La última edición del boletín de la MariaDB Foundation recoge varios avances relevantes para administradores de servidores, desarrolladores y equipos que integran motores de vectores en sistemas de recuperación aumentada de contexto (RAG). El caso más destacado es la migración de Atarim —una agencia que automatiza la atención y el mantenimiento de sitios web— que ha sustituido Qdrant por MariaDB como almacén vectorial en producción.
Atarim: de Qdrant a MariaDB Vector
Atarim movió embeddings y metadatos a MariaDB 11.8 en Amazon RDS, aprovechando la incorporación de MariaDB Vector en la primera rama LTS que lo incluye. La búsqueda vectorial y el filtrado se ejecutan ahora como consultas SQL sobre una única conexión, lo que simplifica la arquitectura. El equipo define el cambio como cercano a una sustitución directa, aunque señaló diferencias operativas y de rendimiento según la carga y el tipo de consulta.
En búsquedas limitadas por espacio de trabajo (el caso de uso de Atarim), el índice HNSW de MariaDB devolvía vecinos cercanos antes de aplicar filtros, lo que reducía la recall. La solución fue limitar los candidatos con columnas virtuales indexadas y aplicar un cálculo de puntuación exacto después: esto mejoró tanto la precisión como la latencia. Para búsquedas sin filtrado previo, Qdrant siguió siendo más rápido y, en algunos casos, más preciso. Atarim anuncia pruebas futuras a escalas mucho mayores para comparar ambos almacenes.
La migración también permitió medir el coste de vectorizar un sitio WordPress de prueba: en un ejemplo de 95 MB, las entradas y productos añadieron entre decenas y cientos de megas de vectores según la dimensionalidad de embeddings usada.
Optimizer hints en MariaDB Server 13.0
MariaDB Server 13.0 incorpora un conjunto completo de optimizer hints, escritos en comentarios estilo /*+ … */. Las pistas permiten orientar al optimizador sobre el orden de joins, uso de índices, buffers de join, fusión de tablas derivadas, empuje de condiciones, estrategias de subconsulta, MRR, ICP, optimización por rangos, filtrado por rowid y tiempo máximo de ejecución.
MariaDB extiende el enfoque de MySQL en dos aspectos prácticos: la mayoría de las hints pueden incluirse dentro de la definición de una vista y las hints pueden dirigirse a bloques de consulta sin nombre mediante rutas implícitas o explícitas hacia vistas, tablas derivadas, CTEs y subconsultas. Esto facilita aplicar conocimiento del esquema y de la carga a consultas complejas que usan abstracciones como vistas.
Mejora de TLS y perfiles de rendimiento
Un cambio en la configuración de WolfSSL habilita código de números grandes optimizado cuando el compilador soporta enteros de 128 bits; la verificación faltante se añadió y ha mostrado mejoras notables en Apple Silicon (según pruebas internas). La optimización acelera operaciones criptográficas usadas en el establecimiento de conexiones TLS, reduciendo el coste de connect/disconnect en esas plataformas.
Además, el Framework de Automatización de Pruebas (Test Automation Framework, TAF) de la Foundation incorpora ahora perfiles de rendimiento dirigidos: cada perfil cambia un ajuste y ejecuta una carga dimensionada al buffer pool para aislar el impacto de opciones como variantes de binlog, doublewrite de InnoDB, niveles de aislamiento, esquema de logging, thread pool o SSL. La intención es medir el coste de características en hardware real, no ofrecer recomendaciones de ajuste genérico.
Otras novedades: plugins, DuckDB y comunidad
- Trabajo temprano en un catálogo de plugins firmado, instalable desde SQL, que permitiría descubrir y añadir extensiones con señales sobre su nivel de revisión. La funcionalidad está en fase inicial.
- Un motor DuckDB para MariaDB permite delegar consultas analíticas a DuckDB y combinar tablas InnoDB y DuckDB en la misma consulta sin duplicar datos; en una prueba sintética con informes, poner las tablas en DuckDB aceleró la consulta de forma significativa.
- Se celebró el primer meetup online de la Foundation para India y se relatan contribuciones de Google Summer of Code y otros colaboradores jóvenes que ya mejoran consultas de INFORMATION_SCHEMA y la integración con herramientas de desarrollo.
Seguridad y buenas prácticas
En una entrevista, un investigador que ha reportado más de 90 incidencias en conectores MariaDB describió fallos típicos hallados: inyecciones SQL por escapes incorrectos con conjuntos multibyte, credenciales transmitidas en claro durante autenticación, lecturas de tamaños de memoria sin validación y casos donde paquetes manipulados provocaban filtración de filas entre usuarios. Su recomendación para los mantenedores fue buscar patrones similares en todo el código cuando llega un informe; para proyectos, sugiere publicar un SECURITY.md, ofrecer un único canal para reportes y declarar el modelo de amenaza.
Qué cambia y a quién afecta: las mejoras hacen que MariaDB sea una opción más competitiva como almacén vectorial cuando se requiere filtrado complejo integrado con datos relacionales, y ofrecen a administradores opciones nuevas para diagnosticar el coste de características del servidor en hardware propio. Las optimizer hints dan a los desarrolladores más control sobre planes de ejecución en consultas complejas, y la optimización de WolfSSL reduce latencias de TLS en plataformas con compiladores que soportan enteros de 128 bits.
Qué deben hacer administradores y dueños de webs: evaluar si MariaDB Vector cubre sus necesidades de RAG —especialmente si precisan filtros SQL antes del scoring— y planear pruebas de rendimiento a su escala; considerar probar las optimizer hints en consultas problemáticas bajo entornos de ensayo antes de aplicarlas en producción; y, si usan compilaciones en Apple Silicon o similares, comprobar si su binario de MariaDB incorpora la mejora de WolfSSL para aprovechar la aceleración TLS.
Lee también:
- Cómo sustituir servicios gratuitos invasivos por contenedores Docker en tu VPS
- Dokploy lanza v0.31.3 con correcciones de seguridad y mejoras en Traefik y autenticación
Fuente: MariaDB.org




