金仓KingbaseES助力央企数字化转型

摘要：央企数字化转型背景下，电科金仓作为国产数据库"国家队"，在运营商、石油、金融等行业核心系统中取得突破性应用。报告重点分析了三大典型案例：1)运营商B域核心系统升级，构建全国一体化运营支撑体系，实现亿级用户高并发处理；2)石油行业财务系统创新，通过智能财务处理提升效率60%；3)智能电网调度控制系统：构建电力行业数字新基建，支撑60万员工日均千万级待办处理。案例验证了国产数据库在关键业务系统中的高可用、高安全、高性能能力，为央企数字化转型提供了自主可控的技术支撑，推动信息技术应用创新生态建设。

一、央企数字化转型的时代背景与战略意义

在当前数字经济蓬勃发展的时代背景下，央企作为国民经济的重要支柱，其数字化转型不仅关系到企业自身的高质量发展，更直接影响国家数字经济战略的实施效果。随着国际形势的复杂多变和科技竞争的日益激烈，实现关键信息技术的自主可控已成为国家战略层面的重要任务。

数据库作为信息系统的核心基础软件，其安全可靠直接关系到国家信息安全和经济安全。电科金仓作为数据库领域的"国家队"，肩负着突破国外技术垄断、构建自主可控技术体系的重要使命。近年来，电科金仓通过持续技术创新和产品迭代，在运营商、能源、金融等重点行业取得了显著成果，为央企数字化转型提供了坚实的技术支撑。

本报告将深入分析电科金仓在三大典型场景中的技术实践，全面展示国产数据库在关键业务系统中的应用成效，为更多央企推进信息技术应用创新提供参考借鉴。

二、运营商B域核心系统升级：构建全国一体化运营支撑体系

2.1 项目背景与挑战

某大型运营商面临着31个省公司信息系统孤岛化严重、数据无法互通、业务协同效率低下的问题。原有的BOSS系统分散建设，导致客户信息分散、服务标准不统一、运营管理效率低下。随着5G时代的到来和数字化转型的深入推进，构建全国统一的B域核心系统成为迫切需求。

该项目面临三大技术挑战：首先，需要处理海量并发交易，系统需支持亿级用户的同时在线访问；其次，要求极高的系统可用性，业务中断将直接影响全国用户服务；第三，数据安全性和一致性要求严格，涉及用户隐私和资金安全。

2.2 技术架构与创新实践

电科金仓针对上述挑战，提出了基于金仓数据库的分布式高可用解决方案。该方案在ZZ市和H市两大资源池部署了六套高可用集群，通过智能负载均衡和故障自动切换机制，确保系统持续稳定运行。

在架构设计上，采用"双活中心+备份中心"的多级容灾架构。每个资源池内部部署三套集群，通过金仓数据库自带的同步复制技术，实现数据的实时同步。当某个节点发生故障时，系统能够在30秒内自动完成切换，确保业务连续性。

-- 高可用集群配置示例
CREATE CLUSTER boss_cluster 
WITH (
    MODE = active_standby,
    SYNC_MODE = synchronous,
    FAILOVER_TIMEOUT = 30s,
    HEARTBEAT_INTERVAL = 5s
);

-- 节点配置
ADD NODE node1 WITH (
    HOST = '192.168.1.101',
    PORT = 5432,
    ROLE = primary
);

ADD NODE node2 WITH (
    HOST = '192.168.1.102',
    PORT = 5432,
    ROLE = standby
);

数据一致性方面，金仓数据库通过多副本同步机制和分布式事务处理，确保在分布式环境下数据的强一致性。特别是在跨省业务处理场景中，通过优化分布式事务算法，将交易延迟控制在毫秒级别，满足实时业务处理需求。

2.3 高可用验证与性能表现

项目上线前，团队进行了严格的高可用验证测试，涵盖八大业务场景：上行交易场景故障、落地方环境故障、应用主机故障、K8S服务故障、数据库节点故障、网络分区故障、备份恢复演练以及灾难场景模拟。

// 高可用测试代码示例
public class ClusterFailoverTest {
    
    @Test
    public void testAutomaticFailover() {
        // 模拟主节点故障
        ClusterNode primaryNode = cluster.getPrimaryNode();
        primaryNode.simulateFailure();
        
        // 验证自动切换
        await().atMost(30, SECONDS)
               .until(() -> cluster.getPrimaryNode() != primaryNode);
        
        // 验证数据一致性
        assertDataConsistencyAfterFailover();
    }
    
    private void assertDataConsistencyAfterFailover() {
        // 检查事务完整性
        List<Transaction> transactions = 
            transactionService.getPendingTransactions();
        assertThat(transactions).allMatch(tx -> tx.getStatus() == COMMITTED);
    }
}

