金融危机期间的中国是镜像:1997 年前企业高负债、政府高负债、银行体系脆弱;当时的对策是大规模债转股 + 银行重组 + 行政性收缩信贷。今天的企业与地方政府杠杆结构,与当时高度相似。

2.6 本章小结

三句话:

  1. 总量不缺增长,缺的是增长的分配结构——增长在高技术制造,失业在传统产业与青年群体,两者不共享同一个水池。
  2. 通缩风险解除,但通缩的分配后果已经形成——PPI 转正利好的是上游资源与设备,中下游毛利被吃掉,终端消费却只增长 1.1%。
  3. 私人部门在去杠杆,公共部门在加杠杆——这种错配是本轮周期最核心的结构性特征,也是理解后续一切行业传导的钥匙。

第 3 章 参照系一:大萧条 1929 至 1939

选参照系不是为了套模板,而是为了提取机制。大萧条是唯一一次现代经济「需求崩塌 + 金融体系失灵 + 政策犯错」三者叠加的样本,它留下的机制至今有效。

3.1 事实:崩塌的幅度

指标 1929 → 1933 变化
工业生产 -47%
GDP 约 -30%
失业率 峰值约 25%
银行倒闭 1930—1933 约 9000 家(占全美银行 20%)
物价水平 1930—1932 累计 -30%
M2 货币存量 1929—1933 收缩约 1/3(Friedman & Schwartz)

一个 25% 的失业率,意味着四分之一的劳动力没有任何生产性工作。这不是「增长放缓」,这是社会生产网络的物理性收缩。

3.2 四个成因,缺一不可

  1. 股市崩盘摧毁信心:1929 年 10 月崩盘,随后道琼斯指数多年不回原点。财富效应消失 → 消费塌陷。
  2. 银行恐慌:9000 家银行倒闭 → 货币创造机制失灵 → 即使利率降到 0,信贷也不扩张(凯恩斯称之为「流动性陷阱」的原型)。
  3. 金本位约束:美国必须用黄金支付国际债务,这把货币政策的自主权交给了外部。
  4. Smoot-Hawley 关税(1930):对 20000 多种商品加征关税,引发贸易伙伴报复,把国内萧条变成全球萧条。

3.3 最致命的细节:政策犯错

这是大萧条最值得数据库行业记住的部分。

1931 年 10 月,在英国脱离金本位之后,美联储反而把贴现率从 1.5% 上调至 3.5%。

美联储本该在危机中提供流动性,实际却选择了紧缩。直到 1932 年 6 月才开始降息。同时胡佛政府推行财政紧缩并加税。

大萧条的深度,很大程度上是政策失误造成的,而不是市场必然。 1933 年罗斯福新政的三大动作——「3R」(Relief 救济、Recovery 复苏、Reform 改革)、放弃金本位、银行休假制度 + FDIC 保险——都指向同一个认知:

名义变量(价格、工资、汇率)可以调整,但资产负债表和预期一旦崩溃,需要的是「重置预期 + 重建金融中介的信用」,而不是让市场自己修复。

3.4 可迁移的三个机制

机制 定义 本轮是否出现
债务—通缩螺旋(Fisher) 债务过重 → 债务人抛售资产偿债 → 价格下跌 → 实际债务上升 → 继续抛售 是。居民去杠杆、房企与地方债高企并存
信贷锁定(credit crunch) 坏消息导致银行同时收贷,不管借款人好坏 是。社融增量 -35.3%,居民贷款同比首现负值
预期崩塌 未来收入的不确定性 > 当前价格低 → 即使便宜也不买 是。6 万亿超额储蓄沉淀,1.68% 国债利率撬不动消费

3.5 不可迁移的三个条件

条件 大萧条 今天 差异后果
金本位约束 有。美国货币政策被黄金锁死 无。但有房地产 + 土地财政这个新的硬约束 央行仍有空间,但财政与地产链条的自我强化机制同样僵硬
全球贸易依赖 低。1930 年美国贸易占 GDP 比重远低于今天 高。2025 年出口 +16.4%,机电产品占比超 60% 今天的收缩会通过外需反向传导,缓冲空间更大但外溢更快
人口与年龄结构 生育率下降刚起步 总和生育率已降至约 1.0,劳动年龄人口每年净减 800—1000 万 内需端是长期收缩,不是周期波动

结论:大萧条的「病因」部分可迁移,但「病程」不会重演。 用它来推演今天,最有价值的不是「会不会崩」,而是「哪些环节会因为政策失误而被放大」。


第 4 章 参照系二:日本失去的二十年

日本更贴近今天:同样是资产负债表衰退,同样是生产体系完好但需求塌陷,同样经历了长达二十年的低通胀与低增长。

4.1 事实:二十年有多长

维度 峰值 谷底 / 现状 跌幅或变化
日经指数 1989 年底 2009 年 -60%
东京住宅价格指数 1990 年初 324.8 1999 年末 134.6 -58.6%
六大都市商业地价 1980s 后期 2005 年 -87%
GDP 增速中枢 1960—1980 年代 5.2% 1990 年代至今 约 1% 增速中枢塌陷
CPI / PPI 中枢 5.0% / 1.4% 0% 附近 长期通缩
非金融企业杠杆率 1993 年 144.9% 2015 年才降到 94.4% 花了 22 年
居民工资 1990—2020 30 年累计仅 +6% 薪资购买力停滞
政府债务 / GDP 1990 年 67% 2012 年 237% 公共部门接棒加杠杆
日本 GDP 全球占比 1990 年 18% 今天 <4% 相对衰退
人均 GDP / 美国 1990 年 1.54 倍 今天 0.6 倍 人口结构 + 汇率双重作用

辜朝明测算:股市与地产下跌造成的损失约 1500 万亿日元,相当于三年的 GDP。

4.2 核心机制:资产负债表衰退

这是日本案例对今天最有价值的部分。

在正常年份,企业目标是利润最大化;在资产负债表衰退中,企业目标变成债务最小化。于是:

flowchart LR P["资产价格下跌<br/>地产与股市"] --> B["企业净资产缩水"] B --> D["违约率上升"] D --> L["银行惜贷<br/>信贷锁定"] L --> I["企业停止投资<br/>即使利率为 0"] I --> E["就业与家庭收入承压"] E --> C["居民消费收缩"] C --> D D --> P P --> Z["僵尸企业长期存在<br/>新企业无法进入"]

辜朝明的原话是:

问题的 80% 还是来源于所有人同时开始修复资产负债表。

这句话对今天的中国有直接映射:

  • 居民在还房贷(房贷偿还额从 7 万亿降到 5 万亿)
  • 房企在保交付(竣工 -23.7%)
  • 地方政府在化债(59.24 万亿余额,土地出让收入腰斩)
  • 企业在降杠杆(但非金融企业杠杆仍 179.5%,说明企业还没开始真正修复)

这既是好消息也是坏消息:

