明敏 发自 凹非寺柚木提娜种子

量子位 | 公众号 QbitAI

几个工程师、一个星期，就能作念一个AI Agent应用了。

效力be like——

能意会用户复杂龟龄令，推选允洽条目的奶茶店。

推选两公里内、评分4.5以上、东说念主均耗尽25元以内干净卫生的奶茶店。

要知说念，这背后需要它能分析处理不同模态的数据，比如文本、地舆信息、图像等。

放在往日，构建这样的AI应用需要多个不同的数据库，还需要配备警戒丰富且领域较大团队来管制复杂本事栈。

如今，能如斯猖狂贬责，多亏了背后的一体化数据库OceanBase。

最新发布会上，OceanBase推出首个面向及时候析处理场景的GA版块：4.3.3版块。

不仅推出全新向量检索功能，兑现SQL+AI一体化，还进一步增强多模态数据处理才智。

嗅觉方方面面齐是为AI时期作念好了准备啊。

为啥能这样说？

从最新发布的新才智看起。

首个面向及时候析的GA版块

这次OceanBase 4.3.3中枢升级的才智主要有3方面：

AP场景性能造就多模态数据复古向量检索与索引

最初，OceanBase 4.3.3版块升级了对复杂数据类型处理才智。

新增Array类型，这意味着数据库不错径直存储、查询和操作数组数据。并对Roaringbitmap类型数据的计较性能进行了优化，意味着数据库省略更高效地处理和操作大型辘集数据。

其次，OceanBase 4.3.3在向量和会查询的要道才智上带来造就，推出全新向量检索才智，复古向量数据类型和向量索引，并基于向量索引提供坚硬搜索才智。

用户可通过SQL及Python SDK等步地生动调用OceanBase的向量检索才智。

如今，在通用数据库中集成向量插件还是成为一种趋势，这种步地省略径直复用通用数据已有功能和生态。

OceanBase与蚂麇集团聚会建造了向量索引库，这个索引库还是在蚂麇集团多数业务场景中获取考证（如生物识别、企业里面学问库等），性能教诲。

现场跑分完了自满，该向量库在960维的GIST数据集上阐发出色，在ANN Benmarks测试中性能远超其他算法，名依次一。

迥殊是在 90% 以上的调回率区间，查询性能（QPS）比较此前最优算法 glass 造就 100%，比较基线算法hnswlib造就300%。

草榴电影

该向量引擎深度和会了OceanBase的存储引擎和SQL引擎，兑现SQL+AI一体化。省略在一条SQL语句中兑现标量、向量、空间地舆等夹杂查询。

比如“望小京”demo中，用户给的辅导词为“推选两公里内、评分4.5以上、东说念主均耗尽25元以内干净卫生的奶茶店”。这背后触及到处理文本、图像和地舆位置等不同类型的数据，需要更坚硬的数据分析和查询才智。