在数据库节点故障模拟测试中，当主动触发主节点故障时，备节点在15秒内检测到故障并自动接管服务，应用层在25秒内恢复正常的业务访问。整个切换过程无需人工干预，完全通过系统自动完成，显著提高了运维效率。

在性能测试中，系统成功通过了峰值时段每秒10万笔交易的负载考验，事务响应时间保持在200毫秒以内，完全满足运营商对系统性能的苛刻要求。特别是在月末出账等业务高峰期间，系统表现稳定，获得了客户的高度认可。

2.4 安全机制与合规保障

在安全性方面，金仓数据库提供了完善的安全保障机制。在身份认证层面，支持基于数字证书的双因子认证，确保只有授权用户能够访问系统。在数据加密方面，实现了端到端的透明数据加密，包括数据传输加密和数据存储加密。

# 数据加密配置示例
class SecurityConfig:
    def configure_encryption(self):
        # 配置透明数据加密
        encryption_config = {
            'algorithm': 'SM4',
            'key_management': 'KMS',
            'tablespace_encryption': True,
            'column_encryption': {
                'sensitive_columns': ['phone_number', 'id_card'],
                'algorithm': 'AES256'
            }
        }
        return encryption_config
    
    def setup_audit_policy(self):
        # 配置安全审计策略
        audit_policy = {
            'enabled': True,
            'audit_user': 'sec_auditor',
            'audit_trail': 'DB_EXTENDED',
            'audit_conditions': [
                'WHEVER SUCCESSFUL',
                'WHENEVER NOT SUCCESSFUL'
            ]
        }
        return audit_policy

访问控制机制采用基于角色的权限管理，细粒度的权限控制能够精确到行列级别。同时，数据库提供完整的操作审计功能，所有敏感操作均被详细记录，满足等保2.0三级及以上的合规要求。

特别值得一提的是，在个人信息保护方面，系统实现了数据脱敏和隐私计算能力，在保证业务功能的前提下，最大限度保护用户隐私数据，符合《个人信息保护法》的相关规定。

三、石油行业财务系统创新：构建集团化财务管控新范式

3.1 行业背景与需求分析

石油行业作为国家战略性能源产业，其财务管理具有资金规模大、业务流程复杂、合规要求严格等特点。南京扬子石化实业公司作为扬子石化的下属单位，迫切需要构建集中统一的财务管理系统，以提升集团化管控能力。

传统财务系统存在数据孤岛、流程不统一、信息滞后等问题，难以满足现代化企业管理的需求。新系统需要实现全集团财务数据的实时汇总和分析，支持跨单位协同和快速决策，同时要确保财务数据的安全性和完整性。

3.2 技术方案与实施路径

电科金仓与用友NC CLOUD深度合作，基于金仓数据库构建了新一代财务管理系统。在技术选型上，重点考虑系统的兼容性、稳定性和扩展性。金仓数据库与Oracle的高度兼容特性，使得原有基于Oracle开发的财务应用能够平滑迁移，大幅降低了迁移风险和成本。

-- 财务系统数据库迁移脚本示例
-- 创建财务核算表
CREATE TABLE financial_voucher (
    voucher_id NUMBER PRIMARY KEY,
    voucher_date DATE NOT NULL,
    voucher_type VARCHAR2(10),
    debit_amount NUMBER(15,2),
    credit_amount NUMBER(15,2),
    account_code VARCHAR2(20),
    company_code VARCHAR2(10),
    created_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP
) TABLESPACE finance_ts;

-- 创建分区表支持海量数据
CREATE TABLE voucher_detail PARTITION BY RANGE (voucher_date) (
    PARTITION p202401 VALUES LESS THAN (TO_DATE('2024-02-01', 'YYYY-MM-DD')),
    PARTITION p202402 VALUES LESS THAN (TO_DATE('2024-03-01', 'YYYY-MM-DD')),
    PARTITION p202403 VALUES LESS THAN (TO_DATE('2024-04-01', 'YYYY-MM-DD'))
);

在系统架构设计上，采用微服务架构将财务系统分解为核算、预算、资金、报表等独立模块，各模块通过服务接口进行通信。这种架构既保证了系统的灵活性，又确保了模块间的松耦合，便于后续的功能扩展和系统维护。

数据处理方面，针对石油行业海量交易数据的特点，金仓数据库优化了批量处理性能。在月末结账等批量操作场景中，通过并行处理技术将处理时间从原来的数小时缩短到30分钟以内，显著提升了业务效率。

3.3 系统特色与创新亮点

新系统实现了全流程的智能化管理。在凭证处理环节，通过OCR技术自动识别发票信息，结合AI算法实现智能凭证生成，减少了人工操作环节，提高了数据处理准确性。在资金管理方面，实时监控资金流向，通过大数据分析预测资金需求，为决策提供支持。

