Oracle11g整库迁移至KaiwuDB

于 2025-07-14 14:57:13 发布
阅读量11 收藏
点赞数
CC 4.0 BY-SA版权
文章标签： 数据库
原文链接：https://www.modb.pro/db/1911612198078656512

作者：董小姐

原文链接：https://www.modb.pro/db/1911612198078656512

迁移需求

应开发要求，将Oracle11g orcl2实例中业务用户portal的数据全部迁移到KaiwuDB中，源库和目标库详细信息如下：

迁移概述
DataXopen是一款广泛使用的离线数据同步工具。KaiwuDB 基于 DataX 开发了数据库迁移工具 KaiwuDB DataX Utils，实现 KaiwuDB（2.0.3 及以上版本）与 MySQL、TDengine、MongoDB、InfluxDB、OpenTSDB、Oracle、PostgreSQL、ClickHouse、KaiwuDB（1.2.x）、KaiwuDB（2.x）等数据库的离线数据同步。

用户通过配置文件设置源数据库和目标数据库的连接、数据迁移等信息。KaiwuDB DataX Utils 自动校验、统计迁移数据并输出迁移报告。在迁移过程中，用户可以查看整体的数据迁移进度。

支持的迁移形式

KaiwuDB DataX Utils 支持以下数据迁移形式：

  • 元数据迁移：无需在目标数据库创建待迁移的表，KaiwuDB DataX Utils 将自动读取源数据库的表结构信息，生成相应的建表语句，并创建符合目标数据库要求的表结构。

  • 元数据和业务数据迁移：在迁移过程中，除了自动创建目标数据库中的表结构，KaiwuDB DataX Utils 还会将源数据库中的业务数据迁移到目标数据库中。

  • 业务数据迁移：用户在目标数据库创建好表结构后，以单表、多表、单库和多库的形式对表内的业务数据进行迁移，其中：

  • 以表的形式迁移数据时，支持全量数据迁移和增量数据迁移。

  • 以库的形式迁移目前只支持将 Oracle11g 数据迁移到 KaiwuDB 的关系库。迁移时，源数据库与目标数据库必须一一对应。

下表列出了 KaiwuDB 支持迁移的异构源数据库和数据迁移方式。

说明

默认情况下，KaiwuDB 1.2.x 允许重复写入数据且不进行去重。KaiwuDB 2.x 对带有相同时间戳的数据整行去重，后写入的数据覆盖已存在的带有相同时间戳的数据。当将数据从 KaiwuDB 1.2.x 迁移到 KaiwuDB 2.x 时，如需保留源数据库中带有相同时间戳的数据，用户可以在目标数据库上运行 SET CLUSTER SETTING ts.dedup.rule = keep; 命令，允许写入带有相同时间戳的数据。keep 取值只适用于 KaiwuDB 2.x 单机部署模式。

数据类型映射

KaiwuDB DataX Utils 支持 DataX 的数据类型。DataX 数据类型与 KaiwuDB 数据类型的映射关系如下表所示：

注意：不支持Oracle中CLOB大字段数据类型的迁移，ERROR: at or near “clob”: syntax error: type does not exist

迁移前准备工作

安装迁移工具

需是Linux 系统环境

安装 openJDK

默认已安装，查看openJDK版本，需1.8 及以上版本， 推荐使用 1.8 版本

[root@localhost ~]# java -version
openjdk version "1.8.0_402"
OpenJDK Runtime Environment Bisheng (build 1.8.0_402-b06)
OpenJDK 64-Bit Server VM Bisheng (build 25.402-b06, mixed mode)