临了，OceanBase 4.3.3还针对AP（分析处理）场景进行大幅性能优化，尤其是在海量数据分析时，省略提供更短的反当令间和更高的糊涂才智。

TPC-H 1T场景造就64%TPC-DS 1T场景造就36%ClickBench hot- run造就49%cold-run性能造就149%

同期大幅完善了及时AP功能，包括复古列存副本、示寂视图、外在集成、快速导入导出等。

兑现知足TP和AP负载的物理资源强进犯，可确保系统在处理事务型负载时，不受分析型负载的影响，迥殊是在及时数据分析和决策场景中，省略保抓系统的高性能与泄漏性。

在易用性方面也作念了升级柚木提娜种子，通过提供AP参数版块，用户不错针对不同场景遴荐特定模板，不需要再单独成就参数。并增强了AP场景中对SQL会诊才智的复古。

追溯来看，OceanBase 4.3.3在基础散播式才智上，带来更强性能、向量多模和会、融入AI本事栈。

也就是将AI与数据库进一步和会。

这并不难意会，AI应用/AI Agent大势所在，各样应用智能化升级纠正，底层数据库必须紧随趋势升级。

不外在这之中，OceanBase还反复提到了一个要道词——一体化。

它不仅是OceanBase的本身性情，如今也冉冉成为行业拥抱AI时期的一个优解。

Why？

更快鼓励AI应用大领域落地

关于数据库的发展，行业内冉冉达成一些共鸣。

AI才智大幅造就，导致大家80%以上的非结构化数据被激活，背后的挖掘分析需求井喷，在这一新变化下，数据处理靠近更大领域、更多模态、及时性更强以及数据碎屑和数据孤岛问题。

这些变化给数据库建议了诸多新的发展需求。

最遍及的即是，散播式数据库成为一种大趋势。

华东师范大学数据学院院长、CCF数据库专委会常委钱卫宁建议，互联网时期数据走向了怒放环境，在数据是散播式的时期里，数据库也需如果散播式的。

散播式数据库不错让多台事业器协同功课，完成单台事业器无法处理的任务，尤其是高并发或者大数据量的任务。

除此以外，跟着AI、云计较等本事发展，数据库还呈现出以下性情。

第一，云计较的普及鼓励了云数据库的快速发展。云数据库提供按需膨胀、高可用性和老本效益。

第二，大数据和非结构化数据需求增加，多模态是一种趋势，NoSQL数据库（如MongoDB、Cassandra、Redis、Couchbase）越来越受到接待。NoSQL数据库提供了更好的膨胀性和生动性，适用于存储和处理各式数据类型，如文档、键值对、图数据等。

第三，HTAP数据库成为热门，以致是主流数据库的一项基础才智。这类数据库省略同期处理事务性和分析性职责负载，知足了企业及时数据处理和分析的需求。

第四，开源亦然一大趋势。开源数据库（如PostgreSQL、MySQL、MariaDB）凭借其社区运转的发展模式、坚硬的功能和生动的部署步地，成为企业和建造者的热门遴荐。

不外来到本色落地层面，尽管数据、数据库在变得愈增多元复杂，然而企业用户总如故但愿能只用一套系统来解决不同职责负载。

比如能同期在事务处理（如支付、订单等高频往返场景）和复杂的及时候析查询，这背后需要TP+AP诱导。

以及AI与多模查询才智的和会，如Rockset和Oracle这样的数据库系统通过hybrid search和会查询本事，将SQL查询与向量化查询相诱导，使得数据处理省略同期包含文本、结构化数据和向量数据等不同类型。

方方面面影响下，一体化假想冉冉成为被市集喜欢的阶梯。

以MongoDB和Oracle为代表的数据库厂商正在各自鼓励一体化数据库的发展。国度工业信息安全发展贪图中心等共同编制的《散播式数据库发展趋势贪图禀报》中也默示，散播式数据架构的假想正在走向一体化。

在这之中，OceanBase的一体化理念迥殊清亮。它包括：

一体化居品：多职责负载（TP+AP）、多模（SQL+NoSQL）、向量（SQL+AI）。一体化引擎：一体化存储，一体化事务，一体化SQL。一体化架构：包括单机散播式一体化与多云原生。

OceanBase先容，这种一体化的想路是跟着客户需求赓续发展而来。

最初在底层架构假想上，单机散播式一体化与多云原生并存，不错知足大中小企业的不同需求。OceanBase还是和现在主流云厂商均达成配合，兑现公有云“多云共生”，同期也提供专有云、夹杂云等不同部署环境，保证一致体验。

其次跟着数据库场景赓续变化，从传统场景到泛互联网场景，OceanBase从TP到TP+AP，冉冉走向多职责负载一体化。

比如在第一阶段OLTP+，会理解出山东挪动这类客户的需求，他们主要关怀复杂查询场景，需要增强业务处理效力。

第二阶段理解出了海底捞这类用户的需求。海底捞本来使用两个系统永别处理OLTP和OLAP，这导致OLTP和OLAP之间存在数据蔓延，没法保证数据一致性，还需要两份数据两份老本。OceanBase能将其整合，不仅使全体老本缩短，还能造就蓝本的AP性能。

