超融合数据库

任何新的技术路径都需要在产业实践中不断验证与完善。超融合数据库作为一种探索，其发展依赖于产业生态的共同推进。这种面向未来的系统性思考，使本书具备了超越单一技术范畴的价值。

对于正在推进数智化转型的企业而言，本书提供了一个值得深入思考的视角： 如何从“系统叠加”走向“能力融合”，如何从“数据支撑业务”走向“数据滋养智能，智能运营业务”，从而实现A1、数据与流程的协同演进。

——王文京，用友网络科技股份有限公司董事长兼CEO

本书旨在全面介绍超融合数据库的背景、基本原理、核心技术和应用案例。全书包括三部分，第一部分从数据库发展历史的角度讨论超融合数据库出现的必然性；第二部分介绍如何打造超融合数据库，重点介绍超融合数据库的核心技术和实现原理，涉及微内核、一体化、高性能、分布式、易用性等方面；第三部分给出超融合数据库的典型应用案例，包括新能源制造企业的大数据平台、车企的车机信号系统、装备制造业企业的智能平台的超融合改造。最后，对超融合数据库的未来发展进行了展望。本书内容前沿、理论与实践并重，适合作为数据库、大数据等领域研究人员、技术人员的参考书，也适合作为希望进行数字化转型的企业决策者的参考书。

梁敬彬，历任中电福富研究院副理事长、中盾安信研究院副院长、宁德时代技术顾问、点点教育CEO。曾获聘中国电信专家，担任国家“十四五”课题负责人，拥有丰富的数据库领域工程、技术经验。著有《收获，不止Oracle》《收获，不止SQL优化》等技术书籍。除深耕数据库技术外，目前持续探索AI与技术、健康、生活等领域的融合，探索底层逻辑的跨界共鸣。联合发起IFClub技术社区，主理公众号“收获不止数据库”。

姚延栋，现任北京四维纵横数据技术有限公司（YMatrix）创始人兼CEO。毕业于中国科学院软件研究所，师从我国Linux操作系统领域著名专家孙玉芳教授。曾任Greenplum北京研发中心总经理，带领团队历时十余年推动Greenplum的研发和在中国的发展，使其成长为全球领先的分析型数据库产品之一，并创建Greenplum中国开源社区。长期致力于操作系统、存储系统及数据库的研发工作，深耕数据库内核、分布式系统与大数据基础软件领域，推动PostgreSQL与Greenplum在中国的发展与产业化落地。任PostgreSQL中文社区常委、壹零贰肆数字基金会联合发起人。创立YMatrix后，提出“超融合数据库”理念，致力于通过统一的AI数据平台同时支持关系、时序、向量、图、GIS等多种数据模型，推动数据库架构向实时化、一体化与智能化演进。拥有多项云计算、大数据及数据库相关专利，出版《Greenplum：从大数据战略到实现》等专业著作，在数据库内核、实时分析、时序数据管理与AI数据架构领域具有深厚积累与广泛影响力。

