SetrixDB 是一个可嵌入的 Go 集合引擎，针对 uint64 ID 提供精确的成员判断与集合交集运算，核心思路是把集合当作位图、把交集当作 AND 操作。它面向电商筛选、权限检查、反欺诈、RAG 候选预过滤这类场景，数据本身留在原数据库，SetrixDB 作为索引或预过滤器旁路运行。
项目从零实现了最小完美哈希函数（CHD v2）做键生成，在 5000 万键上零冲突，约 4.03 bits/key，查找约 118 ns。位图 AND 内核通过 cgo 走 AVX-512，带运行时指令检测与标量回退，同一二进制可在任意 CPU 上运行。支持分片与集群模式，节点增删只重映射约 1/(N+1) 的 ID。
实测数据（2 vCPU AMD EPYC Zen4，AVX-512，Go 1.22，2026 年 9 月）：
成员判断（100 万键）：SetrixDB 结构占用 0.5 B/key，约 118 ns/次；Go map 为 22.3 B/key、133.3M ops/s；Bloom filter 1.2 B/key、23.6M ops/s，但有 1% 误报。
交集（A=B=100 万）：AVX-512 位图 AND 6 µs，纯 Go 位图 29 µs，Roaring 148 µs（稠密 ID）/523 ms（随机 64 位 ID），排序归并 9.2 ms，hash join 91.6 ms。
真实数据集验证：Online Retail II 上 "UK AND Q4/2011 AND price ≥ 5" 返回 22,701 行、823 µs；Wikipedia 标题（1926 万条）上 "multi-word AND starts with s" 返回 1,408,399 条、9.5 ms；MovieLens 25M 上三组查询结果均与外部 sort+comm 校验一致。
同一 25M ID 宇宙、千万级集合上，排序列表归并 87.7 MB/80.4 ms，稠密位图（AVX-512）2 MB/227 µs，约快 350 倍、小 43 倍。
作者也明确列出了劣势：宇宙空间稀疏或超出内存时不如 Roaring；不支持范围查询、相似度与 join；MPHF 面向静态集合，频繁增删需要重建。当前为 v0.1.0 alpha，已在回环与双机间测试，3 节点集群在云端跑过但未经历多数据中心生产环境。
项目开源，Apache-2.0 许可，代码与可复现基准见 GitHub：GitHub
🔗 原文：点击查看