KaiwuDB 数据库

原创 技术贴 | 如何基于 KWDB 快速实现工业物联网智能电表系统设计？

各位社区小伙伴:好消息！为了帮助大家快速无痛上手 KWDB ，KWDB 研发团队基于已有场景精心打造了一个示例项目 SampleDB ，内附场景与样例数据，零门槛体验多模数据库 KWDB。仓库地址：https://gitee.com/kwdb/sampledb本期博客，我们就用这个 SampleDB, 带大家一起体验 KWDB 在工业物联网智能电表业务场景中的使用。随着向工业物联网的发展，智能电表的应用日益普及，比如实时监控、数据分析、实时异常检测与预测、设备健康度评估、电价优化分析、多维度数据聚合行业标准

原创 KWDB 社区最近又偷偷整活了？

于近期开源的 KWDB MCP Server 可无缝对接 DeepSeek、Claude 等主流模型及 LLM 应用，通过 MCP Tools 实现传感器数据的快速导入与查询，通过 MCP Resources 存储设备元数据，再通过 MCP Prompts (优化智能提示)帮助智能体优化查询、排查故障。也就是说，配合 LLM 用户可以通过 KWDB MCP Server 以自然语言轻松实现对 KWDB 的操作，也可以与其他支持 MCP 协议的应用轻松完成集成，实现应用间的无缝集成。图：王瀚墨发表主题分享。

原创 KaiwuDB X 遨博智能 | 构建智能产线监测管理新系统

然而，随着产线规模扩张，原有的垂直一体化生产制造体系面临数据规模急剧膨胀的挑战，原材料 27 大类测试环节、300+ 部件标准测试指标、近 200 个整机检验项目及成品测试环节，同时需要对产线 200 余种生产测试设备进行观测，产生了大量测试计量数据和工艺观测数据，亟需一套高效管理和智能分析数据服务解决方案。面对上述难题，KaiwuDB 以物联网场景下的高性能写入、多模存储、AI 预测分析等核心能力重构技术体系，打造出智能产线监测管理系统，为遨博智能提供异构数据汇聚、跨模汇聚存储、实时分析预警等核心能力。

原创 赋能车联网|智能地铁物联系统，让出行更顺畅

随着城市轨道交通网络规模的不断扩大和智能化水平的持续提升，地铁物联网监控系统需要实时监控和管理数以万计的包括环控系统、火灾报警、门禁控制、电梯运行等在内的物联网关键设备。这些设备产生的海量时序数据对数据库系统的写入性能、实时分析能力和查询响应速度提出了极高要求，传统的数据库方案已无法支撑现代化智慧地铁的运营。

原创 KWDB MCP Server：解锁 LLM 与数据库的无缝协作

随着大语言模型（LLM）技术由实验室逐步向产业落地推进，AI 应用开发者面临的核心矛盾日益突出：大模型的认知能力与物理世界的具身化需求之间存在明显断层。传统的 HTTP/RPC 接口采用的“刚性协议”与自然语言的“柔性交互”处于割裂状态，使得 AI 系统开发陷入“接口适配地狱”的困境——每个业务接口都需要定制化的解析逻辑，在多工具协同之时开发效率大幅下降，在复杂场景之中模型幻觉频繁出现。在此背景下，模型上下文协议（Model Context Protocol, MCP） 应运而生。

原创 赋能能源 | 智慧数据，构建更高效智能的储能管理系统

在时序表中指定不同设备的主键标签，写入数据时则会自动根据标签对不同设备数据进行分区存储，并创建索引，快速定位指定设备数据，实现高性能地进行指定设备数据查询和大量数据聚合，提升数据库处理性能。随着时间的推移，业务数据量不断增加，数据库集群的可用存储空间不断减少，存在数据存储容量扩充的强烈需求，同时还面临着能源及储能业务中，大量的历史数据仍需要保存较长时间的现状。KaiwuDB 支持业务快速的扩容缩容，数据重分布过程中仍可访问数据，对业务透明，具备 EB 级数据的存储能力。实时分析与展示性能不足。

原创 《一文讲透》第7期：KWDB 巧用标签与索引优化查询性能

这些设备以极高的采样频率持续产生监测数据，使得单条产线每秒产生数十万条传感器数据已成为行业常态，这对数据存储系统的写入吞吐量和查询响应时间提出了前所未有的挑战。面对如此海量时序数据的实时写入与高效查询需求，传统的关系型数据库和通用型NoSQL数据库往往显得力不从心，本文则将聚焦 KWDB 中独具特色的标签（Tag）机制及其索引优化策略，揭示如何通过合理设计提升时序数据管理效率。其中时间戳记录数据产生时刻，字段列存储动态变化的监测数值，而标签列则承载设备的静态属性。√ 选择离散值高的字段（如自增 ID）