  • 坏消息:只要大家还在修复资产负债表,需求就起不来。日本花了 22 年才把企业杠杆从 144.9% 降到 94.4%。
  • 好消息:企业杠杆还在 179.5%,意味着还没修完;一旦进入真正修复期,企业会从「扩产」转向「还债」,同时低利率 + 低通胀会抬高真实债务负担的实际价值,还债动力反而更强。

4.3 辜朝明的「人口论」:中间那 19 年

辜朝明在《 Japan’s Great Depression》有一个反直觉的论证:

  • 泡沫破裂:1990 年
  • 人口开始萎缩:2009 年
  • 中间 19 年,正是失去的二十年

也就是说,人口结构不能解释日本的失去的二十年,真正的原因只有一个:资产负债表衰退。人口只是让衰退无法通过人口自然增长被稀释。

辜朝明的核心论点:所有的失败都源于我们相信「因果关系」是稳定的。当因果关系发生改变时,过去的经验就不再适用。

对今天的中国,这句话的含义是:「过去 40 年增长经验」这套因果链(基建 → 地产 → 财政 → 就业 → 消费 → 再投资)已经断了。 在因果链断裂后,继续用旧经验做决策,是最大的风险。

4.4 日本的三个「错过」

错过 时间 代价
互联网 1990 年代 大量传统企业(制造业银行)因无法转型而崩溃,僵尸企业固化
移动互联网 2000 年代 制造业与服务业数字化转型滞后
AI 2010 年代至今 在「失去的二十年」里失去的不是窗口期,而是组织能力——当增长停止时,组织会先失去冒险的勇气

最后一条对数据库公司尤其重要:周期下行期,公司会本能地砍掉「创新投入」,因为它的 ROI 最难证明。结果是衰退期反而是技术差距拉大最快的时期——因为领先者还在投。

4.5 一个容易被忽略的数字

日本居民 30 年工资累计只增长 6%。

这个数字是整篇文章的支点。它说明:

在长期低增长环境中,普通劳动者的收入曲线是平的。抗周期能力不来自薪水,来自资产结构、现金流安全垫和不可替代性。


第 5 章 核心判断:不是大萧条,而是三层撕裂

5.1 先给结论

我不认为中国正在经历 1929 式的大萧条,也还没进入 1990 式日本的长期资产负债表衰退的尾声。更准确的定位是:

中国正处在「1970 年代滞胀」与「1997—1998 年亚洲金融危机」的复合体上,叠加了一层 2021 年后从未在发达经济体出现过的「地产—土地财政断链」。

三者的合成:

参照 特征 中国的对应
1970s 滞胀 增长停滞 + 通胀上行 + 政策两难 GDP 下台阶到 4.x%,PPI 却转正 +2.3%,CPI +0.9%
1997 亚洲金融危机 企业与政府高杠杆 + 银行体系脆弱 + 外需依赖 非金融企业杠杆 179.5%、地方债 59.24 万亿、出口占比高
2021 后中国特有 地产与土地财政同时失速 开发投资 -19.9%、土地出让较峰值腰斩

5.2 「三层撕裂」模型

flowchart TB subgraph L1["第一层:高端制造与出口 —— 仍在扩张"] A1["高技术制造业增加值 +13.3%"] A2["对规上工业增长贡献率 47.9%"] A3["出口 +16.4%,机电产品占比超 60%"] A4["制造业增加值占 GDP 25.7%"] end subgraph L2["第二层:传统产业与地产 —— 仍在收缩"] B1["房地产开发投资 -19.9%"] B2["固定资产投资 -4.2%"] B3["土地出让收入较峰值腰斩后再降 30%"] B4["新开工 -24.8%,竣工 -23.7%"] end subgraph L3["第三层:居民与企业资产负债表 —— 停止扩张"] C1["居民贷款同比首现负增长"] C2["社融增量同比 -35.3%"] C3["非金融企业杠杆 179.5%"] C4["产能利用率 73.0%"] end L1 --> D{"三层撕裂"} L2 --> D L3 --> D D --> E["总量中速增长<br/>但分配极端化"] D --> F["就业弹性断层<br/>高技术制造仅 0.3 至 0.4"] D --> G["宏观数据越好<br/>微观体感越差"]

这个模型解释了三组看似矛盾的现象:

  1. GDP +4.6% 与青年失业率 18.0% 并存 —— 因为增长发生在不需要那么多人的地方。
  2. PPI +2.3% 与社零 +1.1% 并存 —— 上游涨价吃掉中下游毛利,终端却提不动价。
  3. M1 +4.1% 与社融增量 -35.3% 并存 —— 钱在账上,但没有信用扩张。

5.3 K 型分化:理解一切的钥匙

把社会切成两块:

高端制造 / 出口 / AI 相关 地产链 / 传统零售 / 低端服务
增长 高技术制造 +13.3%,出口 +16.4% 地产投资 -19.9%,固投 -4.2%
就业吸纳 弹性 0.3—0.4 弹性 0.7—0.8(正在消失)
利润 规上工业利润 +15.7%,集中在上游与高技术 中下游被上游成本挤压
融资 政策与资本市场倾斜 信用收缩,社融增量 -35.3%
家庭体感 收入分化,中位数增速连续三年慢于平均数 收入停滞、房贷占收入比高

K 型分化的关键在于:分叉的两侧不是「好」和「坏」,而是「增长的承载能力不同」。 上侧创造 GDP 的能力在增强,但它吸纳就业、拉动内需的能力在减弱。

这是本轮周期与 2008 年最不同的地方:2008 年是「总量下滑 + 普跌」,今天总量还在正增长,因此总量数据完全无法反映普通人的处境。

5.4 概率判断(不是单点预测)

情景 概率区间 特征 对数据库行业的影响
A. 分化延续(基准) 55%—65% GDP 维持 4.0%—4.5%,PPI 温和正增长,失业率结构性高企 存量替换为主,价格战加剧,头部集中
B. 二次探底 20%—30% 地产投资继续深跌,信用收缩扩散,GDP 跌破 4% IT 预算腰斩,数据库项目大面积延期,头部出清加速
C. 强刺激反转 10%—15% 财政大规模扩张 + 地产企稳 增量市场重启,但会加剧本已过剩的产能竞争

世界银行预测 2026 / 2027 / 2028 年中国增速为 4.4% / 4.3% / 4.2%,与基准情景一致。

5.5 我的判断怎么被证伪

按第 1.4 节的方法论,明确列出反面证据:

如果出现 说明我错了
16—24 岁失业率连续两个季度回落至 13% 以下 撕裂在收敛,不是扩大
民间投资与制造业投资转正,且高技术制造就业弹性升至 0.6 以上 增长开始真正传导到就业
社融增量同比转正并持续 3 个季度以上 信用扩张重启,资产负债表修复提前结束
居民短贷与中长贷同步转正 居民预期修复,超额储蓄开始回流
PPI 转正但下游工业企业利润同步改善 不是「上游涨价挤压」,而是需求端全面回暖

