MatrixOne v2.0.0 release note

79、昇腾系列服务器/昇腾系列推理卡/昇腾系列嵌入式开发板+Dify+one api部署DeepSeek-R1-Distill-Qwen-32BW8A8+RAG本地模型知识库和负载均衡双实例 阶段,安装过程缺什么,,在docker外面git下源码,进入容器内部进行量化,这里的容器建议在创建个8卡的容器,双卡容器量化会显示npu显存不够,除非你用cpu转模型,我就懒得创建容器了,使用cpu量化吧,巨慢;创建容器,进入容器,计划使用两张昇腾NPU卡推理DeepSeek-R1-Distill-Qwen-32B的W8A8模型,所以构建的容器用两张卡,选6、7卡吧,0-6号卡可以跑文本嵌入模型、重排序模型;直接进入量化阶段,在容器外面操作即可,环境不用管,因为系统已经默认配置了环境,直接跳到。 阅读详情

我们非常高兴地宣布 MatrixOne 内核 v2.0.0 版本于 2024 年 10 月 31 日正式发布!

MatrixOne 是一款AI驱动的云原生超融合数据库,采用存算分离架构并充分利用云上的基础设施,兼容MySQL,并且支持混合负载场景,结合向量数据类型和全文检索,能够高效处理生成式AI 应用的多模态数据查询与管理场景。

MatrixOne v2.0.0 功能概览

MatrixOne 本次迭代对系统在生成式AI应用支持、容灾和稳定性方面做了大幅度提升,重点功能包括:支持对外部存储上的数据访问以及对非结构化数据的访问能力,提供了全文检索能力,提升了向量检索的性能、支持快照备份和基于时间点的数据恢复(PiTR)、CDC 和基于日志复制的主备集群容灾能力,并进一步提升了对 MySQL 的兼容性。随着这些新功能的引入,MatrixOne 正逐步成为企业构建AI驱动的智能数据管理平台的理想选择。

MatrixOne 适用的应用场景

MatrixOne 产品适用于以下应用场景。我们非常欢迎有以下业务痛点及需求的用户与我们联系进行试用测试。

  1. 生成式人工智能场景:MatrixOne 超融合数据库为生成式人工智能(Generative AI)提供了强大的多模态数据支持、实时检索和智能数据处理能力,构成了生成式 AI 应用的核心基础设施。在文本生成、图像生成等多模态场景中,MatrixOne 通过高效的数据管理、向量和混合检索、Python UDF 支持的数据清洗与预处理,以及 GPU 加速的实时推理能力,确保大规模数据集上的快速响应和高质量生成效果。无论是大数据量的访问与存储,还是在线推理和动态反馈,MatrixOne 都能够为生成式 AI 应用提供稳定、低延迟的支撑,帮助企业在 AI 驱动的创新中迅速落地、迭代和优化生成式 AI 应用。
  2. 时序数据应用场景:在现代 IoT 应用中,数以亿计的设备和传感器持续采集和传输数据,包括工业生产线、智能电网、智慧城市基础设施和自动驾驶车辆等,每天产生的实时数据量达 TB 级别。MatrixOne 超融合数据库针对 IoT 场景提供了高效的实时数据处理能力,支持毫秒级的高并发写入和快速检索,并具备优越的扩展性,应对峰值负载。其实时分析功能帮助企业从海量 IoT 数据中快速生成关键洞察,同时与机器学习模型无缝集成,将实时数据流直接引入模型进行预测和异常检测,适用于工业预测性维护、能效优化和智能监控等应用场景,从而全面满足 IoT 应用对高吞吐量、低延迟和智能数据管理的需求。
  3. 混合负载类型应用支持:在企业常用的 OA、ERP、CRM 等业务系统中,随着数据量和业务复杂性的增长,传统单机数据库往往难以满足高峰期的性能需求,尤其在月末、季末等关键时间节点上,通常需要高频分析和实时统计报表来支持决策。许多企业因此配置了独立的分析数据库,或采用分库分表的方式以减轻主库的查询负载。而 MatrixOne 的混合负载支持使企业无需额外系统,即可在单一数据库内同时满足业务和分析需求,通过实时数据分析确保高并发下的快速响应。MatrixOne 的扩展性则允许业务规模的无缝扩容,使得实时查询和统计在大规模数据增长的条件下依旧高效,确保企业在数据决策中的实时性、连续性和高效性,全面提升数据管理的灵活性。
  4. 企业级 SaaS 场景:随着企业级 SaaS 应用的迅猛发展,SaaS 开发必须兼顾多租户模型的需求。传统方案通常在多租户共享数据库实例和单租户独享数据库实例之间选择,但这会在管理成本与租户隔离性上产生矛盾。MatrixOne 天然支持多租户架构,提供租户间负载隔离和独立扩展能力,同时具备统一管理功能。这种架构能够有效降低管理成本,确保数据隔离性,提升运维效率,全面满足 SaaS 应用对成本控制、管理简易度和隔离性的多重需求,使其成为 SaaS 应用的理想数据库选择。

