Dolt：把 Git 的分支、提交、合并搬进 SQL 数据库

Dolt = MySQL 兼容的关系数据库 + 刻进内核的 Git 工作流。代码世界的 branch、commit、diff、merge、log，对数据库表原样适用。它实现了 MySQL 协议，是即插即用的 MySQL 替代品——任何连 MySQL 的应用或工具，不改一行代码就能连上 Dolt。

为什么需要它

两种传统方案都有硬伤：

• 传统关系库（MySQL/PostgreSQL）：有 Schema 约束和强大查询，但变更立即生效且常不可逆——没有内置 diff、没有提交历史（除非自建审计表）、没有干净的回滚；
• 把数据放进 Git（CSV/JSON/YAML）：有版本控制和 PR 流程，但牺牲了全部数据库能力——没有主键、没有类型约束、查询要先解析整个文件；而且 CSV 的 diff 是行级的，难审查、易冲突。

Dolt 两头都要：完整 SQL 能力 + 内置 Git 工作流。

底层原理：Prolly Tree

传统数据库用 B-Tree，为读写优化，没考虑版本化。Dolt 用 Prolly Tree（概率 B-Tree）：内容寻址、不可变的数据结构，每个节点由内容哈希标识。

数据变化时，Dolt 不修改旧树——只为变化的数据创建新的父节点链，未变的节点直接复用指针。所以一次 commit 只存增量数据和新指针：无论库有多大，分支、diff、提交都近乎瞬时。这也是两个版本间 diff 能做到单元格级的原因。

上手流程

mkdir dolt-tutorial && cd dolt-tutorial
dolt init            # 生成 .dolt 目录（历史、配置、元数据）
dolt sql             # 进入交互式 SQL shell

CREATE TABLE employees (
  id INT NOT NULL,
  name VARCHAR(255),
  title VARCHAR(255),
  PRIMARY KEY (id)
);
INSERT INTO employees VALUES
  (1, 'Alice Johnson', 'Software Engineer'),
  (2, 'Bob Williams', 'Product Manager'),
  (3, 'Charlie Brown', 'Data Analyst');

UPDATE employees SET title = 'Senior Data Analyst' WHERE id = 3;

退出 shell 后，用 Git 的方式管理变更：

dolt status                        # 哪些表有改动
dolt diff                          # 单元格级结构化 diff：哪行哪列变了
dolt add employees
dolt commit -m "Promote Charlie Brown to Senior Data Analyst"

分支与合并：

dolt checkout -b add-feature-flags
dolt sql -q "CREATE TABLE feature_flags (flag_name VARCHAR(100) PRIMARY KEY, is_enabled BOOLEAN);"
dolt sql -q "INSERT INTO feature_flags VALUES ('new-dashboard', false);"
dolt add feature_flags && dolt commit -m "add feature flags"
dolt checkout main
dolt merge add-feature-flags       # 冲突会像 Git 一样报出来

审计日志：dolt log 查看提交历史，任何时候都能 dolt checkout <commit> 回到历史快照——误删数据？回滚就是一次 checkout。

两种用法：CLI 工具或 MySQL Server

• CLI 模式：像 Git 管理代码库一样管理数据文件，适合数据工程、离线数据集版本化；
• Server 模式：dolt sql-server 启动一个兼容 MySQL 协议的服务，现有应用的连接串改个端口就接上了。配套的 DoltHub 则扮演 GitHub 的角色：托管数据库仓库、Pull Request 式数据评审。

典型适用场景

• 数据集版本化：ML 训练数据、参考数据集的分支管理与评审；
• 配置与主数据：功能开关、价格表、规则库——变更可评审、可回滚；
• 审计刚需场景：金融、医疗数据的每一次变更天然留痕；
• 数据协作：多人通过分支并行改数据，合并时单元格级冲突检测。

不适合：纯高频 OLTP 写入主库（版本化有额外存储开销）；不需要任何历史追溯的缓存型数据。

观测云对照

把 Dolt 跑成 MySQL Server 后，观测云 DataKit 的 MySQL 集成可以直接采集它的连接、查询、慢 SQL 等指标（协议兼容带来的红利）；配合监控器对慢查询和连接数设告警，把它当成一个普通 MySQL 来运维观测即可。 1 2

常见问题（FAQ）

Q：Dolt 性能和普通 MySQL 比如何？
读性能接近；写路径因为要维护 Prolly Tree 版本结构，吞吐低于原生 MySQL。它解决的是"版本化"问题，不是"更快的 MySQL"。

Q：数据量大了之后历史会不会把磁盘吃光？
Prolly Tree 只存增量，但历史毕竟累积。Dolt 提供垃圾回收机制清理不再引用的旧版本，可按需执行。

Q：Merge 冲突怎么处理？
和 Git 类似：合并时冲突会被标记，由人介入选择保留哪边（单元格粒度），处理完提交合并结果。

Q：能替代 Flyway/Liquibase 这类迁移工具吗？
定位不同。迁移工具管 Schema 演进脚本，Dolt 管数据与 Schema 的版本历史。用 Dolt 时 Schema 变更本身就是 commit 的一部分，两者可互补。

参考资料

• 观测云 MySQL 指标采集
• 观测云监控器与告警