只要这五条中有三条不成立,我就必须修正判断。


第 6 章 传导到数据库行业:蛋糕还在长,分的人从 292 变 167

6.1 宏观如何传导到数据库采购

flowchart TB M["宏观压力<br/>客户预算收紧"] --> N1["需求形态变化"] M --> N2["采购形态变化"] M --> N3["技术形态变化"] N1 --> N1a["从新建系统转向存量优化"] N1 --> N1b["从功能清单转向 TCO 与运维复杂度"] N2 --> N2a["POC 周期拉长 决策链变短"] N2 --> N2b["价格战加剧 毛利承压"] N3 --> N3a["信创适配成为入场券"] N3 --> N3b["AI 能力成为新分水岭"] N1a --> R["行业结果"] N1b --> R N2a --> R N2b --> R N3a --> R N3b --> R R --> R1["蛋糕变大<br/>CAGR 13.06%"] R --> R2["分的人变少<br/>产品数 292 降至 167"] R --> R3["增量叙事失效<br/>存量替换成为主战场"]

6.2 蛋糕还在长

据中国信通院数据:

指标 数值
2025 年中国数据库市场规模 94.9 亿美元,约 678 亿元
占全球数据库市场比重 7.2%
2028 年预计规模 979.74 亿元
2025—2028 CAGR 13.06%
2025 年公有云数据库规模 442.65 亿元,占 65.3%
2026 年公有云占比预计 66.2%
信创产业 2026 年规模 2.65—3.21 万亿元
信创人才缺口 超过 200 万

结论一:数据库行业不是一个萎缩的行业。 一个 13% 复合增速的行业,在宏观下行期反而可能因为「国产替代 + 云化」双重需求而跑赢 GDP。

6.3 但分蛋糕的人从 292 变 167

这是本文对行业最重要的一条判断:

国产数据库产品数从 292 款的峰值收缩到 167 款,超过四成的产品已经退出市场。

同期:

  • 全球数据库产品提供商 394 家,中美两国合计 150 / 94 家
  • 国产数据库市占率在不同口径下分别为 26.89%、突破 50%,本地部署细分达 71%
  • 关系型国产份额:达梦 13.2%、人大金仓 11.5%、OceanBase 10.8%
  • 分布式事务数据库:OceanBase 20.2%、阿里云 17.9%、腾讯云 16.5%、华为云 14.3%,Top5 占 82.5%

头部与尾部的财务表现已经分化:

公司 2026H1 表现
达梦数据 营收 7.13 亿元,+36.27%
电科金仓 营收 1.80 亿元,净利 751.77 万元(微利)
中尾部厂商 亏损收窄,但尚未形成规模盈利

这组数字的含义:行业总盘子还在长,但长的是头部,长尾在死。四成产品退出不是「行业衰退」,而是行业在完成一次供给侧出清。

对我个人的直接含义:如果我在一家尾部公司做内核,那么「公司活下来」本身就是最大的风险;如果我在头部或接近头部的公司,机会来自「客户从长尾迁移过来」。

6.4 客户的选择标准变了

企业选型正在从「看价格」转向看 TCO(总拥有成本)、运维复杂度与业务连续性。

这不是偏好,而是必然:

  • 需求萎缩 → 采购方必须为「买错了」付更多代价 → 更看重决策正确性
  • 运维人力昂贵且不可裁(裁员成本高) → 自动化程度与故障自愈能力权重上升
  • 业务连续性要求提高 → 数据兼容性与迁移风险权重上升

信创适配的经济账也变了:单客户适配成本 80—200 万元、周期 3—6 个月。对客户来说,这是必须付的门票,不是可选项。

6.5 FinOps:一条正在形成的预算线

Gartner 在 2026 年 9 月的判断值得完整引用其方向:

优化成本应聚焦于「为增长提供资金」,而不是无差别削减;目标是找到 5%—15% 的可寻址年度软件支出。

与之对应的行业数据:

现象 数据
云支出浪费在过度配置与闲置资源上 30%—35%
Savings Plans / 预留实例可优化幅度 10%—30%
Right-sizing 可优化幅度 10%—25%
组织技术债显著上升的比例 McKinsey:60%
遗留系统造成的年损失(单组织) 3.7 亿美元

这条预算线的意义:

在增长放缓时,节省下来的每一分钱都可以说成「为增长提供资金」。这是财务总监最愿意批的预算科目,也是数据库厂商在增量市场萎缩后最现实的增长来源。

技术路线上,Strangler Fig(绞杀者模式)渐进式替换正在取代 Big Bang 式整体替换——这直接利好兼容性好、迁移工具链完整的国产数据库。

6.6 技术竞争焦点

层次 内容 状态
基本功 兼容性、性能 已经卷成入场券,只是及格线
真实差距 综合成本 + AI 能力 原生向量检索、库内推理、HTAP 能力
加分项 自治化(自愈、自动调优、无人值守) 与 FinOps 预算线直接对接

内核工程师的机会在这里:AI 能力的底层是执行器、索引、MVCC、存储引擎——这些都是内核活,不是应用层活。

6.7 内核工程师的观测优势

最后回到我的本行。上面所有宏观判断,在生产数据库里都有对应的可观测量:

-- 客户写入量与增长趋势:WAL 速率是业务活动最诚实的投影
SELECT slot_name,
       pg_size_pretty(pg_wal_lsn_diff(pg_current_wal_lsn(), restart_lsn)) AS retained_wal,
       confirmed_flush_lsn,
       write_lag, flush_lag, replay_lag
FROM pg_replication_slots;
-- 客户是否在经历「业务跑不动」的阶段:回滚率上升 = 应用在改逻辑兜底
SELECT datname,
       xact_commit,
       xact_rollback,
       round(100.0 * xact_rollback / NULLIF(xact_commit + xact_rollback, 0), 2) AS rollback_pct,
       deadlocks
FROM pg_stat_database
WHERE datname NOT IN ('template0', 'template1')
ORDER BY xact_commit DESC;
-- 客户是否在放弃治理:死元组占比与膨胀率
SELECT schemaname, relname,
       n_live_tup,
       n_dead_tup,
       round(100.0 * n_dead_tup / NULLIF(n_live_tup + n_dead_tup, 0), 2) AS dead_pct,
       pg_size_pretty(pg_total_relation_size(relid)) AS total_size
FROM pg_stat_user_tables
WHERE n_dead_tup > 10000
ORDER BY pg_total_relation_size(relid) DESC
LIMIT 20;
-- 客户是否在经历 IO 恶化:被迫触发 checkpoint 的比例上升
SELECT datname,
       checkpoints_timed,
       checkpoints_req,
       round(100.0 * checkpoints_req / NULLIF(checkpoints_timed + checkpoints_req, 0), 2) AS req_pct,
       buffer_checkpoint,
       buffers_backend
FROM pg_stat_bgwriter;