MatrixOne v2.0.0 新特性:

重点新功能
  1. 多模数据管理功能:MatrixOne 支持了通过Stage 对象直接访问数据库外部的对象存储、远程文件系统和本地文件系统的直接访问能力,以及通过datalink 类型直接访问存储系统上的文件的能力。 这种能力对于在生成式AI 应用中,通过MatrixOne 构建数据管道的过程中非常有帮助,能够显著提升应用的开发效率,降低应用的运维成本。
  2. 针对文本或者JSON 类型数据的全文索引:通过为表中的JSON 或者 TEXT 类型的列创建全文索引,可以有效的提升MatrixOne 在AIoT 类型的应用上的性能,结合MatrixOne 的JSON 数据类型,可以进一步降低数据冗余,从而提升MatrixOne 在AIoT 场景中的竞争力。
  3. 向量检索:在这个迭代中,Matrixone 对向量检索功能进行了性能优化,使其能够在大规模的向量数据中能够快速的进行基于向量距离的检索。这种高效的检索能力,对于基于大型语言模型(LLM)和检索增强生成(RAG)技术的生成式人工智能应用尤为关键。
  4. 基于快照的备份和恢复:通过为集群或者租户创建数据快照的方式,能够迅速捕捉数据库在某一时刻的状态,并确保数据在出现故障或紧急情况时能够快速恢复。快照技术对系统性能影响极小,并且能够确保数据的一致性,从而保证数据的完整恢复,同时支持跨租户恢复,提升系统的灾难恢复能力。
  5. 基于日志复制的主备集群容灾:通过日志复制机制,将主数据库的事务日志同步到备库,实现主备集群的高可用和容灾能力。在主库发生故障时,备库能够快速接管业务,确保业务不中断。
  6. 基于时间点的恢复功能:通过记录初始快照后的所有数据改变,该功能允许用户在出现故障、错误操作或数据损坏时,将数据库恢复到某个精确的历史时刻,避免丢失重要信息。与传统的完整备份相比,它大幅减少了备份的存储开销,并提高了恢复效率。此功能为关键业务场景提供了灵活性和安全性,支持快速恢复,满足业务连续性和合规要求。
  7. MatrixOne到MySQL的CDC:通过捕获MatrixOne 数据库上的改变,并实时同步到下游的MySQL当中,从而实现MatrixOne 到MySQL 数据库的数据容灾。在用户从MySQL 数据库迁移到MatrixOne 之后,保留一条容灾链路。
  8. 表级别的发布订阅功能:在之前的迭代中,我们支持了数据库级别的发布订阅,本迭代进一步实现了更精细的表级别发布订阅。当数据发生变更时,表级别发布订阅可以将特定表的数据变更实时同步到订阅者,而不暴露其他表的信息,这相较数据库级别的发布订阅,提供了更高的灵活性和控制。
其他新功能
  1. SQL 语句
    • 支持 rename table
    • 支持 create pitr
    • 支持 drop pitr
    • 支持 alter pitr
    • 支持 restore pitr
    • 支持 show pitrs
    • 优化了 show publications
    • 优化了 show subscriptions
    • load data infile 命令支持按照用户指定的列名顺序加载数据
  1. 数据类型
    • 支持 datalink 数据类型
  1. 索引与约束
    • 增加全文索引 (fulltext Index)
  1. 函数与操作符
    • 支持针对 json 数据类型的json_row, jq, try_jq,json_extract_string,json_extract_float64函数
    • 支持对now() 函数返回的日期进行加法或减法运算
  2. 工具
  3. mo-backup:支持管理pitr任务
  4. mo_cdc:支持管理cdc任务
  1. MySQL 兼容性
    • 支持在 Select 语句的 where 条件中进行字符串的大小写不敏感的检索
    • 支持Encode()/Decode()  函数