参考链接：https://openjdk.org/install/

安装 Python

默认已安装，查看python版本，需2.x 或 3.x版本

[root@localhost ~]# python -V
Python 2.7.18

Python下载链接：https://www.python.org/downloads/

安装 Maven

查看Maven版本，需3.6 及以上版本

tar -xvf apache-maven-3.9.9-bin.tar.gz -C /usr/local/

echo "PATH=$PATH:/usr/local/apache-maven-3.9.9/bin"  >> /etc/profile
source /etc/profile

mvn -version 或 mvn -v

参考链接：https://maven.apache.org/install.html

Maven下载链接：https://maven.apache.org/download.cgi

安装 DataX 3.0

DataX3.0介绍

DataX 是阿里巴巴集团内被广泛使用的离线数据同步工具/平台，实现包括 MySQL、SQL Server、Oracle、PostgreSQL、HDFS、Hive、HBase、OTS、ODPS 等各种异构数据源之间高效的数据同步功能。

DataX本身作为数据同步框架，将不同数据源的同步抽象为从源头数据源读取数据的Reader插件，以及向目标端写入数据的Writer插件，理论上DataX框架可以支持任意数据源类型的数据同步工作。同时DataX插件体系作为一套生态系统, 每接入一套新数据源该新加入的数据源即可实现和现有的数据源互通。

DataX 安装包中已包含几乎所有已适配数据库的数据读写插件。如果在 DataX 安装包中未找到所需的插件，或版本不兼容，建议从源数据库的官方网站获取适配插件。

将 InfluxDB 的元数据迁移到 KaiwuDB 时，需要使用 KaiwuDB 适配后的 InfluxDB reader 插件。

下载并解压

下载地址：https://datax-opensource.oss-cn-hangzhou.aliyuncs.com/202309/datax.tar.gz

下载后解压至本地某个目录，进入bin目录，即可运行同步作业

mkdir -p /opt/datax

tar -xvf datax.tar.gz -C /opt/datax

echo "$PATH=$PATH:/opt/datax/datax/bin" >> /etc/profile
source /etc/profile

参考链接：https://gitee.com/mirrors/DataX/blob/master/userGuid.md

下载KaiwuDB_datax插件

下载地址：https://gitee.com/kwdb/kwdb/releases/tag/V2.2.0

源库准备工作

收集源库信息

--查看PORTAL用户数据量
select round(sum(bytes) / 1024 / 1024 / 1024, 2) || 'G'
  from dba_segments
 where owner in ('PORTAL') ;

 ROUND(SUM(BYTES)/1024/1024/1024,2)||'G'
4.96G

生成源库PORTAl用户表结构脚本

用navicate工具连接导出

目标库准备工作

创建数据库

--root用户连接 KaiwuDB
kwbase sql --insecure --host=192.168.19.115

--创建数据库
create database orcl2;

--创建普通用户
create user portal;
grant admin to portal;

--root用户退出登录
\q

--portal用户登录orcl2数据库
kwbase sql --insecure --host=192.168.19.115 -u portal -d orcl2

执行表结构脚本

将源库导出的表结构文件在KaiwuDB中执行进行创建对象，因为将Oracle迁移到KaiwuDB过程中不支持在线创建表。

注意类型转换：

注意：不支持Oracle中CLOB大字段数据类型的迁移，ERROR: at or near “clob”: syntax error: type does not exist

部分SQL转换整理

数据类型转换

函数转换

*Oracle11g 迁移到 KaiwuDB过程

源数据库是 Oracle11g、PostgreSQL、TDengine 或 InfluxDB 且目标数据库是 KaiwuDB，用户可以使用迁移工具迁移表数据，需要提前在KaiwuDB中创建目标表。

上传并解压KaiwuDB DataX 插件包

解压缩 KaiwuDB DataX 插件包，将解压后的 kaiwudbwriter 复制到 datax/plugin/writer 目录。

unzip KaiwuDB_datax-2.2.0.zip 
cp -r kaiwudbwriter /opt/datax/datax/plugin/writer/