原创 《一文讲透》第6期：揭秘 KWDB 的多模核心技术

• 如果关系数据的过滤性高并且关系数据和时序数据关联的条件中使用的是时序的 tag 值，则会选择将关系的数据下推到时序引擎端进行计算，优化的计算方式可以是直接 hash 过滤 tag 数据，还可以是 look up tag 数据，以此来提高时序数据的检索效率，提前过滤掉时序的大部分数据，减少跨模传递的数据量。用户进行查询时，根据查询的库表进行自适应的查询模式鉴别，通过统一的查询优化器，针对时序和关系的数据做特定的查询优化，生成统一的逻辑计划，最终根据查询的数据模不同定制不同的物理查询计划和物理计划优化。

原创 征文大赛 |「码」上数据库—— KWDB 2025 创作者计划启动

原创 Spring Boot 与 MyBatis Plus 整合 KWDB 实现 JDBC 数据访问

本文详细介绍了如何在 IDEA 中使用 Maven 管理的 Spring Boot 项目整合 KaiwuDB 数据库，并结合 MyBatis Plus 实现 JDBC 数据访问的过程。以下是关键点和总结：• 技术选型和环境搭建：使用 OpenJDK 1.8、Apache Maven 3.6.3、Spring Boot 2.7.18 和 MyBatis Plus 3.5.5 版本；通过 IDEA 创建基于 Maven 的 Spring Boot 项目，并配置 Java 8 作为开发环境。

原创 直播预告 | PaperRaeding：基于深度强化学习的查询优化框架 FOSS

✅本期直播我们将和大家一起研读发表于 ICDE 2024 的一篇文章：《FOSS: A Self-Learned Doctor for Query Optimizer》。👉 一起走近作者世界，认识基于深度强化学习的查询优化框架 FOSS，深度了解 FOSS 框架如何为查询优化提供了新途径。⭕数据库管理系统中，查询优化至关重要，但如何在庞大计划空间中寻找最优计划也是 NP 难问题。🚩3月18日下周二，KaiwuDB 视频号不见不散，扫码直通预约。

原创 Paper Reading | AI & 数据库融合经典论文回顾

人工智能（AI）和数据库（DB）在过去的50年里得到了广泛的研究，随着数据库近年来的不断发展，数据库开始与人工智能结合，数据库和人工智能（AI）可以相互促进。一方面，AI 可以使数据库更加智能化（AI4DB）。例如，传统的数据库优化技术无法满足大规模数据库实例、各种应用程序和多样化用户的高性能要求，尤其是在云上。幸运的是，基于机器学习的技术可以缓解这个问题。另一方面，数据库技术可以优化AI模型（DB4AI）。例如，人工智能在实际应用中难以部署，因为它要求开发人员编写复杂的代码并训练复杂的模型。数据库技术可以

原创 Paper Reading | 多模数据库经典论文回顾

关系型模型（Relational Model）基于数学上的关系概念，数据以元组的形式逻辑上表示为关系。每个关系记录都通过一个键唯一标识。关系型数据可以通过声明性方法定义和查询，目前主要由结构化查询语言（SQL）来实现。关系型数据库系统确保数据的存储和检索。关系型数据库的例子包括金融和银行系统、计算机化的医疗记录和在线购物。半结构化模型（Semi-structured Model）基于没有显式和独立模式定义的数据表示理念。数据以元素的形式表达，这些元素通过标签界定，可以包含简单文本、子元素或它们的组合。

原创 KaiwuDB| Google Spanner 经典架构回顾

大数据时代 ，随着移动互联网和物联网技术的发展 ， 全球数据量呈现爆发式增长，已经远远超出集中式单机数据库的处理能力。• 海量数据存储传统集中式数据库容量大多在百 GB 至 TB 级别，伴随着各行各业数据爆发式增长，数据库所需存储的数据容量也在急剧增长且数量呈现指数级增长，从 TB 级别增加到 PB 级别，未来很快就会增加至 EB 级别；• 海量并发访问数据库的业务访问量也发生了量到质的变化，传统的业务模式业务访问仅局限于企业内部 ， 通常数百至数千并发即可满足。