快速开始

社区用户及企业开发者都可以通过以下命令一键部署 MatrixOne 进行试用。

docker pull matrixorigin/matrixone:2.0.0

本文档网站也提供详细的架构说明、安装指南和开发教程,帮助您探索 MatrixOne 的能力。

此外,我们的 GitHub 网站和社区微信群欢迎您提问、讨论或反馈。

Known Issues

  1. 目前主备集群的容灾方案中,备集群不支持同步外部表、stage 中的数据。
  2. 目前主备集群的容灾方案中,备集群仅支持冷备份,不能以只读方式打开。
  3. CDC 仅支持表级别的数据同步。
  4. 快照备份目前仅支持集群和租户级别的备份,但可恢复至集群、租户、数据库或表级别。
  5. 快照和 PITR 备份无法恢复已被删除的租户数据。

详细更新日志

https://github.com/matrixorigin/matrixone/compare/1.2-dev...main

brother的PT-9800PCN标签打印机二次开发 本来想通过esc/p指令打印标签,但是无奈能找到的资料太少,而且打电话给客服,也没有sample可以提供参考,后来客服说使用template功能的话,打印很方便。于是下载手册学习了一下, 先下载P-touch Editor软件,制作标签模板。 制作的模板就是普通的标签,不需要连接数据库之类的,模板里有3个object,分别是文本1,文本2,条形码3。这个很关键,后面的代码传送数据,就是按这... 阅读详情

相关推荐

PCIe设备内存访问实战:从ioremap到DMA映射的完整流程解析

本文深入解析了PCIe设备内存访问的完整流程,涵盖从CPU通过ioremap访问设备寄存器,到设备通过DMA映射高效读写主机内存的核心机制。详细探讨了虚拟地址、物理地址与总线地址的转换关系,对比了一致性与流式DMA映射的适用场景及同步要点,并阐述了IOMMU在安全与效率中的作用,为驱动开发者提供了实战代码与关键陷阱分析。

weixin_29201933的博客 507

干货分享 | MatrixOne系统架构

随着数字化转型的深入,数据价值也愈发凸显,数据技术出现了融合的趋势,基于客户的真实痛点,矩阵起源推出了超融合MatrixOne HSTAP数据库。MatrixOne 使数据数据库同时具备 TP、AP和Streaming三种能力,帮助客户彻底打破数据孤岛问题,成为企业智能化核心的数据基础设施。今天的分享将解析新一代超融合异构云原生数据库 MatrixOne 刚刚发布的0.5版本和后续版本的架构设计。

MatrixOrigin的博客 898

时间序列学习(4):平稳性检验(单位根检验、ADF检验)

