YMatrix 5.0 在最近的 SSB 测试中，性能比 ClickHouse 再快 24%，本文详细解析了这一结果背后的性能优化思路及技术实践要点。

30秒执行摘要：MatrixDB 在小规模、中规模和大规模场景下表现均优于其他时序数据库，多数场景有几十倍性能优势MatrixDB 支持ACID，确保数据不错不重不丢；InfluxDB、TDengine不能确保数据不错不重不丢MatrixDB 在各种规模数据写入时，内存消耗小而且平稳；InfluxDB 占用内存较多；TDengine占用内存最多MatrixDB 支持冷热分级存背景在物联网和实时数仓

MatrtixDB 掀起一股新热潮。

近几年IoT、IIoT、AIoT和智慧城市快速发展，时序数据库成为数据架构技术栈的标配。根据国际知名网站DB-Engines数据，时序数据库在过去24个月内排名高居榜首，且远高于其他类型的数据库，可见业内对时序数据库的迫切需求。然而业内对时序技术的认知还停留在数年前，本文阐述时序数据库的4大误区，希望帮助读者理清来龙去脉和背后原因，以便在业务场景中选择合适的数据平台和技术栈。时序数据是时间序列数据

摘要：智慧工厂场景中，时序数据的高频写入与实时分析对传统数据库提出了严峻挑战。行存写入快但分析效率低，列存分析快但写入性能差。YMatrix 的 MARS3存储引擎创新性地采用行列混存架构，通过先行后列策略实现高效写入与快速分析。

纵观大会两日的议题，无论是关于 Postgres Pro Shardman 的分布式新进展 ，还是针对 On-prem AI-agent 的落地实践，如何在不依赖复杂“外挂”架构的前提下，利用数据库原生内核提升实时响应能力，已成为社区共同关注的演进方向。通过本次交流，YMatrix 不仅展示了其在内核原生流处理的探索成果，更向国际技术社区证明：基于 PostgreSQL 架构，完全可以构建出满足

值得注意的是，此处的 “7 页” 和 “7 个 Chunk” 只是数量上的巧合，Chunk 的边界由解析文本、切片策略和长度设置共同决定。在本文使用的 PostgreSQL 存储路径中，知识对象和关系分别落在 graph_node 与 graph_edge 表中，相关图查询通过 SQL JOIN 和递归 CTE 完成，graph_node 是知识图中的通用节点表，其中既有文档、Chunk 和摘要等

最近两年，围绕 Agent 长期记忆的项目开始集中出现，它们的实现路线各不相同，但都在试图让 Agent 跨越单次会话，保存并利用过去的信息和经历。它将文档、业务数据以及 Agent 运行过程中产生的信息，组织成后续可以检索和使用的记忆，并在每一次模型调用时，为其提供与当前任务相关的上下文。因此，一套真正可用的记忆系统，需要处理信息的筛选、更新与遗忘，也需要明确每条记忆来自哪里、属于谁，以及谁有权

纵观大会两日的议题，无论是关于 Postgres Pro Shardman 的分布式新进展 ，还是针对 On-prem AI-agent 的落地实践，如何在不依赖复杂“外挂”架构的前提下，利用数据库原生内核提升实时响应能力，已成为社区共同关注的演进方向。通过本次交流，YMatrix 不仅展示了其在内核原生流处理的探索成果，更向国际技术社区证明：基于 PostgreSQL 架构，完全可以构建出满足

深度解读 Domino：如何将 WAL 日志转化为强大的实时计算引擎