创建 .yml 格式的迁移配置文件

创建 .yml 格式的迁移配置文件，配置元数据、源数据库和目标数据库。有关配置参数的详细信息，参见配置参数。

[root@localhost datax]# cat Oracle11g2kaiwudb.yml
metadata:
  enable: true               # 启用元数据迁移
  engine-type: RELATIONAL    # 引擎类型为关系引擎
  auto-ddl: true             # 自动创建表
  primary-key: true          # 启用主键迁移
  constraint: true           # 启用约束迁移
  comment: true              # 启用注释迁移
  index: true                # 启用索引迁移
  view: true                 # 启用视图迁移
data:
  enable: true               # 启用业务数据迁移
  batchSize: 1000            # 每批次迁移 1000 条数据
  setting:
    speed:
      channel: 1             # 设置通道数为 1
    errorLimit:
      percentage: 0.02       # 允许错误数据的比例为 2%
  core:
    transport:
      channel:
        speed:
          byte: 1048576      # 每个通道的传输速率为 1 MB
          record: 1000       # 每个通道每批次传输 1000 条记录
source:
  type: ORACLE                # 源数据库类型是 MySQL
  url: jdbc:oracle://192.168.3.112:1521/orcl2?useSSL=false&useUnicode=true&characterEncoding=utf8  # Oracle 连接 URL
  username: portal # Oracle 数据库用户名
  password: oracle # Oracle 数据库密码
  databases:
    - name: orcl2 # 源数据库名
target:
  type: KAIWUDB              # 目标数据库是 KaiwuDB
  url: jdbc:kaiwudb://192.168.40.115:26257/orcl2 # KaiwuDB 连接 URL
  username: root       # KaiwuDB 数据库用户名
  password: 61608Hhd820.       # KaiwuDB 数据库密码
  databases:
    - name: orcl2 # 目标数据库名

开始迁移业务数据

在 kaiwudb-datax-utils-2.2.0.jar 所在目录，执行以下命令，开始迁移表元数据和业务数据。有关迁移命令支持的所有参数，参见迁移命令参数。

注意：默认会迁移到public模式下。

nohup java -jar -DyamlPath=/opt/datax/Oracle11g2kaiwudb.yml -DdataxPath=/opt/datax/datax -Dpython=python kaiwudb-datax-utils-2.2.0.jar &

查看迁移过程日志：

2025-04-14 09:58:53 INFO  c.k.migration.KaiwuDBApplication - Initialize heterogeneous database migration tool.
2025-04-14 09:58:53 INFO  c.k.migration.utils.YamlParseHelper - config file: /opt/datax/Oracle11g2kaiwudb.yml
2025-04-14 09:58:56 ERROR com.kaiwudb.migration.utils.DBHelper - 读取源端数据库表和列名信息异常: java.sql.SQLSyntaxErrorException: ORA-00933: SQL 命令未正确结束

https://docs.oracle.com/error-help/db/ora-00933/
2025-04-14 10:00:02 INFO  c.kaiwudb.migration.utils.CmdHelper - 执行命令成功: [python, /opt/datax/datax/bin/datax.py, /opt/datax/datax/job/ORACLE2KAIWUDB_2132013066775.json]
2025-04-14 10:01:06 INFO  c.kaiwudb.migration.utils.CmdHelper - 执行命令成功: [python, /opt/datax/datax/bin/datax.py, /opt/datax/datax/job/ORACLE2KAIWUDB_2132039748050.json]
......
......
2025-04-14 22:40:11 INFO  c.kaiwudb.migration.utils.CmdHelper - 执行命令成功: [python, /opt/datax/datax/bin/datax.py, /opt/datax/datax/job/ORACLE2KAIWUDB_3091725577061.json]
2025-04-14 22:40:11 INFO  c.k.m.s.impl.MigrationServiceImpl - 生成DataX迁移脚本，并执行脚本完成数据迁移同步，迁移报告路径为：/opt/datax/datax/log/迁移报告_20252240114917000277.pdf.