这四个查询,是我在客户现场最有说服力的开场白。 它们不讲技术,只讲对方的业务现在痛不痛、成本高不高。

在客户预算收紧的周期里,「能帮客户算出钱」的工程师,比「能帮客户写新功能」的工程师,好卖一百倍。


第 7 章 给公司的八条建议

以下建议的对象是「一家中国数据库产品公司」的董事会与产品线负责人。每条都给出判断依据 → 具体动作 → 可度量指标,避免正确的废话。

7.1 建议一:把销售 KPI 从「签约额」改成「客户 12 个月 TCO 承诺」

判断依据:企业选型标准已从价格转向 TCO、运维复杂度与业务连续性。签约额驱动的销售模式会系统性地把公司带向低毛利、过度承诺、交付期压缩的深渊——而这在收缩期是自杀。

具体动作:

  1. 销售的考核里引入「交付后 12 个月的客户实际 TCO 承诺达成率」,与签约额同权重;
  2. 报价环节强制附带一份《客户 TCO 测算表》(硬件 + 许可 + 人力 + 运维工时 + 迁移成本),由售前与客户共同填写;
  3. 把「替代成本」(客户若不迁移,未来的扩容费、故障损失、人力成本)写进报价单首页,而不是只写折扣。

可度量指标:报价单含 TCO 测算表比例 ≥ 90%;交付后 12 个月实际 TCO 达成率 ≥ 85%;因「承诺过高」导致的续约流失率下降。

7.2 建议二:把「降本增效」从售后工单升级为独立产品线

判断依据:Gartner 明确指出优化成本应「为增长提供资金」;FinOps 相关浪费(过度配置、闲置资源)占云支出的 30%—35%。这是唯一一条在增量市场萎缩时还能增长的收入线。

具体动作:

  1. 成立「成本体检」服务线:交付一份《数据库成本诊断报告》,包含单位事务成本、单位查询成本、单位存储成本、单位运维成本四项基线;
  2. 把体检工具产品化(一条命令跑完、生成可视化对比),这是内核团队的天然优势——我们比任何人都清楚成本花在哪儿;
  3. 定价策略:首次体检免费或低价引流 → 优化方案按节省额分成或打包进订阅。

可度量指标:体检报告交付数;由体检转化成的优化项目金额;老客户续约率中「因成本优化而续约」的比例。

7.3 建议三:把 POC 从「一次性消耗」变成「可复用资产」

判断依据:宏观下行情景 B(概率 20%—30%)下,POC 周期拉长会杀死大量项目。每来一个客户就重写一遍压测脚本,是纯亏损。

具体动作:

  1. 建立标准化压测场景库(电商大促、IoT 高频写入、OLTP 混合负载、批量 ETL、地理空间),每个场景含数据集生成脚本、负载模型、指标采集、判定阈值;
  2. 建立公开可下载的基准报告模板,每个客户的项目自动生成一页「你的负载 vs 行业基线 vs 我们的结果」;
  3. POC 从「定制开发」改成「配置 + 少量适配」,目标:新客户 POC 的适配工作量 ≤ 3 人日。

可度量指标:标准场景复用率 ≥ 70%;POC 平均周期从 X 天压到 X/2;POC → 签约转化率。

7.4 建议四:用「替代成本」定价,而不是用「功能对比」定价

判断依据:292 → 167 的出清说明功能已经严重同质化。在功能可比时,客户必然比价,价格战不可持续。

具体动作:

  1. 销售材料的主线从「我们有多少功能」改成「不迁移你的三年 TCO 是多少」;
  2. 建立迁移成本量化工具:扫描源库的表数量、数据量、存储格式、专有语法、触发器、存储过程、字符集、时区语义,输出迁移工时评估;
  3. 对国产替代项目,把「替换风险」明确标价(风险定价,而不是藏在免费服务里)。

可度量指标:报价单中「替代成本对比」出现率 100%;价格战中成交均价降幅收窄;毛利率环比改善。

7.5 建议五:把「存量替换」当成唯一的增长入口,做深客户覆盖

判断依据:地产投资 -19.9%、固投 -4.2%,新建系统市场在萎缩。但存量市场有多大?2025 年公有云数据库已占 65.3%,传统部署仍占 34.7%,这部分里有大量「License 到期未替换 + 运维成本过高 + 国产化要求」三重驱动。

具体动作:

  1. 建立存量客户地图:每个客户的数据库版本、部署形态、License 到期时间、运维人力投入、痛点排序;
  2. 定义三个进攻剧本:成本剧本(你的 IO 成本还能降 30%)、稳定性剧本(你的备份恢复演练从没做过)、合规剧本(你的库还在老版本,审计过不了);
  3. 把「License 续约前 12 个月」设为销售的强制介入节点——这是存量市场唯一可预测的窗口。

可度量指标:存量客户渗透率(单客户产品数);续约前 12 个月介入率 100%;老客户增购率。

7.6 建议六:把交付与运维成本压下去——这是 FinOps 的公司内部版

判断依据:Gartner 的 5%—15% 可寻址软件支出,对应到我们自己身上就是每个客户的支持成本。中国数据库厂商普遍面临「客户多、单客户支持重」的结构。

具体动作:

  1. 交付标准化:信创适配从 80—200 万 / 3—6 个月,目标是做成模板化适配包,新客户适配 ≤ 2 周;
  2. 运维自动化:巡检、备份校验、慢 SQL 治理、容量预测全部工具化,减少人工介入;
  3. 内部把「单位客户支持工时」纳入研发与支持团队的考核。

可度量指标:单客户年度支持工时下降 30%;适配周期从周级到天级;客服工单密度下降。

7.7 建议七:在 AI 上做「嵌入式」而不是「重构式」

判断依据:数据库行业的 AI 差距已经不在「有没有向量检索」,而在能不能把模型推理放进事务路径。而这件事的底层是内核:执行器扩展、索引、MVCC 可见性、存储引擎、HTAP。

具体动作:

  1. 优先做内核级原生能力:原生向量索引与 ANN 检索、库内函数调用模型、向量与事务表混合查询;
  2. 不做「把数据库改造成 AI 平台」的大重构——那是应用层的事,且会把 167 → 更少的出清再加速一遍;
  3. 把 AI 能力纳入成本效用口径:例如「单位推理成本」「每次检索的 CPU 成本」,让 AI 能力也能被算成钱。

可度量指标:原生向量检索可用性;AI 场景 TCO 对比数据;AI 特性带动的 POC 数量。

7.8 建议八:现金优先于规模,活过冬天比赢在春天重要

判断依据:日本 1990—2010 的教训不是「要保守」,而是「当增长停止时,组织会先失去冒险的勇气,然后失去创新能力」。同时,中国数据库行业正在出清(292 → 167),头部集中的窗口就在未来 2—3 年。

具体动作:

  1. 设现金安全线:经营性现金流可覆盖固定成本 ≥ 12 个月,超过线才谈新投入;
  2. 把「投入」分三类:保命类(收入直接相关)、延命类(降低单位成本)、赌未来类(AI、新架构)。在情景 B 下只保前两类;
  3. 保留研发火种:即使要缩编,也要保住一个能持续输出的内核小组。周期结束时,公司能拿到的市场份额,是低谷期保住的技术能力决定的。