原创 《一文讲透》第4期：KWDB 数据库运维（7）—— 集群规划

KWDB 数据库可高效处理海量且连续的数据流，但对于运维人员来说，根据业务需求进行硬件规划是确保系统稳定、高效运行的基础。

原创 《一文讲透》第4期：KWDB 数据库运维（6）—— 容灾与备份

KWDB 采用预写式日志（Write-Ahead Logging，WAL），记录每个时序表的模式变更和数据变更，以实现时序数据库的数据灾难恢复、时序数据的一致性和原子性。KWDB 默认会将保存在 WAL 日志缓存中的日志条目实时写入日志文件，每5分钟通过后台线程更新 WAL 文件和数据文件的 CHECKPOINT_LSN (检查点日志序列号)，写入 CHECKPOINT WAL 日志，然后同步数据文件到磁盘。系统正常停机时，KWDB 会主动同步数据文件到磁盘并更新 CHECKPOINT_LSN。

原创 benchANT 性能榜单技术解读 Part 2：查询优化

就在上月，国际权威数据库性能测试榜单 benchANT 更新了 Time Series: Devops（时序数据库）场景排名，KaiwuDB 数据库在 xsmall 和 small 两类规格下的时序数据写入吞吐、查询吞吐、查询延迟、成本效益等多项指标刷新榜单原有数据纪录。

转载 @你，请查收：KaiwuDB 2024 年度总结

KaiwuDB 2024 年度报告》新鲜出炉啦！回望 2024，我们向“新”而行。感恩这一年，有你们的陪伴和支持。2025 年，我们携手再出发。

原创 benchANT 性能榜单技术解读 Part 1：写入吞吐

近期，国际权威数据库性能测试榜单 benchANT 更新了 Time Series: Devops（时序数据库）场景排名，KaiwuDB 数据库在 xsmall 和 small 两类规格下的时序数据写入吞吐、查询吞吐、查询延迟、成本效益等多项指标刷新榜单原有数据纪录。在这些性能提升的背后，KaiwuDB 究竟都做了哪些技术创新？小 K 将逐一为你揭秘！今天，我们先来了解 KaiwuDB 写入吞吐背后的 3 大核心技术空间预分配在传统的数据存储模式中，锁机制在多线程并发写入时往往会引发频繁的锁竞争开销

原创 benchANT (Time Series: Devops) 榜单数据解读

benchANT 的测试采用了 TSBS 的 DevOps 场景，该场景模拟服务器运行时的监控数据。每台设备会采集 cpu、diskio、disk、kernel、mem、net、nginx、postgresl 和 redis 等 9 类监控指标，每类指标下又包含多个测量值。

原创 西电—浪潮数据库创新实验室年度报告会顺利召开

与会专家周傲英、崔立真、马帅、王宏志和陈跃国等充分肯定了实验室及 KaiwuDB 工作成果及发展模式，并对数据库关键技术、架构创新、基准制订、开源社区建设、产学研合作等方面提出宝贵建议。他认为，人工智能的发展离不开数据，鼓励 KaiwuDB 保持并深化面向物联网场景的前瞻性思考，要立足长远，持续聚焦关键技术研发，适应新时代新情况，解决新时代新需求，面向未来4年，做好产品、技术规划，抓住机遇，为政府、行业、企业等数字化转型提供更优解。实验室主任崔江涛教授、副主任李辉教授、彭延国副教授及骨干教师参会。

原创 KWDB 亮相 COSCon′24 第九届中国开源年会

KWDB 将以 “更开放” 的心态，联手更广大的用户群体参与到需求解决及功能设计中，不断提升产品的可用性和易用性。作为我国开源界最具影响力的年度盛会之一，本届开源年会以 “Open Source, Open Life” 为主题，由开源社携手广大中立垂直社区，组织生态共建企业及各领域开源开发者、贡献者进行跨项目、跨组织交流。接下来，KWDB 社区将持续打造更加丰富的课程体系、培训认证和阶梯化的社区激励制度，欢迎广大开发者、开源爱好者加入社区参与贡献，共同推动开源软件的创新应用与升级。（扫码直达 Gitee）

原创 《一文讲透》第1期：KWDB 单点安装部署

Hi，各位开发者伙伴：为帮助大家少走弯路，轻松上手 KWDB（KaiwuDB 社区版） ，我们的《一文讲透》专栏正式营业啦！每一篇都会为大家分享超详细实用的数据库操作步骤与实战演练！KWDB 是一款面向 AIoT 场景的分布式多模数据库产品，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。大家可以放心地使用 KWDB 来解决在物联网、能源电力、车联网、智慧政务等各类场景下遇到的数据处理难题。

原创 KaiwuDB X 临沂大数据局 | 重点车辆一体化监管，助力你我的安全出行

KaiwuDB 凭借多模融合、高速读写、AI 分析等能力，保证临沂大数据局数十亿数据的高效纳管，实现重点车辆监管运行，为实现“车辆精细化运维”提供关键有效支撑。

原创 KaiwuDB 受邀亮相 2024 数博会

8月28-30日，KaiwuDB 受邀携一众产品亮相 2024 数博会，重点展示了分布式多模数据库 KaiwuDB 2.0 及其在物联网海量异构数据管理分析的落地应用，现场引来众多客户伙伴们的热烈关注。