// 智能财务处理代码示例
@Service
public class IntelligentVoucherService {
    
    @Autowired
    private OcrService ocrService;
    
    @Autowired
    private AIClassificationService aiService;
    
    public Voucher processInvoice(InvoiceImage image) {
        // OCR识别发票信息
        InvoiceInfo info = ocrService.recognizeInvoice(image);
        
        // AI智能分类
        AccountCategory category = aiService.classifyTransaction(info);
        
        // 自动生成凭证
        Voucher voucher = createVoucher(info, category);
        
        // 风险检测
        RiskCheckResult riskResult = riskDetector.check(voucher);
        if (riskResult.hasRisk()) {
            voucher.setStatus(VoucherStatus.NEED_REVIEW);
        }
        
        return voucher;
    }
}

报表系统支持多维度、跨期间的数据分析，管理人员可以随时查看集团及各单位的财务状况。特别值得一提的是，系统内置了财务风险预警模型，能够自动识别异常交易和潜在风险，帮助企业及时防范财务风险。

系统还实现了与业务系统的深度集成，打破了财务与业务的数据壁垒。通过实时获取业务数据，自动生成会计凭证，实现了业务财务一体化管理，为企业精细化管理奠定了坚实基础。

3.4 实施成效与价值创造

项目实施后，南京扬子石化实业公司的财务管理效率得到显著提升。凭证处理效率提高60%，报表生成时间缩短70%，资金管理精度达到99.9%以上。系统支持的实时对账功能，将对账周期从原来的月结改为日清，大大提高了资金使用效率。

# 财务报表自动生成脚本
class FinancialReportGenerator:
    
    def generate_daily_report(self, report_date):
        """生成日报表"""
        # 实时数据汇总
        daily_data = self.collect_daily_data(report_date)
        
        # 自动校验
        validation_result = self.validate_data(daily_data)
        
        # 生成多维度报表
        reports = {
            'cash_flow': self.generate_cash_flow_report(daily_data),
            'balance_sheet': self.generate_balance_sheet(daily_data),
            'income_statement': self.generate_income_statement(daily_data)
        }
        
        # 自动发送给相关人员
        self.distribute_reports(reports)
        
        return reports
    
    def generate_analysis_report(self):
        """生成智能分析报告"""
        # 趋势分析
        trend_analysis = self.analyze_financial_trend()
        
        # 异常检测
        anomalies = self.detect_anomalies()
        
        # 生成建议
        recommendations = self.generate_recommendations()
        
        return AnalysisReport(trend_analysis, anomalies, recommendations)

在成本控制方面，通过精细化成本核算和预算控制，企业成功降低了运营成本5%-8%。系统提供的多维盈利分析能力，帮助管理层准确掌握各业务板块的盈利状况，为业务结构调整提供了数据支持。

更重要的是，系统的成功实施为石油行业财务管理数字化转型树立了标杆，为后续在更大范围内的推广积累了宝贵经验。该项目也彰显了国产数据库在关键业务系统中应用的可行性和可靠性。

四、智能电网调度控制系统：构建电力行业数字新基建

4.1 项目背景与战略价值

随着新型电力系统建设的加速推进，国家电网面临调度控制系统全面升级的迫切需求。智能电网调度控制系统作为电力行业的"神经中枢"，直接关系到电网安全稳定运行和能源优化配置。传统系统基于Oracle数据库构建，存在技术依赖性强、运维成本高、安全可控性不足等问题。

项目覆盖全国26个省200+地市，需要支撑峰值超1000并发连接，处理单库30TB+结构化数据，要求系统具备"五个9"的可用性水平。金仓数据库通过17年稳定运行验证，完全替代原有Oracle系统，实现全面自主可控。

4.2 技术创新与架构设计

系统采用分布式多活架构，基于金仓KES数据库构建跨区域协同调度平台。通过宽表技术支持单表1443列百万行级数据实时更新，全表更新性能提升超3倍。

-- 电网实时数据监控宽表设计
CREATE TABLE grid_realtime_monitoring (
    region_code VARCHAR(10) NOT NULL,
    station_id VARCHAR(20) NOT NULL,
    collection_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    voltage_level DECIMAL(8,2),
    current_power DECIMAL(10,2),
    load_rate DECIMAL(5,2),
    frequency DECIMAL(4,2),
    equipment_status JSONB,
    weather_impact JSONB,
    fault_records JSONB,
    maintenance_schedule JSONB,
    PRIMARY KEY (region_code, station_id, collection_time)
) PARTITION BY RANGE (collection_time);

-- 创建时间分区
CREATE TABLE grid_monitoring_2024 PARTITION OF grid_realtime_monitoring
    FOR VALUES FROM ('2024-01-01') TO ('2025-01-01');

