Jepsen, czyli niezależne laboratorium testujące bazy danych, opublikował analizę ParticleDB i znalazł w niej 96 błędów, od utraty zapisanych danych po zapytania, które zwracają złe wiersze. To ważna lekcja dla każdego, kto wybiera bazę do projektu: hasło „Full ACID” na stronie produktu to dopiero obietnica, a nie dowód.
Co Jepsen znalazł w ParticleDB
Raport Jepsena napisał Kyle Kingsbury, a opłaciła go firma Orkes, twórca bazy. ParticleDB to baza wielomodelowa przeznaczona do zastosowań AI: łączy transakcyjny SQL, magazyn klucz-wartość, wyszukiwanie wektorowe, analitykę na żywo i funkcje użytkownika nazwane Particles. Rozmawia protokołami PostgreSQL i Redis oraz przez własne API gRPC i HTTP2. Orkes zbudował ją dla swojej platformy do orkiestracji procesów Conductor, która wcześniej trzymała dane w Redisie i Postgresie.
Testy objęły wersje od 1.1.4 do 1.1.18.11.rc-22, uruchamiane na pojedynczych węzłach (replikacji nie sprawdzano, bo dostarczone wersje jej nie obsługiwały). Najbardziej zaskakuje to, że większość problemów dawała się odtworzyć na jednym zdrowym węźle, z jednym klientem i bez żadnych symulowanych awarii. Kilka przykładów z raportu:
- warunek
WHERE 4 = 5zwracał wiersz z kluczem głównym 5, - usunięte tabele potrafiły wrócić w zmienionej postaci, a liczba 18,83 wracała jako 19,
- teksty były czasem zwracane jako liczby całkowite,
- wstawienie danych z kolumnami w innej kolejności tworzyło wiersze, których nie dało się odczytać zwykłym zapytaniem,
- w wersjach do 1.1.18.8 nie dało się ustawić nazwy użytkownika dla protokołu Postgres, więc w praktyce działało tylko wyłączenie uwierzytelniania.
Transakcje i trwałość danych
Domyślny tryb transakcji occ, opisywany przez Orkes jako snapshot isolation, w ostatniej testowanej wersji gubił zatwierdzone zapisy podczas zwykłej pracy. Najmocniejszy tryb serializable po zabiciu procesu nadal dopuszczał anomalie, w tym utracone aktualizacje (Lost Update). Symulowane błędy dysku, czyli odczyty i zapisy trafiające w złe miejsce, skończyły się w jednym przypadku utratą wszystkich danych. Strona produktu obiecywała pełne ACID i projekt formalnie udowodniony w języku specyfikacji TLA+, ale Jepsen nie dostał żadnej specyfikacji TLA+ do wglądu.
Rola AI i odpowiedź producenta
Osobna część raportu dotyczy pracy z modelami językowymi. Według Jepsena kilka osób z Orkes zbudowało tak dużą bazę dzięki LLM, ale jakość na tym ucierpiała: narzędzia AI wielokrotnie twierdziły, że błąd jest naprawiony, choć nie był, a zespół zwykle nie umiał wyjaśnić przyczyn usterek. Nowe wersje pojawiały się bez list zmian. Orkes oznaczył później wszystkie testowane wersje jako nieobsługiwane wydania wstępne, chociaż dokumentacja Dockera opisywała je jako gotowe do produkcji.
Firma wydała wersję 1.1.19-rc.13 i twierdzi, że usuwa ona wszystkie opisane problemy. Jepsen jej nie sprawdzał. Jego zalecenie jest jednoznaczne: nie wdrażać dalej ParticleDB, jak najszybciej przejść na inną bazę i zweryfikować dane, odtwarzając je z pewniejszych źródeł, jeśli to możliwe.
Ciekawy jest też sposób testowania. Test nazwany compare losował schematy tabel i zapytania SQL, uruchamiał je jednocześnie w ParticleDB i w PostgreSQL, a potem porównywał wyniki. Około dwóch tysięcy linii takich testów wystarczyło, żeby znaleźć dużą część błędów.
Co to znaczy, jeśli uczysz się programowania
Po pierwsze, warto naprawdę rozumieć, co znaczy ACID i czym różnią się poziomy izolacji transakcji. Snapshot isolation i serializable to nie są ozdobniki z dokumentacji, tylko konkretne gwarancje: czy dwa równoległe zapisy mogą się nawzajem nadpisać, czy odczyt zobaczy dane sprzed chwili. Podstawy transakcji przećwiczysz w naszym kursie SQL, a więcej o dojrzałej bazie, z którą porównywano ParticleDB, przeczytasz w artykule o PostgreSQL.
