我们将为 TiDB 实现一个用户自定义函数（UDF，User Defined Function）引擎。通过 UDF 用户可以编写复杂的自定义函数执行逻辑，并在数据库上直接进行计算。 我们的 UDF 实现具有以下特性：高性能；沙盒安全，可用于 TiDB Cloud；执行逻辑丰富，甚至支持机器学习、受控的网络访问等；用户可使用多种编程语言（例如自己最熟悉的语言）编写函数逻辑；相同的 UDF 能同时在 TiDB、TiKV 和 TiFlash 上执行，最大化利用分布式资源；相同的 UDF 同时兼容 x86、ARM 等不同平台架构，TiDB Cloud 可以无负担切换到 ARM；为 MySQL 编写的 UDF 可运行在 TiDB 上；符合人行分布式数据库评测标准。

开发一个 Visual Studio Code 插件，极大提升开发者开发和调试 TiDB 项目的体验。

Integrate graph mode in TiDB and make TiDB a hybrid mode distributed database.

本提案提供一套侧重中文技术文档的写作风格检查与自动化管理解决方案，包括： 完整的中文文档写作风格指南： 为文档作者和审校者提供统一的文档写作参考规范中文文档分析工具和中文文档风格检测工具： 可检测存量或增量文档中的风格问题基于 GitHub 的文档管理 bot： 可以自动建立 issue 或 PR 修复存量或增量文档中的风格问题**基于机器学习辅助文档写作：**可以辅助生成具有统一风格的文档可明显降低文档的审查工作量、提高文档整体质量，调动工程师积极参与文档内容建设。 本提案适用于任何需要专业技术文档的项目，具有普及性。

GPU Accelerated TiDB For Analytical Queries Empower TiDB using GPU acceleration techniques to improve performance of CPU-intensive analytical query processing, such as joins, aggregations, etc. Other than scaling out, which TiDB is already capable of, the ability of scaling up by embracing new generation hardware will be extended.

AWS native testing framework TiDB 作为一款云上数据库，其云上特性与云厂商提供的特性息息相关，如何使用领先的云厂商 aws 基础设施对 TiDB 进行全自动化的测试一直是一个难点和重点，这个 hackathon 项目完全使用 aws 的基础设施来进行测试 TiDB, 如 s3 存储备份文件，lambda 来执行具体的测试事项，aws codepipeline 来作为调度执行引擎，cloud watch 观测 TiDB 的表现，并且可以使用 chaos mesh 作为注入等

dynamic copysets proposal： 对于一个分布式存储系统，使用多副本机制可以保证数据的安全性。然而，通常情况下，随着集群规模的增长，绝大部分的数据副本数并不会随之增长。久而久之，就会出现当集群规模成百上千时，挂掉的机器节点数等于或者大于数据的副本数(这个数字通常是 3 )的概率也会随之上升。 对于一个 3副本的集群，当集群发生 3 个节点宕机时，对于不同的调度算法而言，丢失数据的概率与影响范围也是不同的。我们希望通过 dynamic copysets 在该情况发生时，降低丢失数据的概率。

TiBI: 将 Metabase 类似的 BI 分析工具结合到 TiDB 生态中，在 TiDB Dashboard 直接进行展示，为 TiDB 插上 BI 分析的翅膀。既能帮助分析师能基于 TiDB 直接进行数据可视化分析，也能帮助 DBA 直接分析集群状况，如表的数据分布，索引分布等。

为Flink实现更好的TiKV Source、Sink和TiDB Catalog Reader，支持 Snapshot 读取和 Change Log增量读取和 2 Phase Commit 写入。以实现在 TiDB 里快速创建 Materialized View 和在 Flink 里方便编写读写 TiKV 数据的批/流处理任务。