由于目前没有这种类似排除某张表或者某些表、数据类型映射的参数，Oracle迁移到KWDB的配置文件参数不完善，所以日志中有提示读取源端数据库表和列名信息异常，应该是不支持数据类型的提示，比如大字段。所以整库同步前需要将大字段的表整理出来，迁移完成后不在目标端对这些表进行校验或将这些表删除即不迁移这些表。新版本可能会更加完善，使用更加便捷。

注意事项

源数据库是 MySQL、PostgreSQL、TDengine 或 InfluxDB 且目标数据库是 KaiwuDB，用户可以使用迁移工具迁移表结构数据，无需提前创建目标表。

目标数据库的库名必须与源数据库的库名相同。

如果登录 KaiwuDB 数据库的用户为 admin 用户或 admin 角色的成员，则无需提前建库，KaiwuDB 将自动创建与源数据库同名的数据库。

迁移任务目录：-dataxPath启动参数指定目录下的job目录，以.json为后缀

迁移日志路径：-dataxPath启动参数指定目录下的log目录，以日期生成独立目录

迁移报告路径：-dataxPath启动参数指定，该迁移案例中迁移报告文件路径/opt/datax/datax/log/迁移报告_20250409144917000877.pdf

如果要避免内存溢出或增加datax内存提高迁移速度，可更改conf中的core.json中的jvm参数

{
    "entry": {
        "jvm": "-Xms1G -Xmx1G",
        "environment": {}
    },

扩展

配置文件参数

元数据 (metadata)

业务数据 (data)

源数据库（source）

目标数据库（target）

下表列出目标数据库的相关配置参数。

迁移命令参数

从 KaiwuDB 2.2.0 版本开始，迁移命令不再支持 arguments 参数设置。如果需要设置 JVM 参数以增加内存，可以通过修改 DataX 配置文件来实现。

实例

java -jar -DyamlPath=../datax/test/config.yml -DdataxPath=../datax -Dpython=python kaiwudb-datax-utils-2.2.0.jar

参考链接：

https://www.kaiwudb.com/kaiwudb_docs/#/db-migration/migration-senarios/migrate-Oracle11g-to-kaiwudb.html#%E5%8D%95%E5%BA%93%E8%BF%81%E7%A7%BB%E5%85%83%E6%95%B0%E6%8D%AE