可度量指标:现金可覆盖月数;单位研发投入带来的收入;低谷期核心技术资产(补丁数、上游贡献、新特性)不下降。

7.9 八条建议的一句话汇总

# 建议 对应周期逻辑
1 销售 KPI 改 TCO 从「抢增量」到「守存量」
2 降本增效独立产品线 FinOps 是唯一增长线
3 POC 可复用资产化 缩短周期、降低交付成本
4 替代成本定价 功能同质化后停止价格战
5 存量客户深度覆盖 新建市场萎缩,存量是主战场
6 压交付与运维成本 自己的 FinOps
7 AI 做嵌入式 差距在综合成本 + AI
8 现金优先于规模 活过冬天比赢在春天重要

第 8 章 我自己要怎么做:产品力、销售力、服务力

前面是给公司的。这一章是给自己的,也是全文最实操的部分。

8.1 先认清我的起点

数据库内核高级工程师的典型处境:

优势 劣势
懂系统底层,能定位别人定位不了的问题 离客户远,不知道问题值多少钱
技术深度可迁移到任何数据库产品 深度不等于广度,跨品类可能清零
能做「只有我们能做的深度优化」 深度优化常常无法被客户感知
上游社区影响力可积累 在公司内部可能是「最忙但最不显眼」的人

关键认知:内核工程师的默认路径是「技术越来越深,商业价值越来越远」。必须主动把深度翻译成客户能听懂的价值。

8.2 产品力:把内核理解变成可售卖点

产品力对内核工程师来说,不是「做更多功能」,而是给已有能力找到对的叙事。

我的翻译表(持续增补):

内核机制 技术说法 客户听得懂的说法 对应场景
MVCC 可见性 + n_dead_tup 死元组需要 VACUUM 回收,长事务会阻塞清理 「你的表为什么越跑越大、查询越跑越慢」 表膨胀、索引膨胀、IO 上升
ReorderBuffer 的 stream 模式 大事务超过内存阈值时进入磁盘重排 「你的复制延迟为什么只在每天业务高峰炸一次」 复制延迟、备库积压、RPO 告警
WAL / Checkpoint 机制 checkpoints_req 上升代表 checkpoint 被 IO 压力挤占 「你的 IO 抖动不是磁盘坏了,是 checkpoint 在跟你抢」 IO 毛刺、写入延迟
逻辑复制的 slot 与保留量 未被消费完的 WAL 会一直占着磁盘 「你的备库删不掉,是被复制槽卡住了」 磁盘满、备库不可删
分区表与 DDL 锁 高并发 DDL 会等待锁并阻塞读写 「你的发布为什么每次都要停机十分钟」 发布窗口、在线 DDL
统计信息与执行计划 统计信息陈旧导致计划跳变 「你的 SQL 昨天还好好的,今天突然全表扫」 计划突变、抖动

这个翻译表的本质,是把「机制」翻译成「钱」。 例如最后一条,客户听到的不是「统计信息」,而是「昨晚那条慢 SQL 今天早上把 CPU 打满了,扩容花了 3 万块」。

产品力 = 机制 → 症状 → 成本 → 方案 的翻译链条完整度。

8.3 销售力:内核工程师最缺的三样东西

内核工程师通常有技术表达力,但缺:

缺什么 具体表现 怎么补
讲价值 讲「我实现了什么」而不是「你省了什么」 每个技术点强制加一句「所以你能少花 X」
算钱 说不清省多少 学会用「单位事务成本 / 每万元硬件承载 QPS」说话
做 POC 实验室里很行,客户环境跑不通 主动参与客户 POC,把实验室环境搬到现场

具体训练方法(可执行):

  1. 每周一次「价值翻译」练习:从本周的代码提交里挑 1 个技术点,写成「客户痛点 → 你的能力 → 量化收益」三句话,发到团队 wiki;
  2. 建立个人案例库:每个现场问题记录「现象 / 根因 / 定位过程 / 解决方案 / 量化收益」,一年后这就是可对外销售的案例集;
  3. 强制参与 POC:把「进客户现场做 POC」写进年度目标,而不是只写「提交 patch」;
  4. 学习财务语言:至少能说清「TCO」「单位事务成本」「ROI 回收期」「CapEx 与 OpEx」四个词在客户财务总监那里的含义。

8.4 服务力:从「救火」升级为「诊断」

服务力的本质不是响应速度,是客户对你的依赖形态。

服务形态 客户关系 可替代性 收入属性
救火型(出问题我来修) 项目制 高(换一个便宜) 一次性收入
交付型(按计划上线) 项目制 中 一次性收入
诊断型(我告诉你哪里有病、怎么治、治完省多少) 顾问制 低 经常性收入
托管型(我替你看着) 运营制 低 经常性收入

内核工程师天然适合做「诊断型」:客户愿意为「准确的根因定位」付费,但不愿意为「响应工单」付高价。

具体动作:建立一份《数据库健康巡检清单》,覆盖八大项:

  1. 容量:表 / 索引膨胀率、分区裁剪率、增长斜率
  2. 事务:长事务分布、冲突率、回滚率
  3. 性能:Top 慢 SQL 的变化趋势、计划跳变次数
  4. 复制:延迟分布、slot 保留量、备库健康
  5. 备份:备份成功率、恢复演练次数、恢复点目标达成率
  6. 安全:权限审计、审计日志覆盖
  7. 版本:版本落后度、已知缺陷暴露面
  8. 成本:单位事务成本、存储成本比、闲置资源

这八项就是我的「产品」。每一项都可以量化成客户省下的钱。

8.5 三力模型

flowchart TB K["内核理解<br/>源码级机制掌握"] --> P["产品力"] K --> S["服务力"] K --> L["销售力"] P --> P1["机制翻译成客户痛点"] P1 --> P2["沉淀为可售卖点与案例"] S --> S1["诊断型服务而非救火"] S1 --> S2["健康巡检清单"] L --> L1["用单位成本而非功能说话"] L1 --> L2["掌握 POC 与 ROI 测算"] P2 --> R["可计价的技术资产"] S2 --> R L2 --> R R --> M["创造收入"] R --> C["提高成本效用"] R --> G["个人议价能力<br/>与行业迁移能力"]

注意最后一条:个人议价能力与行业迁移能力 也是三力的产出物。产品力、销售力、服务力不是公司的资产,首先是我个人的资产。


第 9 章 创造收入与成本效用:把内核理解变成可计价的资产

9.1 先纠正一个概念:收入不只有一种

很多内核工程师把「创造收入」理解为「多卖 license」。这个理解在收缩期是危险的——因为 license 收入是公司的事,不是我的事,且高度依赖销售与市场。

我说的「创造收入」是四层递进:

层级 收入形态 周期敏感度 对我的意义
L1 产品收入 公司卖产品,我拿工资 高 最不稳定,且不由我控制
L2 方案收入 我能独立交付的咨询 / POC / 实施 中 依赖公司平台,但价值由我创造
L3 知识资产收入 文档 / 专栏 / 课程 / 演讲 / 开源 低 一次生产、多次变现,且不依赖单一雇主
L4 议价能力 跳槽溢价 / 行业话语权 / 机会主动权 负相关(经济差时更值钱) 周期越差,稀缺性越值钱

