• OLTP（线上事务处理）与HTAP（线上混合事务与分析）引擎

在单节点架构下，通过共享存储和状态的技术手段，将数据存储到多个节点上以实现拓容和事务处理的单机向上拓展能力。在多节点集群架构上，通过分片的技术手段构建分布式数据库以实现事务处理的集群向外拓展能力，同时通过GTM来进行事务并发的调节和数据读写一致性的控制HTAP引擎则实现了在一份数据上同时进行事务处理和分析处理的能力。

• 多模/多态，OLAP（实时在线分析）的NoSQL / NewSQL数据库系统

面对结构复杂而内容丰富的多模/多态数据，数据库系统需要对这类结构化，半结构化和非结构化数据进行融合分析，整合与清洗;实现结构化的特征提取和处理，需要不断提升的NoSQL / NewSQL以及实时在线分析系统的适用性，性能和效率。

• 数据安全与数据库系统安全

在传统的访问控制，防止SQL注入等基础上，一个核心挑战是如何在不牺牲数据库系统性能的前提下提高系统的安全和数据安全保护能力。数据库系统需要不断提高加密数据查询与更新（利用同态加密等相关技术），不经意随机存取，差分隐私等一系列关键技术在安全性和系统效率之间的平衡能力。安全硬件的快速发展也为发展安全数据库系统带来了新的机遇，例如如何利用英特尔SGX这样的安全硬件来构建新型加密数据库系统。

• 自治化与智能数据库

通过分析系统运行环境状态和日志数据信息，利用机器学习手段建模，来实现动态系统参数调整和系统优化，减少系统DBA的运维成本。在数据库系统查询与分析优化器的关键模块上运用这些技术可以实现从规则优化器和初级的性能优化器向高级的机器学习模型为主的高纬度查询优化器的演变。机器学习技术也可以帮助系统建立更加准确高效的在线预警与实时监测系统，来实现智能的DBA运维管控和资源调配。海量结构化，半结构化与非结构化数据的分析建模则提出了如何建立深度数据分析的智能数据库系统的科研问题。

• 新硬件加速与数据存储

数据库系统需要研发CPU / GPU / FPGA异构计算体系的计算流程，在优化多核高并行的数据查询与分析任务时，必须要考虑系统硬件的体系结构（例如NUMA架构），来减少数据移动并实现数据为中心的查询和分析模式。例如NVM和RDMA课题。

• 数据库核心算法

数据库系统设计中的各个方向和各个层面都会涉及到一些核心的算法挑战，例如并发控制，数据处理，系统调度，近似计算，非结构化数据分析和特征提取等。有效的解决这些问题需要将算法设计思想与数据库系统的系统运行状态和特征有机的结合考虑，这要求数据库系统的核心算法构建不断地接受新挑战和迭代变化的要求。