时间序列学习(4):平稳性检验(单位根检验、ADF检验)1、单位根检验2、ADF检验3、指数走势的检验4、对数收益率序列检验 相关图可以大致判断序列是否平稳。但是,这毕竟不是严格的。 这篇笔记来就谈一谈平稳性的检验。 到目前为止,我们有了以下的时间序列模型: 白噪声; 随机游走; AR模型; MA模型; ARMA模型。 我们知道白噪声、MA模型一定是平稳的(这里的平稳都是弱平稳);随机游走一定是不平稳的;ARMA模型取决于其AR部分。 所以唯一需要做平稳性检验的就是AR模型。 1、单位根检验 先来看一阶

lucialucia的博客 7万+

超融合数据库MatrixOne

MatrixOne旨在通过云原生化和存储、计算、事务分离的架构,构建一个强大的HSTAP(Hybrid Streaming Transactional and Analytical Processing)超融合数据引擎。它支持OLTP(在线事务处理)、OLAP(在线分析处理)、流计算等多种业务负载,并兼容公有云、私有云、边缘云等多种部署环境,实现异构基础设施的全面兼容。

xuweilin的博客 840

《AI Agent混沌测试》

在智能体时代,混沌测试正从基础设施的「物理破坏」升级为认知系统的「思维迷宫」,这是一场测试范式的深度进化。将当前时间设为2030年,使"2023年GDP数据"显示为最新。"查看北京\x0d\xa天气" → 解析为两个独立语句。将"高风险投资"权重从0.2改为0.8。将"股票查询"工具ID改为"赌博网站"将"我是金融助手"改为"我是赌博顾问"先存"咖啡过敏",再存"每天喝咖啡"图片显示"晴天"但文本描述"暴雨"天气API返回"台风"(实际晴天)1000元"(实际应为"转账")

fengruxue的专栏 1344

在树莓派上部署训练好的YOLO模型

.pt.模型转换为onnx格式的模型,树莓派上部署模型

pai_da_xing8的博客 3888

部署篇 | MatrixOne与MySQL全面对比

MatrixOne Cloud 是一个全托管云原生数据平台,它提供了 HSTAP 数据库 MatrixOne 的云上服务,极大简化了 MatrixOne 的部署和运维成本。并且,MatrixOne Cloud 所提供的 Serverless 实例支持计算资源的自动弹性伸缩以及按 SQL 用量计费,让我们不需再关注数据库部署运维的复杂性,而可以仅关注业务应用或SQL本身。章节,MatrixOne中的CN节点是无状态的,在K8s中可以根据负载进行任意的弹性扩缩,保证集群持续保持较低的SQL执行耗时。

MatrixOrigin的博客 1266

单细胞实战之亚细胞分群从T/NK至CD4+T细胞——从入门到进阶(中级篇1)

亚细胞分群从T/NK至CD4+T细胞

zfyyzhys的博客 6394

MatrixOne从入门到实践01——初识MatrixOne

介绍MatrixOne的各方面

MatrixOrigin的博客 363

环境配置 |Jupyter lab/Jupyter Notebook 安装与设置

ipynb使用Jupyterlab/Jupyter Notebook 来编写程序时的文件,在使用时,可以现转换为标准的.py的python文件。

weixin_44649780的博客 5775

基于STM32设计的便携式心电信号监测系统_146

基于STM32 设计的便携式心电信号监测系统,采用 PulseSensor 心率传感器进行数据采集,通过 LCD 显示屏显示心电数字数据和采集状态。同时,该系统还采用 HC05 蓝牙模块将实时心电信号数据传输到手机 APP,用户可以在手机 APP 上实时查看采集的数据并绘制心率曲线。此外,STM32 上的按键可以控制心率采集状态,用户登录手机 APP 还可以查看实时心电信号折线图。

1万+

matrixone集群搭建、启停、高可用扩缩容和连接数据库

matrixone数据库安装部署、高可用扩缩容

qyq88888的专栏 3189

QML教程04 - Image:搞定界面上的所有图片

本文是QML教程系列的第四篇,重点讲解Image控件的实战用法。文章从图片显示常见的变形、卡顿等问题入手,详细介绍了Image的核心属性和使用技巧。主要内容包括:图片路径的三种写法(相对路径、qrc资源、网络URL)、最重要的fillMode属性解析(PreserveAspectFit、PreserveAspectCrop、Stretch的适用场景)、性能优化方法(sourceSize设置)、异步加载(asynchronous)以及圆形头像的实现方案。

