登录社区云，与社区用户共同成长
邀请您加入社区
OceanBase 进一步通过 LTAP 推动数据库与数据湖的融合，LakeBase 将关系型、JSON、地理空间、文本、图片、视频等不同类型的数据纳入统一的数据基础，并支持混合检索，让 AI 应用能够更直接地访问完整的业务上下文。最直接的答案是：组件数量的大幅减少。16 年的技术积累，让 OceanBase 在原有 TP 与 AP 能力基础上，逐步构建起面向 AI 场景的数据能力体系——通过 A
双方强强联手，联合打造“智慧公积金一体化解决方案”。该方案依托 OceanBase 一体化数据库“一库多能”的特性，为公积金打造覆盖归集、贷款、提取、资金结算全场景的新一代数字化平台，推动行业从“信息化支撑”向“智能化引领”实现升级跨越，助力数字公积金治理能力现代化。从超 700 万缴存职工的信赖，到 99.99% 的高可用承诺，再到面向 AI 的前瞻布局，OceanBase 以“一体化数据库”让
这张凭证的背后，是一场历时一年、覆盖全险种的核心业务系统数智化重构——吉林省社会保险事业管理局借助企业职工基本养老保险全国统筹契机，以 OceanBase 为底座，完成机关事业单位养老保险、企业养老保险、城乡居民养老保险、失业保险、工伤保险、职业年金投资运营、财务系统、公共服务、社银一体化、风控系统、大数据分析及全省定点机构结算等全业务链条的省集中整合。必须打破技术与业务的壁垒，打造一支既精通业务
AI时代数据库的革新：OceanBase湖库一体架构解析 随着AI Agent的普及，传统数据库面临高频调用、多模态数据处理等挑战。OceanBase推出的**"AI湖库"**（Lakebase）通过三层架构实现突破： 存算分离：弹性应对突发负载，降低成本； 多模表：统一管理结构化、非结构化及向量数据，支持混合搜索（关系过滤+向量+全文），性能提升30%； 开放计算：集成SQL、Spark等引擎，
实测数据显示，相较于传统的记忆管理方案，集成 OceanBase Powercontext 后，准确率提升 49%、延迟降低92%，系统的 Token 消耗大幅降低，仅为原有默认方案的 18%。得益于海量业务场景的长期实践，OceanBase 的所有能力模块——无论是核心的 TP 引擎，还是新兴的向量检索，都经过了海量数据与极端复杂场景的反复验证与优化。回望 AI 工程化的发展历程，我们经历了从
Flydb是一款专为信创与多数据库环境设计的轻量级迁移工具，解决了传统工具兼容性问题。采用Apache-2.0开源协议，纯Java8实现且零依赖，深度适配国产信创数据库及主流关系型数据库。项目创新性地结合AI能力，提供AgentSkill技能族支持智能迁移与运维。现已开源并上线GitHub（zzxCoding/Flydb），配套技能可通过SkillHub一键安装，支持版本管理、脚本编写及CI/CD
我看到 OceanBase 这次发布 Lakebase、DataStudio、DataPilot，以及 PowerMem、PowerRAG 之后，我的关注点更偏向业务落地后的数据问题：Agent 进入业务以后，数据从哪里来，怎样保持最新，权限怎样跟着业务变化，非结构化内容怎样和结构化数据一起被检索，评测环境怎样隔离，长期记忆又怎样沉淀下来。
AI正在改变数据的管理范式，Agent进入生产带来的“规模、上下文和进化”等三个关键挑战愈发显著，把AI对数据库的影响拆解来看，数据形态、数据流动、数据交互都在变，但数据库本身的一致性、扩展性、可靠性、实时性这四条底线不可退让。6月29日，OceanBase发布面向AI时代的湖库一体AI数据库，提出以湖库一体为核心架构，将数据湖的开放与海量存储能力、数据库的事务处理与分析能力，以及多模态数据处理能
OceanBase 一直沿着“一体化数据库”的方向演进：从核心交易场景的分布式在线交易，到 Oracle 兼容、HTAP、多模型能力和混合搜索。在刚刚过去的 OceanBase Hours 上，OceanBase 正式发布了湖库一体的 AI 数据库。这不只是负载类型和数据模型的又一次升级，而是一个更根本的变化——数据库的用户变了。AI 数据库不是为了支持图片、PDF 或向量，而是因为数据库第一次迎
基于 51 单片机的电磁感应无线充电系统设计融合了硬件与软件的巧妙配合，通过 51 单片机的精确控制，实现了无线充电过程的智能化管理。虽然这里只是简单地介绍了一些关键部分的设计思路和代码示例，但实际的系统设计可能会更加复杂，需要考虑到效率、稳定性、兼容性等多方面的因素。不过，通过这种初步的探讨，希望能给对无线充电技术感兴趣的朋友们一些启发，大家可以进一步深入研究，说不定就能做出更完善、更实用的无线