第三阶段还会理解出及时营销等场景，对及时AP建议更多条目。

以及在本色实行中，OceanBase发现越来越多客户将OceanBase既应用在KV存储场景，也应用在NoSQL场景，或者替换HBase、Redis等。因为OceanBase省略解决各个场景中许多难办问题，比如关于NoSQL而言，最大的挑战在于数据领域，散播式架构不错很好解决数据膨胀的问题。

因此，适合用户需求，OceanBase在赓续增加对多种数据类型的复古，兑现多模一体化。

临了，来到AI时期。“AI for DB，DB for AI”成为共鸣。

AI应用大领域落地的前提是大模子本事省略在百行万企低老本易用。

数据库的发展警戒不错为AI应用实行提供参考。比如在数据库中引入向量插件，兑现SQL+AI，省略大幅简化原有AI本事栈，让打造AI Agent的门槛骤降。

临了追溯来看，以OceanBase为代表的一体化数据库不仅能为企业提供更更好的数据底座，况且方方面面齐知足AI应用发展的需求。它总体呈现出这些性情：

第一，高效的数据处理和分析。

复古HTAP，省略在并吞个系统中同期处理事务性（OLTP）和分析性（OLAP）负载。企业不错及时地对往返数据进行分析，而不需要恭候数据的同步和转化，从而加速决策速率和反当令间。

及时候析，不错在数据生成的同期进行分析，确保数据的时效性，这关于及时推选、风控、监控等AI应用至关病笃。

第二，简化的数据管制。

一体化数据库省略确保数据的一致性和完好性，因为事务处理和分析处理在并吞个系统内完成，幸免了数据同步和迁移经过中可能出现的蔓延和荒诞。

通过将多种数据类型（如相关型数据、文档数据、向量数据等）集成在一个系统中，一体化数据库简化了数据存储和管制。企业不需要爱戴多个数据库系统，减少了数据孤岛问题和运维复杂性。

第三，生动性和膨胀性。

一体化数据库复古多模态数据处理，省略处理和分析结构化、半结构化和非结构化数据。这种生动性使企业不错在一个平台上处理不同类型的数据，知足各式业务需求。

一体化数据库不错在公有云、独到云和腹地数据中心的夹杂环境中部署，复古异构环境下的数据管制和应用。这使企业省略把柄业务需求生动遴荐和休养部署有规划。

第四，简化AI应用构建。

AI应用常常需要进行高效的向量检索和雷同性搜索。一体化数据库通过深度集成向量引擎，复古快速向量化计较和雷同度查询，造就AI应用的性能。

一体化数据库省略将数据存储和AI模子细腻诱导，复古复杂的AI职责负载。这种集成减少了数据传输的蔓延，提高了模子检修和推理的效力。

第五，缩短老本和复杂性。

一体化数据库减少了企业需要爱戴的数据库系统数目，简化了本事栈，缩短了系统集成和运维的复杂性。

通过优化资源哄骗和减少多系统间的数据同步和迁移，一体化数据库缩短了总体领有老本，提高了投资答复率。

AI时期，Data is Power。

李飞飞当初确定作念ImageNet，背后的中枢逻辑就在于，她降服AI更正天下，数据是最浅易最径直的步地。

如今，AI应用落地趋势还是开启。数据动作坐褥因素，在AI时期已是水电般的存在。

而一体化数据库正在为数据更充分生动高效应用提供新想路。

据了解，一体化数据库OceanBase将成为蚂麇集团的AI数据底座，为一系列AI时期新应用“支小宝”、“蚂小财”以及支付宝百宝箱智能体建造平台的数据管制提供复古。

一体化正在成为数据库发展历程中，一个认贼为子的地方。

— 完 —

量子位 QbitAI · 头条号

关怀咱们柚木提娜种子，第一时间获知前沿科技动态