BenBierBa的博客 1610

MatrixOne从入门到实战04——MatrixOne的连接和建表

前几篇文章,为大家介绍了MatrixOne这个产品,以及编译、部署MatrixOne的服务。本章主要讲述如何使用不同方式连接MatrixOne以及进行表的创建。

MatrixOrigin的博客 1104

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

干货分享 | MatrixOne 如何基于K8S+S3构建HTAP数据库

今天分享的题目是 MatrixOne(以下简称MO) 如何基于 K8S + S3 构建 HTAP 数据库,实际上也可以说是如何面向云来构建一个全新的 HTAP 系统。之所以把 K8S 和 S3 放到标题里,是因为我们认为这是云原生时代对于数据库架构影响最大的两项技术。 接下来的分享分成三部分,首先聊聊我们对云的理解,尤其是云给数据库设计带哪些机遇和挑战;其次描述我们如何面向云的特性,从零开始设计一款全新的 HTAP 数据库;最后,将分享我们的云服务 MatrixOne Cloud 的设计。 云的机遇与挑

MatrixOrigin的博客 1167

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

DTC2024精彩预告 | MatrixOne:超融合数据库新星崛起,掀起全新数据革命

同时,MatrixOne的技术实力也受到了国际权威机构的认可,获得了ISO体系认证与中国信息通信研究院认可,MatrixOne携手深圳智慧城市大数据中心有限公司联合申报的《基于超融合数据库的一站式交通大数据平台》成功入选信通院2023 大数据“星河(Galaxy)”——数据库优秀案例。这不仅有助于提升矩阵起源的技术创新能力,还可以将最前沿的科技成果应用到 MatrixOne 产品研发中,进而打造出一款划时代的超融合数据库产品,引领业界高端数据库技术的发展方向。作为本次峰会的一大亮点,

MatrixOrigin的博客 1054

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

从 0 到 100TB,MatrixOne 助您轻松应对

通过云原生相关的开源组件,如 KEDA,可以感知整个集群的负载。MatrixOne 是一款强大的云原生超融合数据库,具备优秀的流式数据写入和加工能力,同时拥有强大的可扩展性,能适应任意规模的负载和数据量。多租户相关能力是MatrixOne产品的一大亮点,通过数据库内部创建新租户,实现数据空间的隔离,便于 SaaS 应用处理多租户需求。对于 AP 相关的大规模查询,如果缓存或 LogTail 中没有所需数据,系统将直接从 S3 读取,由于AP的操作本身就会读较多数据,因此对S3的读取相对是比较友好的。

MatrixOrigin的博客 1100

MatrixOne 实战系列回顾 | 建模与多租户

本次分享主要介绍MatrixOne建模与多租户相关内容。

MatrixOrigin的博客 367

文字稿 | MatrixOne2.0.0:AI向量与高可用能力的重磅升级MatrixOne 2.0.0 新特性解读

针对这些需求,结合了强大的数据管理能力、检索能力与生成支持能力,为开发者提供了从底层架构到高层应用的一站式解决方案。内置的自动扩展和分布式架构,使其能够动态应对不同规模的负载需求,无论是个人开发者的轻量级应用到企业级的大规模部署,通过一台笔记本,完成了从环境搭建到系统开发的全过程,展现了大模型结合数据库的强大潜力。应用提供了无缝衔接的信息检索,特别是在多模态场景下,能显著提升检索的准确性与生成结果的相关性。向量检索:通过向量数据类型和向量索引,实现高效的向量距离检索,满足大规模数据集的需求。