Po drugie, przy wyborze bazy do projektu lepiej postawić na sprawdzone rozwiązania niż na najnowsze obietnice szybkości. Postgres czy Redis mają za sobą lata testów i tysiące wdrożeń. Ładna strona i obietnica pełnego ACID niczego jeszcze nie dowodzą.
Po trzecie, raport to przestroga dla każdego, kto pisze kod z pomocą AI. Model potrafi z pewnością siebie ogłosić, że błąd jest naprawiony. Twoim zadaniem jest to sprawdzić testem, który wcześniej nie przechodził. Dobrym nawykiem jest też porównywanie wyniku nowego kodu z wynikiem rozwiązania, któremu ufasz, tak jak zrobił to Jepsen z Postgresem. Jeśli chcesz pracować z AI świadomie, zajrzyj do kursu programowania z AI i do tekstu o vibe codingu.
Nie musisz za to znać TLA+ ani testów rozproszonych. Na początek wystarczy SQL, transakcje i nawyk pisania testów.
Krótko: inne wiadomości dnia
- Claude Code 2.1.316. Nowa wersja agenta Anthropic dodaje zmienną
CLAUDE_CODE_SUBAGENT_EFFORT, która ustala poziom wysiłku subagentów, oraz ogłasza wycofanie trybu fast dla Opus 4.8: od 30 listopada 2026 takie zapytania zwrócą błąd, a zamiennikiem jest Opus 5.5. Więcej o modelach w artykule o Claude. Źródło - Prospero, nowy harness do kodowania z AI. Chris Wellons pokazał program w C++ z interfejsem Dear ImGui, który pozwala modelowi czytać pliki i uruchamiać polecenia, zużywając według autora o dwa rzędy wielkości mniej zasobów niż popularne narzędzia. Model podłączasz sam (llama.cpp, OpenRouter, API Anthropic lub OpenAI), wersja Community jest darmowa na GitHubie. Źródło
- Nowe SDK OpenAI dla Pythona i Node.js. Biblioteki openai-python 3.42.0 i openai-node 7.46.0 dodają ustawienia kompaktowania kontekstu agentów, przeglądu sesji i narzędzi agentów oraz eksperymentalną świadomość czasu. Wersja 7.47.0 dla Node.js dokłada typowane rozgrzewanie połączenia WebSocket w Responses API. Źródło
- Electron 45.2.1 i 44.10.1. Wydanie 45.2.1 aktualizuje Chromium do 156.0.8078.75 i przenosi poprawki z Chromium, a 44.10.1 przyspiesza
net.fetch()dla zapytań bez treści i powtarzanych adresówfile:. Źródło - Firezone pokazuje sanstun. To biblioteka w Rust z implementacją protokołu WireGuard w stylu sans-IO, na licencji Apache 2.0, która zastępuje używany przez firmę fork boringtun od Cloudflare. Pierwsza wersja 0.1.0 trafiła na crates.io dzień przed ogłoszeniem. Źródło
Najczęstsze pytania
Czym jest Jepsen?
To niezależny projekt Kyle'a Kingsbury'ego, który testuje bazy danych i systemy rozproszone, szukając miejsc, w których łamią one obiecane gwarancje. Producenci często sami zamawiają takie analizy, tak jak Orkes w tym przypadku. Raporty Jepsena są publiczne i bardzo szczegółowe.
Czy można bezpiecznie używać ParticleDB?
Jepsen zaleca wstrzymanie wdrożeń i migrację na inną bazę. Orkes twierdzi, że wersja 1.1.19-rc.13 usuwa opisane problemy, ale nikt niezależny tego jeszcze nie potwierdził, więc przy ważnych danych lepiej poczekać na kolejne testy.
Co oznacza ACID w bazach danych?
To cztery gwarancje transakcji: atomowość (wszystko albo nic), spójność, izolacja (równoległe transakcje sobie nie przeszkadzają) i trwałość (zatwierdzone dane nie znikają). ParticleDB łamała w testach przede wszystkim izolację i trwałość.
Źródła
- Jepsen: ParticleDB 1.1.4, Jepsen, 31.10.2026
- Claude Code v2.1.316, Anthropic (GitHub), 31.10.2026
- Prospero: a new coding harness for a more civilized age, nullprogram.com, 31.10.2026
- openai-python v3.42.0, OpenAI (GitHub), 31.10.2026
- openai-node v7.46.0, OpenAI (GitHub), 31.10.2026
- Electron v45.2.1, Electron (GitHub), 31.10.2026
- Introducing sanstun, Firezone, 31.10.2026
Artykuł przygotowany z pomocą AI na podstawie źródeł pierwotnych i sprawdzony przez redakcję CodeWorlds.