当 AI 可以持续生成 Agent，数据基础设施面对的规模问题，也从“一个系统里有多少数据”，变成“需要同时管理多少个独立的数据与记忆空间”。面向海量 Agent，OceanBase 提供统一的数据基础设施：通过逻辑表承载每个 Agent 的独立数据空间，通过记忆能力持续保存、检索和调用上下文、历史事实与经验。OceanBase 正在把同一边界继续扩展到数据、索引和生命周期，让一个 Namespa
但直接相加有个问题：如果向量搜索的分数范围是 0~1，而全文搜索的分数范围是 0~30，那全文搜索的分数天然就压过了向量搜索，即使向量搜索认为某个文档非常相关，也抵不过全文搜索的一个中等分数。需要记住的其实还是这个老生常谈的基础概念：向量搜索负责语义召回，全文搜索负责关键词兜底，标量过滤负责把范围框住，融合算法负责把多路结果排到一张榜单里。OceanBase 混合搜索支持在单条 SQL 中融合向量
新版本将 Builder、Web 应用、工作流、MCP 服务全部纳入同一套管理体系，一套运行包完整承载 Prompt、Sandbox、Skills、文件存储、花名册 Roster 五大模块。本次活动围绕【**推理→Agent 运行时→上下文工程】**完整技术主线展开，4 位行业重磅专家同台分享，50+ 位 AI 架构师、智能体开发者、企业技术负责人到场，围绕企业级智能体工程化、安全治理、底层算力、
如果生产结果、检查结果和判断方向都由同一个 Loop 完成，它很容易同时成为运动员、裁判和记分员。Graph Engineering 要设计的，就是多个 Loop 之间，如何分工、交接、纠偏和停手。最近几天，突然到处都在聊。有人把它说成多 Agent 工作流，有人强调运行时生成任务，也有人讨论“让 Loop 检查 Loop”。。当一个 Loop 装不下执行、检查和方向判断时，工程问题才会从 Loo
信也许多业务最初使用MySQL分库分表方案支撑，在该方案中，以下四个痛点对DBA而言应该并不陌生。**第一，研发效能黑洞，跨库查询与分表治理问题。**我们内部有一套面向研发的自动化平台，但当分表数量较多时，排查问题需要做跨分片聚合查询，往往需要DBA协助，流程比较繁琐。而且，大部分业务代码被迫适配中间件逻辑，严重拖累敏捷迭代的交付节奏。**第二，扩容如履薄冰，极高运维风险。**一方面随着业务持续增
本文系统梳理TiDB与OceanBase两大NewSQL标杆的核心知识体系，涵盖设计理念、分布式架构、事务机制、HTAP原理及能力对比，聚焦Share-Nothing架构、强一致共识（Raft/Paxos）、全局时间戳、MVCC与原生HTAP等关键技术，助力高效选型与深度实践。
但衰减不等于删除，它只是一个持续变化的权重，真正决定一条记忆命运的，是它有没有被再次访问，这跟人脑的工作方式很一致。值得注意的是，LLM 返回的结构化 JSON 中的六维数据实际上并未直接参与最后的权重的计算，在这里让 LLM 返回六维数据只是为了通过 Chain-of-Thought 的结构化分解来辅助 LLM 推理，让最终答案更可靠稳定。初始保留率决定了一条信息在形成瞬间的牢固程度，越重要的信
最后，ScalePQO 为每个模板簇训练一个共享排序模型，在减少模型数量的同时，保留对相似模板的适配能力。更重要的是，IMLane 的解耦调度设计为异构资源的充分利用提供了可能——GPU 、远程服务器、甚至 LLM 推理服务，都可以以Lane为单元被灵活调度，让数据库引擎真正成为 AI 时代的数据处理中心。取而代之的是，IMLane 为 AI 函数维护独立的调度队列。未来，随着 AI 函数在数据分
这一决策的核心考量在于：一体化数据库不是简单的“国产升级”，而是架构重构——无需为不同业务负载部署多套数据库，用性能更优、功能更全、场景融合的一体化数据库，同时完成关键业务负载、实时分析与未来 AI 应用，让技术投入的价值实现最大化。未来，济南轨道交通集团将继续深化与 OceanBase 的合作，探索更多数智化应用场景，以“根自研”技术为基，以一体化能力为翼，推动轨道交通服务迈向更智能、更高效、更
在经过全面的 POC 验证及测试后，OceanBase 很好地解决了当前问题，特别是架构痛点，在承载 MySQL 业务的同时，压缩率及性能上均较原数据库更优，在与研发业务高效协作后，对当前架构进行“大换血”，目前已将原数据库的部分流量切到 OceanBase 进行 POC，运营 B 端已全部走 OceanBase。在保障业务稳定性、可用性前提下，通过切换 OceanBase 来获得性能、成本双重提