博客
MySQL数据库迁移至KWDB的完整实践指南
07-14 10
本次从 MySQL 到 KaiwuDB（KWDB）的数据迁移实践，整体过程平稳高效，充分体现了 KaiwuDB 在异构数据库兼容和性能方面的优势。KaiwuDB 基于 DataX 开发了数据库迁移工具 KaiwuDB DataX Utils，实现 KaiwuDB（2.0.3 及以上版本）与 MySQL、TDengine、MongoDB、InfluxDB、OpenTSDB、Oracle、PostgreSQL、ClickHouse、KaiwuDB（1.2.x）、KaiwuDB（2.x）等数据库的离线数据同步。
博客
Python语言——万数据插入测试
07-11 30
在 Python 实现的万条数据插入测试中，插入 10000 条数据耗时 496.45 秒，相对时间消耗较多，这表明在大规模数据插入场景下，KWDB 对关系型数据的操作性能还有待进一步优化。再后面使用时序型数据库做插入测试，效果为 10000 条数据插入的耗时为 164.43 秒，两者差异相当的明显，看来 KWDN 对时序型数据插入的能力还是相当的可以呢。总体而言，通过本次对 KWDB 的万数据插入测试，深入了解了其在数据插入方面的性能表现和适用场景，为后续的数据库选型优化和应用开发提供了重要参考。
博客
2025 可信数据库大会，KaiwuDB 邀你来赴约！
07-11 21
KaiwuDB 以高性能时序引擎为基础，以核心多模技术实现 AloT 数据库架构创新，并以 Al 加速赋能数据库预测分析及系统自主演进。）与大家近距离交流。此外，我们还精心准备了多款 KaiwuDB 定制周边礼品，只要来到展位参与互动就有机会获得，真诚欢迎各位新老朋友前来 B08 展位打卡交流！很开心将在下周的可信数据库大会和各位见面，本次想和大家聊聊在物联网高速发展引发传统能源设备数据爆炸式增长态势下，如何基于。7 月 17 日上午 10：00-10：20，能源行业数据库应用创新分论坛，我将在。
博客
6 月热搜精选
07-09 457
内蒙古自治区计量测试研究院为落实国家"双碳"战略目标建设碳达峰碳中和在线监测系统，面临多源异构数据整合、实时处理及安全存储等挑战，KaiwuDB 通过分布式多模数据库提供百万级/秒数据写入和毫秒级查询能力，实现电力、钢铁等重点行业及森林、湿地等碳汇领域数据的统一管理，系统稳定运行 6 个月接入千万级设备，不仅解决了省级碳数据分散管理难题，更为碳排放精准计量和碳交易提供了可靠的数据支撑，助力构建完善的碳计量体系。6 月底，中国移动通信联合会公告显示，由中国工业互联网研究院（CAII）牵头研制的团体标准。
博客
KaiwuDB 时序数据库深度解析：在物联网领域实战指南
07-08 60
KaiwuDB 时序数据库为物联网场景提供了高效、稳定、可扩展的数据管理解决方案。通过合理的生命周期配置（如数据保留策略、TTL 控制）、分区策略优化（按时间或设备维度划分）以及存储参数调优（副本数、压缩策略等），能够有效应对海量设备持续写入、高频查询与长期存储的典型挑战。本文介绍的建库建表规范、多租户隔离配置、冷热分层存储、异常处理流程和性能调优实践，已在多个大型物联网项目中落地验证，显著提升了系统的稳定性与资源利用率，同时降低了整体运维与存储成本。
博客
KWDB多模分布式数据库助力共享打印机物联网IoT最佳实践落地，实现高效存储与查询时序数据
07-08 40
那么，今天给大家带来的一款 - KWDB 作为一款面向 AIoT 场景的国产分布式数据库，凭借其高效的时序数据处理能力与多模融合特性，逐渐成为行业关注的焦点。同时，也可以观看以下视屏，可以发现在3台服务器数据同步的过程中，延迟不超过1s，就算略微有一些差异也是在1秒内就能同步完成，基本可以说没有太大的数据延迟的问题，之前用某云时，主从数据库会存在2-3s的延迟，就是先注册马上登陆会提示“用户数据不存在”，只能使用延迟几秒提示“正在登录中”来解决这个问题。
博客
KWDB容器化部署与性能测试
07-07 14
下载完毕后上传到服务器，然后执行 sudo cp -f docker-compose-linux-x86_64 /usr/local/bin/docker-compose。首先需要下载KDC，可以在官方gitee仓库中找到下载地址，https://gitee.com/kwdb/kwdb/releases。所以 1.6 秒其实是“正常”的，尤其是在大批量写入的场景下。https://github.com/docker/compose/tags离线下载docker-compose的包。