推荐序一

推荐序二

前言

第一部分 超融合数据库的出现

第1章 当前数据库应用存在的困难 2

1.1 数据库选型困难 2

1.2 比选型更困难的工作 4

第2章 从数据库发展史中探寻答案 6

2.1 漫谈数据库发展史 6

2.1.1 上古时期 6

2.1.2 工业化时代 6

2.1.3 信息化时代 7

2.1.4 互联网与大数据时代 14

2.1.5 数智化+物联网时代 21

2.2 数据库变革的驱动力 24

2.2.1 系统发展的主要因素 24

2.2.2 数据库发展的原动力 24

2.2.3 数据处理平台的进化 26

第3章 超融合数据库的出现是时代发展的必然 29

3.1 为什么需要超融合数据库 29

3.1.1 数智化+物联网时代数据的特点 29

3.1.2 现代数据库需要具备的能力 30

3.1.3 超融合数据库能不能实现 32

3.2 什么是超融合数据库 34

3.2.1 超融合数据库的定义 34

3.2.2 超融合数据库的边界 35

3.3 超融合数据库的落地 36

3.3.1 复杂数据处理 37

3.3.2 复杂时序分析 37

3.3.3 海量泛物联网设备 37

3.3.4 传统的数仓OLAP 37

3.3.5 新兴的AI大模型应用场景 38

第二部分 打造超融合数据库

第4章 微内核—超融合数据库的桥梁 40

4.1 什么是微内核 40

4.2 实现一库多核 41

4.3 为每个场景实现极限性能 42

4.3.1 微内核的独立性 42

4.3.2 场景的协作性 42

4.3.3 优化器和执行器的完美配合 43

4.3.4 数据存储的统一性 44

4.4 总结、质疑和挑战 44

第5章 一体化—超融合数据库的目标 46

5.1 从数据模型到字段类型的多场景一体化融合 46

5.1.1 在关系数据模型中使用JSON类型 46

5.1.2 在关系数据模型中扩展MXKV2类型 48

5.1.3 在关系数据模型中扩展非结构化数据类型 50

5.1.4 在关系数据模型中扩展向量类型 51

5.1.5 在关系数据模型中扩展GIS类型 52

5.1.6 在关系数据模型中扩展时序类型 56

5.1.7 在关系数据模型中扩展图类型 61

5.1.8 从模型到类型的一体化融合总结 63

5.2 将数据与完备性融为一体的关系模型场景 65

5.2.1 关系模型场景的数据处理方式1—OLTP 65

5.2.2 关系模型场景的数据处理方式2—OLAP 70

5.2.3 OLTP与OLAP的对比 73

5.2.4 OLTP与OLAP的集成及创新 74

5.2.5 总结与展望 75

5.3 将数据与时间融为一体的时序模型场景 76

5.3.1 时序场景的产生 76

5.3.2 时序数据概述 76

5.3.3 时序数据模型 79

5.3.4 时序场景建模的思路 81

5.3.5 时序场景下的数据建模示例 84

5.3.6 时序场景写入特征 95

5.3.7 时序数据库的挑战与发展趋势 97

5.4 将数据与空间融为一体的GIS模型 98

9.1.4 痛点4：成本过高 273

9.2 企业应对痛点的三大利器 274

9.2.1 限制 274

9.2.2 升级 275

9.2.3 拆分 275

9.3 超融合数据库的一站式解决之道 276

9.3.1 才解决旧痛点又遇到新麻烦 276

9.3.2 旧痛点卷土重来的原因剖析 277

9.3.3 超融合数据库解决痛点的方案 278

9.3.4 超融合数据库迁移的三部曲 282

第10章 新能源制造企业大数据平台的超融合之路 284

10.1 企业大数据平台的场景概述 284

10.1.1 从单一生产业务系统说起 284

10.1.2 数据汇聚催生出企业大数据平台 285

10.1.3 企业大数据平台的重要模块与压力 285

10.2 企业大数据平台面临的痛点与挑战 287

10.2.1 痛点与挑战1：性能 287

10.2.2 痛点与挑战2：稳定性 288

10.2.3 痛点与挑战3：功能 289

10.2.4 痛点与挑战4：成本 291

10.3 企业大数据平台的改造及成效 293

10.3.1 提升性能的改造 293

10.3.2 保持稳定性的改造 295

10.3.3 完善功能的改造 296

10.3.4 节约成本的改造 299

10.3.5 企业大数据平台超融合改造总结 300

第11章 某车企的车机信号系统超融合之路 301

11.1 车机信号系统场景概述 301

11.2 车机信号系统面临的痛点与挑战 301

11.2.1 痛点与挑战1：性能 301

11.2.2 痛点与挑战2：稳定性 303

11.2.3 痛点与挑战3：功能 304

11.2.4 痛点与挑战4：成本 306

11.3 车机信号系统的改造及成效 307

11.3.1 提升性能的改造 307

11.3.2 保持稳定性的改造 308

11.3.3 完善功能的改造 308

11.3.4 节约成本的改造 312

11.3.5 车机信号系统的超融合改造总结 312

第12章 某装备制造业企业的智能平台超融合之路 314

12.1 装备制造业企业智能平台场景概述 314

12.2 智能平台面临的痛点与挑战 315

12.2.1 痛点与挑战1：性能 315

12.2.2 痛点与挑战2：稳定性 315

12.2.3 痛点与挑战3：功能 316

12.2.4 痛点与挑战4：成本 317

12.3 智能平台的改造与成效 317

12.3.1 提升性能的改造 317

12.3.2 保持稳定性的改造 318

12.3.3 完善功能的改造 319

12.3.4 节约成本的改造 320

12.3.5 装备智能平台的超融合改造总结 321

第13章 超融合数据库的思考与展望 322

13.1 关于“什么都能做，是否什么都做不好”的讨论 322

13.2 展望 326

附录

附录A 术语表 328

附录B 数据相关概念总结 330