OceanBase AI 数据库以湖库一体架构打破数据孤岛，以 HTAP 能力实现实时穿透，以 OceanBase DataStudio 赋能智能数据治理——让央国企收获的不只是一个合规报送平台的数据库，而是一个让 DRP 全域数据流通起来的数智根基，支撑从监管合规到经营决策的全方位数据需求，实现从“被动检查”到“主动治理”的模式跃迁，为央国企在智能经济时代的稳健前行保驾护航。跨周期对比分析：利用
本文揭示了人工梳理数据脱敏策略的三大痛点：隐式敏感数据识别盲区、国产数据库脱敏能力异构性问题，以及合规文档与实际配置脱节。针对这些问题，作者提出基于AI大模型的四层智能脱敏引擎架构：1）元数据智能采样层（获取字段特征与样本数据）；2）大模型智能分析层（识别敏感数据并分级）；3）国产数据库方言翻译层（生成适配不同数据库的脱敏策略）；4）合规文档输出层（自动生成标准化报告）。文中重点展示了元数据采样层
每个子域 Agent 都有自己清晰的边界——数据范围（哪些表、视图、数据源）、Ontology 范围（哪些 Object、Link、Function）、Action 范围（可调哪些查询、分析、执行 Action）、知识范围（文档、SOP、指标解释），以及行为约束（默认只读还是可执行、何时必须人工确认）。典型流程是这样的：用户提出真实业务问题，Agent 用当前空间可用的数据、指标和 SQL 能力完
在经过全面的 POC 验证及测试后，OceanBase 很好地解决了当前问题，特别是架构痛点，在承载 MySQL 业务的同时，压缩率及性能上均较 StarRocks 更优，在与研发业务高效协作后，对当前架构进行“大换血”，目前已将 StarRocks 部分流量切到 OceanBase 进行 POC，运营 B 端已全部走 OceanBase。DBA 报表业务一直基于 MySQL，存在复杂查询耗时长的
这套能力既适合想快速完成 OceanBase 初次部署和连接验证的开发者，也适合需要临时搭建测试环境的工程师、希望向客户或团队演示 OceanBase 能力的技术人员、需要部署 OBProxy、OCP、OMS、OBAgent 等生态组件的团队、需要在开发机上频繁搭建或重建验证环境的技术团队，以及希望将数据库部署和运维流程标准化、自动化的运维团队。你可以让 Qoder 部署 OceanBase，也可
然后按照https://www.oceanbase.com/docs/community-obd-cn-1000000000955369页面里面的操作步骤一步一步的操作就行。在浏览器中访问http://192.168.80.159:8680//192.168.80.159就是本机ip，注意本机要关闭防火墙或开放8680端口。在https://www.oceanbase.com/softwarece
连接 OceanBase 数据库可以通过命令行工具，如 MySQL 客户端或 OBClient。
概述1、手册目的：本手册旨在提供一种系统化的方法论，以便发现和分析慢SQL语句。通过使用ob_tools包，收集和分析在交付期间，应用程序在不同场景下进行压测时所产生的慢SQL语句，从而实现性能调优和优化建议。2、文档内容：本手册包含以下几个主要部分：1. ob_tools包内存储过程和函数介绍：详细介绍ob_tools包中的各个存储过程和函数的功能、使用方法以及参数说明，为读者提供...
本文介绍了在Python中使用OceanBase的SeekDB嵌入式数据库的实践过程。首先通过pip安装了pyseekdb库，安装过程中自动将numpy从2.3.4降级到1.26.4。然后按照官方文档示例代码创建嵌入式连接，建立支持向量嵌入的collection，添加文档数据时会自动下载86MB的ONNX模型文件。在查询数据时发现文档中的属性名"_id"不正确，实际应为&quo
aas原创作者: u_3076999转载于: https://blog.51cto.com/u_3076999...
OceanBase 数据库是一款分布式数据库，由多个物理上分散的数据库单元组成，通过计算机网络将这些数据库单元组成的逻辑上的统一整体，称之为 OceanBase 集群。OceanBase 集群由若干个 Zone 组成，Zone 是一个逻辑概念，是对节点进行管理的容器，一般是具有相似容灾属性的一组节点的组合。从物理层面来讲，一个 Zone 通常是一个独立的物理部署单元，可以是一个数据中心（IDC）或
oceanbase
——oceanbase
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
OceanBase数据库社区
西安城市开发者社区
龙虾开发者社区
CSDN-OPC开发者社区
AI硬件创业社区
深开鸿 技术专区
AI编程社区