MatrixOrigin的博客 953

MatrixOne助力一道创新打造高性能智能制造AIOT系统

由于数据分散在MySQL,InfluxDB和MongoDB三个数据库中,人,物料,流程,设备等管理模块的数据都在MySQL中,而设备采集导的数据在InfluxDB中,计算中间结果又在MongoDB中。同时,在整个应用迁移的过程中,MatrixOne本身与MySQL也保持了极高的兼容性,一道可以无缝将MySQL的库表直接通过SQL source导入的方式迁移到MatrixOne,并按照建议将InfluxDB及MongoDB中的时序表及文档结构均顺利迁移至MatrixOne中,整个过程仅花费不到一周时间。

MatrixOrigin的博客 1505

多租户篇 | MatrixOne与MySQL全面对比

但上述的实现方式仅适用于MatrixOne K8s集群部署或云原生的MatrixOne Cloud环境,单机部署时由于只有一个CN节点,多租户就仅有"数据隔离"能力,而无法实现"资源隔离"和"弹性扩缩"效果了。MatrixOne 的多租户模式能够为不同的租户提供独立的数据库实例,并采用逻辑隔离的方式确保各租户数据的安全性和独立性,有效防止数据泄露和篡改的风险。得益于其独特的架构设计,用户可以降低多达70%的硬件和运维成本,增加3-5倍的开发效率,同时更加灵活的响应市场需求变化和更加高效的抓住创新机会。

MatrixOrigin的博客 935

MatrixOne 云原生 HTAP 数据库:架构剖析与技术创新

新架构包含 Computation layer、Transaction layer 等多个层次,支持多种功能,如用于分析、流处理、后台任务等的 CN 节点,以及 DN 节点、Log service、File service 等组件,适配多种存储介质,如 Local Disk、NFS、S3、HDFS 等。MatrixOne 由矩阵起源这家数据库创业公司打造,秉持 “超融合引擎、异构云原生、极致的性能” 理念,旨在打破数据边界,助力企业数字化和智能化转型,其开源特性也为开发者社区提供了广阔的探索空间。

ITPUBD的博客 401

来了来了~MatrixOne技术架构详解来了~

本文将说明MatirxOne每个模块的现状与进展,希望通过技术架构详解,大家对MatrixOne能够有更清楚的了解,同时也欢迎大家贡献代码~

MatrixOrigin的博客 8576

Motion-Matching实战:使用raylib和raygui构建实时动画演示的终极指南 [特殊字符]

想要创建流畅自然的角色动画吗?Motion-Matching技术正是您需要的解决方案!本文将带您深入了解如何利用raylib和raygui构建实时动画演示系统,实现高效的运动匹配算法。无论您是游戏开发者还是动画爱好者,这个完整指南都将为您揭开Motion-Matching的神秘面纱。 ## 什么是Motion-Matching技术?🤔 Motion-Matching是一种先进的角色动画技术,

gitblog_00111的博客 1031

MatrixOne 1.1.0 Release

我们非常高兴地宣布: MatrixOne内核1.1.0版本 正式发布啦!

MatrixOrigin的博客 1166

快速熟悉 MatrixOne 内核前端

过滤条件bind完之后,需要将包含子查询的语句进行拍平,把子查询转换成等价的join语句,因为子查询的执行效率极低,会拖慢整个查询的速度,转换为join可以极大提升系统性能。addBinding方法是将bind完的node中的信息,比如bindingTag,nodeID,表信息(tableName,tableID)以及列信息(colName,colType,是否隐藏)等信息包装成Binding结构添加到ctx中,这样在后续的bind过程中,就可以依据这些binding信息对表名/列名进行解析。

MatrixOrigin的博客 785
上一篇: 矩阵起源 CEO 王龙出席 1024 超互联(苏州)总部节点发布会
下一篇: 【喜报】矩阵起源在2024年中国创新创业大赛斩获多个奖项!
MatrixOrigin
博客等级 码龄5年 708粉丝 230原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值