核心判断:L1 随周期剧烈波动,L3 与 L4 与周期弱相关甚至负相关。 一个在收缩期还在做 L3 和 L4 的人,比一个只在 L1 上出力的人,处境好一个量级。

9.2 L3:技术资产的变现路径

内核知识天然适合「一次生产,多次变现」:

flowchart LR A["内核源码研读<br/>每日 1 小时"] --> B["中文技术文章<br/>博客与公众号"] B --> C1["专栏与专栏订阅"] B --> C2["体系化课程<br/>内核源码 36 主题"] B --> C3["技术演讲<br/>QCon / PGConf / 公司内部"] B --> C4["开源贡献<br/>patch 与文档"] C1 --> D["咨询与 POC<br/>时薪或项目费"] C2 --> D C3 --> D C4 --> D C4 --> E["上游 committer 身份<br/>行业议价能力"] D --> F["个人现金流缓冲<br/>与行业迁移能力"] E --> F

具体规划(按优先级):

优先级 动作 判据 周期
P0 保持每月 1 篇源码级文章的产出 已在做(见站内 PostgreSQL 内核系列) 持续
P0 把已有 35+ 篇文档整理成体系化课程 学习路径已成型(见《如何成为资深的 PostgreSQL 内核开发者》) 6 个月
P1 做一个可运行的诊断工具并开源 第 8.4 节的巡检清单可直接产品化 3 个月
P1 争取在公司内部做成本顾问 把 L2 收入搬到公司内部,同时锻炼 L2 立即
P2 参与 PGConf / QCon 等会议 议价能力的最短路径 12 个月
P2 向上游提交 patch 上游身份是行业迁移的硬通货 持续

特别强调「诊断工具开源」这一条:它同时满足 L3(知识资产)、L4(行业话语权)与 L2(咨询引流),而且它是唯一一条既能帮客户省钱、又能给自己加分的路径。

9.3 成本效用:四个可计算的指标

「提高成本效用」如果不落到可计算的指标上,就是口号。我用四个指标定义:

指标 定义 客户视角 提升手段
单位查询成本 每万元硬件成本承载的 QPS / TPS 「同样的机器能多扛多少流量」 执行器优化、索引、并行度、缓存策略
单位事务成本 每万元硬件成本完成的 commit 数 「同样的机器能多跑多少业务」 组提交、WAL 批量、锁优化、MVCC 可见性开销
单位存储成本 每万元存储成本保存的有效数据量 「你的数据每年花多少钱」 TOAST 压缩、列存、分区归档、统计信息治理
单位运维成本 每 TB 数据 / 每万次事务消耗的人工工时 「这个库每年要几个人来管」 自动化巡检、慢 SQL 治理、容量预测、故障自愈

这四个指标是我在客户现场最有杀伤力的语言。 因为它们直接对应客户 CFO 的三个问题:花了多少钱、产出了多少、还要投多少人。

9.4 一个可复用的成本效用测算模板

给客户(也给公司)用的表格骨架:

| 维度 | 现状 | 优化后 | 变化 | 年化影响 |
| --- | --- | --- | --- | --- |
| 硬件规模 | N 台 × M 核 × K GB | N' 台 × M' 核 × K' GB | -30% | 节省 CapEx X 万元 |
| 单位事务成本 | A 元 / 万次事务 | B 元 / 万次事务 | -25% | 年节省 Y 万元 |
| 存储年增 | Z TB / 年 | Z' TB / 年 | -40% | 年节省 W 万元 |
| 人工投入 | P 人月 / 年 | P' 人月 / 年 | -1.5 人月 | 年节省 V 万元 |
| 故障与恢复 | M 次 / 年,平均 N 小时 | M' 次 / 年,N' 小时 | -60% | 减少业务损失 S 万元 |
| **合计** | | | | **年化收益 T 万元,回收期 U 个月** |

关键在于最后一行。 「回收期 U 个月」是唯一能穿透采购决策链的语言——比「性能提升 30%」有用一百倍。

9.5 在公司内部先练这条路径

不要一开始就想着变现,先在公司内部成为「最会算账的内核工程师」:

  1. 主动做成本体检:不等销售叫你,自己对高价值客户跑一遍巡检清单,出报告;
  2. 把体检结果转成销售弹药:报告里的「年化收益 T 万元」直接进报价单;
  3. 跟踪落地效果:跟踪一年,算出「体检 → 续约 / 增购」的转化率。

这一步同时达成三件事:为公司创造可证明的收入、为自己积累可展示的案例、为自己练出 L2 能力。

9.6 上游贡献与「不可替代性」

在周期下行时,公司最先砍的是「看起来不产生收入」的投入——而这往往包含开源贡献与社区影响力。

我的立场:即使在公司层面这种投入被压缩,个人也应该保持最低限度的高质量上游贡献。理由:

  • 上游 committer 身份是行业内最硬的信用背书,它的周期不敏感度最高;
  • 它是「我的知识被外部世界验证」的机制,比公司内部好评更有说服力;
  • 它让我在需要换工作时有主动选择权(对应 docs/life/_index.md 里的「路径 B」)。

第 10 章 作为个人:面对可能的萧条,我要守住的四条防线

前面三章都是「如何创造更多」。这一章是「如何避免归零」。

10.1 日本的教训:工资不是防线

日本居民 30 年工资累计只增长 6%。

这条数据必须反复咀嚼。它意味着在长期低增长中,劳动收入的增长接近于零。因此任何把「薪水会涨」写进长期规划的方案,都是脆弱的。

个人抗周期的能力只有三个来源:

  1. 现金流安全垫(出事时不用在最差的时候做最差的选择)
  2. 不可替代性(收入不完全依赖于单一雇主的景气度)
  3. 资产结构(不对单一资产类别下重注)

这三条构成下面四道防线。

10.2 防线一:现金流安全垫

定义:可立即动用的流动资产 ≥ 6 个月必要开支(必要开支 = 房租房贷 + 饮食 + 通勤 + 保险 + 赡养 + 债务利息 + 基础水电通信,不含任何可选消费)。

层级 门槛 用途
底线 3 个月 勉强维持续命
标准 6 个月 有选择权(可以拒绝bad fit 的机会)
上限期 9—12 个月 周期底部可主动出击(收购资产、换工作、创业试水)

关键纪律:

  • 零高息负债。任何年化 > 6% 的消费贷,优先偿还——它是「用未来的选择权换现在的消费」;
  • 不抵押房产做消费。用杠杆消费是最典型的「把资产负债表交给宏观」;
  • 应急金不追求收益,追求的是「随时能取出来」;
  • 应急金不是投资账户:放在货币基金 / 活期 / 短期存款,不要放在任何有波动、有锁定期的产品里。