原创 KaiwuDB 魏可伟：用“多模”实现对行业的“One size best fits”

DTCC 2024 期间，KaiwuDB CTO 魏可伟老师受邀接受知乎数据库负责人代晓磊的采访，内容十分干货

原创 KaiwuDB 产品总监李月飞：让中国物联网用上放心的数据库产品

KaiwuDB 产品总监李月飞受邀于 2024 可信数据库发展大会分论坛发表演讲《深耕数据良田，KaiwuDB 洞见能源产业数字新生力》

原创 再添认可！KaiwuDB 储能行业解决方案入选国家级案例集题

“基于 KaiwuDB 的分布式储能行业解决方案”从 1073 项优秀案例中脱颖而出，获评能源领域典型解决方案

原创 KaiwuDB CTO 魏可伟：差异化创新，面向行业的多模架构

KaiwuDB CTO 魏可伟受邀于 2024 可信数据库发展大会主论坛发表演讲《多模一库 —— KaiwuDB 的现代数据库架构探索》，KaiwuDB 2.0 版本全新发布

原创 咦？KaiwuDB 有大事要说？

KaiwuDB 给可信数据库加点猛料

原创 一等奖！KaiwuDB & 西电联合成果又创佳绩

KaiwuDB 与西安电子科技大学、浪潮软件集团提报的“云原生数据库相关联合研发成果”荣获一等奖

原创 深度解析 PostgreSQL Protocol v3.0（三）— 流复制（上）

PostgreSQL 支持 COPY 操作，COPY 操作通过流复制协议（Streaming Replication Protocol）实现。数据从客户端传输到服务器端。数据从服务器端传输到客户端。服务器端和客户端数据可以双向传输。COPY-IN 和 COPY-OUT 操作分别将连接切换到一个不同于正常命令处理的子协议中，该子协议一直持续到操作完成；不同于 COPY-IN 和 COPY-OUT 模式，COPY-BOTH 模式是从狭义上定义的流复制协议，我们将上述统一称为流复制协议。

原创 KaiwuDB 事务中的 Raft 协议

Raft 协议是一种经典的分布式一致性算法，KaiwuDB 事务即是通过使用该协议来实现数据的一致性，本文主要介绍选举和日志提交两大主要过程.

原创 大咖专栏 | AI 时代下，我们可以拥有怎样的数据库？

KaiwuDB 引入原生 AI，期望借此帮助用户减负增效。本期主要和大家重点分享 KaiwuDB 的 AI 应用思路和具体实践

原创 数据库物理计划执行指南

数据库物理计划执行是解决数据库性能问题的重要手段之一，通过对数据库物理结构进行合理规划和优化，可显著提高数据库的查询速度、降低存储空间的占用率，从而提高数据库整体性能。

原创 KaiwuDB 受邀出席中国智能化油气管道与智慧管网技术交流大会

KaiwuDB 受邀亮相第十三届中国智能化油气管道与智慧管网技术交流大会，浪潮院士、山东浪潮数据库技术有限公司总经理、KaiwuDB 董事长张晖发表主题演讲。

原创 Query 物理计划构建指南

一文了解物理计划结构核心概念及详细构建流程

原创 国际顶会认可！KaiwuDB 论文入选 ICDE 2024

KaiwuDB 与中国人民大学合作的论文FOSS: A Self-Learned Doctor for Query Optimizer被数据库领域顶会The 40th IEEE International Conference on Data Engineering (ICDE 2024)录用

原创 智慧管网 | “数字大脑”加速“能源动脉”新升级

原创 又出新方案的 KaiwuDB 2024-05-16 18:20 上海。

原创 KaiwuDB 参编的《分析型数据库技术要求》标准正式发布

KaiwuDB 作为一款分布式、多模融合、支持原生 AI 的数据库产品，支持时序数据、关系型数据采、存、算、管及数据跨模分析，将自适应时序引擎、事务处理引擎、预测分析引擎、内存实时引擎等多种计算引擎深度融合，助力广大企业用户完成从数据管理到业务场景分析的落地实践。分析型数据库作为数据库产品的重要分支，承担对数据进行在线统计、在线分析、即席查询等发掘信息数据价值的工作。该标准确立了分析型数据库的参考模型，规定了核心能力和支撑能力要求，适用于分析型数据库系统的设计、开发、测试、评估、运维、管理等。