博客
使用Docker实现KWDB数据库的快速部署与配置
07-07 40
KWDB 不仅性能稳定、功能丰富，而且具备高度的可操作性和前瞻性，是一款值得深入学习与广泛应用的国产数据库产品。支持在同一个实例中建立时序库和关系库，并统一处理多种类型的数据，具备对海量时序数据的高效读写与分析能力。产品具备高可用、安全稳定、易运维等特性，广泛应用于工业物联网、数字能源、车联网、智慧矿山等多个行业领域，为用户提供一站式数据存储、管理与分析的基础平台。KaiwuDB 作为一款面向 AIoT 场景的国产分布式数据库，凭借其高效的时序数据处理能力与多模融合特性，逐渐成为行业关注的焦点。
博客
老实人做的数据库产品，好像也不“老实” ！
07-03 21
大家都明晰一个IoT类数据最大的问题，就是采样数据的二次落库的问题，有些数据在采集中最终不是必须落库的，而是当发现有这样的数据，直接一级设备就告警了，而告警的数据需要落库，而系统正常的数据是不需要落库的，我们都清楚的另一个问题，工业，农业，民用的这些物联设备值只发送数据，设备本身是不能完全只发送有问题的数据，或者在设备上可以实现，但业务不能允许，长时间都是正常的数据就等于没有数据，系统怎么判断终端设备是正常的，还是出现故障已经不发送数据了。当然TTL的功能也是物联网数据库必备的功能。
博客
Golang 语言连接并操作 KWDB 数据库
07-03 19
Go 语言简洁高效、原生支持并发，能充分利用多核 CPU 资源，面对 KWDB 数据库高并发的数据读写场景，可大幅提升处理效率。在金融领域，能高效处理高频交易数据的实时写入与查询分析，满足低延迟、高吞吐的需求，为相关业务提供强大的技术支撑。从开发环境搭建、引入数据库驱动，到数据的增删查改操作，再到事务处理和性能优化，都将详细讲解。原由：时序数据库中数据与时间戳紧密相关，为了保证时间序列的完整性、存储结构的稳定性以及数据一致性，KWDB 采用先删除再添加的方式进行数据修改。
博客
KWDB数据库高可用方案验证与测试
07-03 40
● 单节点异常情况（非故障）：如果单个节点因网络断开、延迟、操作系统故障、磁盘故障等原因导致节点状态变为异常（is_available 和is_live均为 false），系统会开始迁移该节点的leaseholder，迁移期间数据查询和 DML 操作可能受影响，DDL 操作可能会报错，生命周期会顺延至下一执行周期执行。如果剩余节点数量仍大于副本数，系统自动补足缺失的副本，确保数据的高可用性、副本补足期间，数据查询不受影响，DML操作不受影响，DDL操作可能会报错，副本补足后，DDL操作恢复正常。
博客
KWDB技术架构解析：多模融合、时序引擎与分布式设计的创新实践
07-03 27
KWDB的多模融合架构依靠Outside-In和Inside-Out两种优化方式，根据不同查询选择高效的数据处理路径，并通过特殊操作（如BatchLookupJoin）连接不同数据，从而高效处理AIoT场景下的大量复杂数据查询。数据)，关系型数据(例如数据表格)，非结构化数据(像照片，视频记录等)统一结合到一个大的平台上，让不同的数据能够合理。Inside-Out方式首先处理时序数据，然后再处理关系数据。由以上注释可以知道，KWDB 对时间序列数据使用列式存储格式，这能大大提高分析，存储，查询的性能。
博客
KWDB语法添加指南
07-01 18
为了便于用户可以快速上手开发KWDB项目，本文将指导用户如何动手开发一条新的SQL语句，以较为简单直观的DDL语句为例，介绍从sql语句的解析、编译到执行的整体流程，以及要添加的关键部分，为用户后续开发提供一定的帮助。yacc层主要的目的就是将输入的语法定义成tree包下面的结构体，这个结构体就是AST（抽象语法树），参考MySQL的create event语法，我们首先需要在sql.y中定义对应的语法规则。语法中的第n个单词就对应着$n，将语法中的对应的输入填入到结构体的字段中。
博客
用 Python 与 KWDB 打造智能自动售卖机：从搭建到实践
07-01 23
用户能看到饮料列表及库存信息，点击“加入购物车”按钮添加饮料，结算时系统会检查库存并计算总价，同时更新数据库中的库存数据。以Centos云服务为例，先确保已安装Docker，接着拉取KWDB镜像：docker pull kwdb/kwdb:latest。在开发技术不断革新的当下，将Python的灵活编程能力与KWDB强大的数据管理性能相结合，能创造出功能丰富且高效的应用程序。在KWDB中创建数据库和表存储饮料信息。在前三篇博文中，我们已经成功在 Centos 云服务中通过 Docker 安装了 KWDB，