当前宏观下这条尤其重要:10 年期国债 1.68%、大额存单 3 个月跌破 1%——现金的机会成本已经降到历史低位,这意味着「持有现金」的相对成本是三十年来最低的。这是防守的黄金窗口。

10.3 防线二:收入韧性

核心问题不是「我的公司好不好」,而是「如果我明天失业,多久能恢复到同等收入」。

四个指标:

指标 目标 检验方法
收入集中度 单一雇主 / 单一客户 ≤ 总收入 60% 算一下自己收入的最大来源占比
技能可迁移度 核心技能在 ≥ 3 家目标公司的 JD 中出现 拿自己的简历去搜 10 个岗位,看命中率
副业/第二收入占比 ≥ 20%(理想 30%) 过去 12 个月非工资收入 ÷ 总收入
被动收入覆盖力 被动收入 ≥ 每月必要开支的 30% 利息 + 租金 + 版税 + 分成

对内核工程师的具体动作:

  1. 保持「内核深度 + 通用工程广度」的双栖:内核深度决定天花板,广度决定地板。PG 内核 + 分布式 + 存储 + 云原生,这四块的组合在数据库厂商、互联网公司、云厂商三类雇主那里都值钱;
  2. 不把技能绑死在单一产品上:懂 PG 内核的人,同时也懂 MySQL、opengauss、TiDB 的价值远大于只懂 PG 的人;
  3. 第二收入从 L3 开始(专栏 / 课程 / 咨询),而不是从「副业项目」开始——前者可复用、可累积、不占用主业时间;
  4. 每季度更新一次「失业演练」:更新简历、投递两个岗位、约一个行业朋友吃饭。定期测试自己能不能被雇佣,是一种低成本的风险对冲。

10.4 防线三:资产防线

三条铁律:

铁律 内容 理由
不加杠杆 不用房贷、杠杆、借贷加仓任何单一资产 杠杆 = 把自己的生存交给宏观与市场情绪
不单一押注 任何单一资产类别不超过家庭净资产的 50% 日本教训:居民 30 年工资涨 6%,靠的是资产结构而非收入
不做看不懂的投资 只投「能用自己的专业判断其价值」的东西 在收缩期,最危险的不是亏钱,是在不懂的东西上亏了还加仓

关于房产的特殊提醒:中国居民家庭净资产中房产占比极高,而当前房地产处在缩表未出清阶段——开发投资 -19.9%、新开工 -24.8%、去化周期约 30 个月、实际房价较峰值约 -23%。

这意味着:个人的家庭资产负债表,正在被动承受宏观下行的全部重量。 具体建议:

  • 不要用个人资产负债表去赌宏观(加杠杆买房、抄底抄到一半被套);
  • 已有房产:降低杠杆率是当前最确定的动作,而不是「等反弹」;
  • 考虑分散:流动性资产 + 长期权益 + 必要时适度配置防御性资产,而不是把 90% 财富锁在一套房产里。

关于「哑铃配置」:一边是随时可用的现金与短债(防守端),一边是长期权益与能力资产(进攻端),中间尽量少。极端时期,中间地带(低流动性、中等收益、需要择时的资产)是最容易被流动性危机杀死的。

10.5 防线四:健康与关系(最被低估的一道)

这一条几乎没人写,但它可能是最重要的:

  • 在收缩期,身体是唯一不能降本增效的资产。加班到 40 岁开始出现不可逆损伤,是职业生涯最贵的错误;
  • 关系是衰退期唯一的零成本融资渠道。Job referral、临时项目、行业引荐,90% 来自弱连接。内推比海投效率高一个量级;
  • 心理状态决定判断质量。长期焦虑会让一个人的判断力显著下降,而衰退期的每一个决策错误的代价都被放大。

具体动作:把「体检、运动、睡眠、社交」当成技术债一样管理——固定频率、可见度、可度量、可延期。

10.6 家庭资产负债表模板

建议自己填一份,每半年更新一次:

## 家庭资产负债表(YYYY-MM)

### 资产
| 类别 | 金额 | 占比 | 流动性 | 备注 |
| --- | --- | --- | --- | --- |
| 现金与货币基金 | | | 高 | 应急金 |
| 存款与短债 | | | 高 | |
| 权益类资产 | | | 中 | |
| 自住房产 | | | 极低 | |
| 其他 | | | | |

### 负债
| 类别 | 金额 | 利率 | 月供 | 剩余年限 |
| --- | --- | --- | --- | --- |
| 房贷 | | | | |
| 车贷 | | | | |
| 消费贷 | | | | |
| 其他 | | | | |

### 关键指标
- 流动资产 / 月必要开支 = ____ 月(目标 ≥ 6)
- 净负债率 = (负债 - 流动资产) / 净资产 = ____ %(目标 < 30%)
- 房产占净资产比 = ____ %(建议 < 60%)
- 被动收入 / 月必要开支 = ____ %(目标 ≥ 30%)
- 单一雇主收入占比 = ____ %(目标 < 60%)

10.7 行动清单

30 天内

  • 算清「月必要开支」,确定 6 个月安全垫的目标金额与当前缺口
  • 列出所有负债,标出年化利率 > 6% 的部分,制定还款顺序
  • 计算收入集中度(最大单一来源占比)
  • 补齐家庭资产负债表模板的第一版
  • 建立 8 项数据库健康巡检清单的文档骨架

90 天内

  • 产出 2 篇「机制 → 症状 → 成本 → 方案」的价值翻译文章
  • 完成一次公司内部客户成本体检,并出一份报告
  • 上线一个可运行的开源诊断工具(哪怕只是几个 pg_stat 查询的封装)
  • 更新简历并投递 2 个岗位做「失业演练」
  • 体检一次,并把运动与睡眠纳入固定日程

12 个月内

  • 把已有内核文档整理成体系化课程大纲
  • 至少 1 次公开技术演讲 / 行业分享
  • 至少 1 个上游 patch 被接受
  • 被动收入覆盖月必要开支 30%
  • 家庭资产负债表连续两个季度净负债率 < 30%

第 11 章 指标看板:出现哪些信号时我必须改主意

研判的最大风险不是判断错,而是判断错了却不知道。本章给出可观测、可阈值触发的监控面板。

11.1 宏观指标

# 指标 当前读数 警戒阈值 触发后我的动作
1 16—24 岁(不含在校生)失业率 18.0% 连续 2 季度 > 19% 情景 B 概率上调至 40%,启动现金保全方案
2 社融增量同比 -35.3% 连续 3 季度 < -30% 公司:收紧投入;个人:提前 6 个月储备
3 房地产开发投资累计同比 -19.9% 跌破 -25% 地产链客户项目全部转为「维护级」预算假设
4 固定资产投资累计同比 -4.2% 跌破 -8% 全行业新建预算假设再下调 20%
5 PPI 同比 +2.3% 回落至 0 以下 重新评估「上游挤压中下游」假设,关注通缩风险
6 居民中长期贷款同比 首现负增长 连续 3 季度负增长 居民端需求持续疲弱,降低消费类客户预期
7 产能利用率 73.0% 跌破 71% 制造业客户扩产意愿归零,运维预算优先于新建
8 10 年期国债收益率 1.68% 突破 2.5% 机会成本上升,现金垫改为短债 / 债基配置
9 城镇调查失业率均值 5.2% 突破 5.8% 全面进入收缩情景 B 对策
10 民间投资增速 尚未单独列示 由正转负 确认「预期崩塌」进入第二阶段