博客
场景案例 - KWDB分布式多模数据库在净水机物联网IoT方案落地最佳实践：GoLang时序IoT数据 + 香橙派Orange Pi AI Pro 开发板场景案例测试
07-01 45
这里的分区时间范围比较实用，会进行定期检测删除，删除的依据就是分区中最新的数据已经超过了保存周期的话就执行删除，比较类似于Redis的“定时删除策略”，会创建一个定时事件，当时间到达时，由事件处理器自动执行 key 的删除操作相当于会维护一个进程去进行检测。会不会产生时间一样的冲突呢？本人在学校毕业后一直从事开发工作，经过了以下几个阶段的软件开发历程，从早期的Web时代编程、到云时代分布式编程，到如今的物联网AIoT时代，都是解决企业级项目开发的效率问题，通过不断的技术演进，来为公司带来降本增效的原则。
博客
KWDB时序数据库在工业级机器手臂生产调度中的落地实践案例，加速时序数据高效存储与检索
07-01 52
这里我们需要下载对应的安装版本，请注意一下您服务器对应的版本，如果下错了会出现报错(明明依赖安装过了)，接下来，需要修改deploy.cfg的文件，这里需要注意是使用的安全模式(默认是tls的，即有一个CA证书)，另外，需要修改cluster需要对应的所有服务器节点加进来，最后ssh_user要特别注意，刚开始没注意，结果一直卡在那里，默认是admin，但是我的用户名是root。”时，表示已经安装集群成功了。所以，在日常的企业级应用中，OLAP和OLTP针对不同的业务场景，有不同的解决方案。
博客
【KWDB 创作者计划】香橙派Ai Pro安装部署KWDB数据库踩坑经验
06-27 50
香橙派（3核 + NPU）但是显示只有3个cpu，安装后可能会运行不起来，需要通过./deploy.sh install --single --force安装即可，或者更改deploy.sh中的cpu核心检测，–force 参数跳过了 CPU 核数检查，实际运行证明 3核足够支撑基础服务。目前发布的Linux系统默认在DTS中将其点亮。为开发者提供通用连接接口，具备高速写入、极速查询、SQL 支持、随需压缩、数据生命周期管理、集群部署等特性，与第三方工具无缝集成，降低开发及学习难度，提升开发使用效率。
博客
【KWDB 2025 创作者计划】_一文带你了解 KWDB 数据库
06-27 25
KWDB 提供 多模数据管理能力，支持不同数据模型的统一存储，助力企业跨部门、跨业务统一管理数据，实现多业务数据融合，支撑多样化的应用服务。KWDB 支持在同一实例同时建立时序库和关系库并融合处理多模数据，具备千万级设备接入、百万级数据秒级写入、亿级数据秒级读取等时序数据高效处理能力，具有稳定安全、高可用、易运维等特点。典型应用场景包括但不限于物联网、能源电力、交通车联网等，旨在为各行业领域提供一站式数据存储、管理与分析的基座，助力企业数智化建设，以更低的成本挖掘更大的数据价值。
博客
【KWDB创作者计划】实战指南：KWDB 2.2.0数据分析与性能调优深度对比
06-26 42
通过 JOIN 将多个表（user_info、user_device_mapping、device_metrics）连接起来，实现复杂的数据关联。同时，在OpenGauss第五届、第六届、第七届技术征文大赛，TiDB社区专栏征文大赛，金仓数据库有奖征文活动，以及YashanDB「产品体验官」征文等活动中，我也屡获殊荣。其中，KWDB 作为一款面向AIoT场景的分布式多模数据库，自2024年开源以来，凭借其强大的功能和灵活的架构，吸引了众多开发者的关注。在查询过程中，我们可能会发现某些查询的性能不够理想。
博客
【KWDB创作者计划】- KWDB：高性能时序数据库，赋能AIoT场景，引领时序数据库新纪元的高效引擎 - 新零售可回溯视屏时序数据系统最佳实践
06-25 51
本次体验可以涵盖不同技术层面的用户，可以针对KWDB产品的分布式、多模融合、支持原生 AI 的数据库产品、兼容性、安全、并发、可靠性等多方面进行时序数据库产品的体验和测评，参与的同时既可以收获相关技术领域的实战经验同时也增加不同技术栈的实现方案。②. KWDB 集群部署，数据存储在多台服务器上，每台服务器都有数据的完整副本，实现了数据的冗余和高可用性‌，数据访问请求会被分发到不同的服务器上进行处理，实现了负载均衡，适合中大型项目，特别是大型物联网IoT场景，强烈推荐。哪个库有性能瓶颈问题呢？
评论
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