11.2 行业指标(数据库 / 企业软件)

# 指标 当前读数 警戒阈值 触发动作
1 国产数据库产品数量 167 款 跌破 130 款 行业出清进入尾声,尾部不可投
2 信创适配平均周期 3—6 个月 拉长至 9 个月以上 交付成本上升,强化模板化适配优先级
3 Top5 分布式事务数据库份额 82.5% 升至 88% 头部优势固化,创业型数据库公司窗口关闭
4 客户 POC 周期 — 平均 > 8 周 第 7.3 条建议升为 P0
5 数据库岗位招聘量 — 同比降幅 > 30% 个人:L3 路径提前启动
6 主流国产数据库厂商毛利率 — 同比下滑 > 5pt 确认价格战失控,公司需调整定价策略

11.3 个人与公司指标

# 指标 目标值 触发动作
1 流动资产 / 月必要开支 ≥ 6 个月 低于 4 个月:停止一切非必要支出
2 单一雇主收入占比 ≤ 60% 超过 70%:启动副业与外部机会
3 被动收入 / 月必要开支 ≥ 30% 低于 15%:L3 内容生产提级为每日任务
4 净负债率 < 30% 超过 40%:优先还贷,暂停新增杠杆
5 房产占净资产比 < 60% 超过 70%:停止加仓,评估置换
6 年度体检完成 每年 1 次 逾期 3 个月:视为防线四失效,立即补做
7 技术文章产出 每月 ≥ 1 篇 连续 2 月断更:L3 路径失效,重新排期
8 客户成本体检报告数 每季度 ≥ 3 份 低于 1 份:销售素材断供,向团队主动申请一线机会

11.4 复盘节奏

频率 动作
每月 更新 11.1 宏观指标(前 4 项即可)与 11.3 个人指标
每季度 全文重读本文,做一次「判断修正」;更新家庭资产负债表
每年 重写第 5 章的概率分布;复核三类参照系是否仍然适用

第 12 章 结语:内核工程师的抗周期能力来自哪里

12.1 三句话总结全文

  1. 对经济:这一轮不是 1929 大萧条,是高技术产业繁荣、传统产业收缩、资产负债表停止扩张的三层撕裂;可迁移的是大萧条的债务—通缩螺旋与日本的资产负债表衰退,不可迁移的是金本位、贸易依赖结构与人口年龄结构。它不会摧毁生产,但会摧毁价格、岗位和阶层的收入预期。

  2. 对行业:数据库行业仍在长(CAGR 13.06%),但分的人从 292 变 167。从「等增量」到「抢存量」,从「拼功能」到「拼 TCO」,从「拼关系」到「拼可验证的成本收益」——这是数据库公司唯一还能赢的方式。

  3. 对自己:内核工程师的抗周期能力来自三样东西——可迁移的底层知识、可计价的诊断能力、低固定成本的个人资产负债表。前两样在职业上,第三样在生活上。两者缺一,都会在下行期被打回原形。

12.2 一个反直觉的结论

写下这些之后,我最想强调的不是「要节约」或「要多元化」,而是:

周期的本质不是消灭人,而是消灭杠杆。

  • 大萧条消灭的是信用的杠杆(银行体系倒闭 → 信用消失);
  • 日本消灭的是资产价格的杠杆(1500 万亿日元的资产缩水 → 债务实际负担上升);
  • 中国这一轮正在消灭的是居民、政府与企业之间错配的杠杆(居民去杠杆、地方政府加杠杆、企业高杠杆未修复)。

任何把自己绑定在杠杆上的人,都会被周期清算:

  • 用房贷加杠杆消费的人,被消费疲软清算;
  • 用股权激励绑定单一公司的人,被行业出清清算;
  • 用「我所在行业很好」定义自己价值的人,被技术断层清算。

而内核工程师有一个天然优势:我们做的是「让别人的系统不要出事」的工作。

经济越差,客户越不敢出事,可靠性的价值就越高。这不是鸡汤,这是资产负债表逻辑:

在收缩期,客户削减的第一项是「增长型支出」(新功能、新系统、新市场),最后削减的是「风险规避型支出」(稳定性、备份、容灾、审计)。因为砍掉增长只是少赚钱,砍掉稳定性是可能死掉。

数据库内核工程师恰好站在「不会被砍」的那一项上。

12.3 最后的三件事

如果只能做三件事,我会做这三件:

  1. 把「机制 → 症状 → 成本 → 方案」的翻译能力练到炉火纯青,并用「单位事务成本 / 单位运维成本」作为唯一的计价语言;
  2. 把 8 项健康巡检清单做成可运行的工具并开源,让它成为我在行业里的名片;
  3. 把家庭流动资产补到 6 个月必要开支,把被动收入做到月必要开支的 30%,把收入集中度降到 60% 以下。

前两件是职业上的不可替代性,第三件是生活上的选择权。

周期不会因为你准备好了就绕开你。它只会因为你准备好了,而不再伤害你。


附录:数据来源与口径说明

数据类别 主要来源 口径与时点
GDP、失业率、CPI、PPI、固投、社零、房地产、产能利用率 国家统计局 2026 年前三季度或 1—8 月累计同比
社融、M1/M2、杠杆率、居民存贷款 中国人民银行 2026Q2 金融资产负债表 / 社融存量与增量
土地出让收入、地方政府债务余额 财政部 2026-07 余额,2026 年 1—7 月土地收入同比
10 年期国债收益率、商业银行净息差、股息率 公开市场数据 2026 年内时点值
居民收入与中位数、人口与灵活就业 公开统计与研究汇总 2025 年及 2026 年初估算
中国数据库市场规模、国产产品数量、公有云占比、厂商份额 中国信通院 2025 年数据 / 2028 年预测
数据库厂商营收与利润 上市公司定期报告 2026H1
Gartner 成本优化建议 Gartner(2026-09) 5%—15% 可寻址软件支出
FinOps 浪费比例、技术债影响 FinOps Foundation、McKinsey 行业横截面
美国失业率、裁员、纽约联储 SCE U.S. BLS、NY Fed、企业公告 2026 年
大萧条数据 NBER、Friedman & Schwartz、historical statistics 1929—1939
日本数据 辜朝明《资产负债表衰退》《大衰退》、日本统计局 1990—2010

免责说明:本文数据取自公开渠道,不同来源的统计口径可能存在差异;概率分布为个人基于上述公开数据的判断,不构成投资建议或任何形式的预测承诺。文中所有关于个人职业与财务的建议,仅供读者参考,具体决策请结合自身实际情况。


文章作者: growdu
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 growdu !
这篇还发到了
今日头条 drafted
  目录