-- 创建性能优化索引
CREATE INDEX CONCURRENTLY idx_grid_realtime_region 
    ON grid_realtime_monitoring (region_code, collection_time DESC);
CREATE INDEX CONCURRENTLY idx_grid_realtime_station 
    ON grid_realtime_monitoring (station_id, collection_time DESC);

4.3 核心功能与智能调度

系统实现配电调配一体化管理，集成实时数据采集、故障检测、负荷预测等核心功能。通过金仓数据库的并行计算能力，实现毫秒级故障定位和自动隔离。

# 智能电网调度核心算法
class SmartGridScheduler:
    def __init__(self, db_config):
        self.connection = self.init_kingbase_connection(db_config)
        
    def real_time_load_forecasting(self, region_codes, forecast_hours=24):
        """实时负荷预测算法"""
        query = """
        SELECT region_code, collection_time, current_power, load_rate,
               LAG(current_power, 1) OVER (PARTITION BY region_code 
                      ORDER BY collection_time) as prev_power,
               LAG(current_power, 24) OVER (PARTITION BY region_code 
                      ORDER BY collection_time) as last_day_power
        FROM grid_realtime_monitoring 
        WHERE region_code = ANY(%s) 
          AND collection_time >= NOW() - INTERVAL '7 days'
        ORDER BY collection_time DESC
        LIMIT 10000
        """
        
        historical_data = pd.read_sql(query, self.connection, 
                                    params=(region_codes,))
        
        # 使用时间序列算法进行负荷预测
        from sklearn.ensemble import RandomForestRegressor
        features = ['current_power', 'prev_power', 'last_day_power', 'load_rate']
        X = historical_data[features].fillna(0)
        y = historical_data['current_power'].shift(-forecast_hours).dropna()
        
        model = RandomForestRegressor(n_estimators=100)
        model.fit(X.iloc[:-forecast_hours], y)
        
        return model.predict(X.iloc[-forecast_hours:])
    
    def fault_detection_and_isolation(self, real_time_data):
        """故障检测与隔离处理"""
        # 基于规则和机器学习的故障检测
        fault_rules = self.load_fault_rules()
        anomalies = self.detect_anomalies(real_time_data, fault_rules)
        
        if anomalies.any():
            isolation_plan = self.generate_isolation_plan(anomalies)
            self.execute_isolation(isolation_plan)
            return True
        return False

4.4 高可用与灾备设计

系统采用多层级容灾架构，生产中心实现RPO=0、RTO<30秒的故障切换能力。跨区域灾备中心通过金仓KFS数据同步工具，实现数据秒级同步和快速恢复。

// 电网调度系统高可用服务
@Service
@Slf4j
public class GridDispatchHAService {
    
    @Autowired
    private DataSource dataSource;
    
    private static final String FAILOVER_SQL = 
        "SELECT * FROM sys_switchover_to_standby()";
    
    private static final String STATUS_MONITOR_SQL =
        "SELECT current_setting('kingbase.primary_conninfo') as primary_conn," +
               "pg_is_in_recovery() as is_standby," +
               "pg_last_xact_replay_timestamp() as last_replay";
    
    public boolean initiateFailover(String standbyNode) {
        try (Connection conn = dataSource.getConnection();
             Statement stmt = conn.createStatement()) {
            
            // 检查主备状态
            ResultSet rs = stmt.executeQuery(STATUS_MONITOR_SQL);
            if (rs.next() && !rs.getBoolean("is_standby")) {
                log.info("当前节点为主节点，执行切换至备节点: {}", standbyNode);
                
                // 执行切换操作
                stmt.execute(FAILOVER_SQL);
                
                // 验证切换结果
                return verifyFailoverSuccess(standbyNode);
            }
        } catch (SQLException e) {
            log.error("故障切换执行失败", e);
        }
        return false;
    }
    
    public GridStatus getClusterStatus() {
        GridStatus status = new GridStatus();
        try (Connection conn = dataSource.getConnection();
             Statement stmt = conn.createStatement()) {
            
            ResultSet rs = stmt.executeQuery(STATUS_MONITOR_SQL);
            if (rs.next()) {
                status.setPrimaryConnection(rs.getString("primary_conn"));
                status.setStandbyMode(rs.getBoolean("is_standby"));
                status.setLastReplayTime(rs.getTimestamp("last_replay"));
            }
        } catch (SQLException e) {
            log.error("获取集群状态失败", e);
        }
        return status;
    }
}

4.5 性能优化与大数据处理

面对30TB+结构化数据的处理需求，系统采用分区表、并行查询、列存索引等优化技术，实现千万级数据秒级分析。

-- 大数据量查询优化示例
-- 创建分区表处理历史数据
CREATE TABLE grid_historical_data (
    region_code VARCHAR(10),
    data_date DATE,
    avg_power DECIMAL(12,2),
    max_load DECIMAL(12,2),
    min_voltage DECIMAL(8,2),
    fault_count INTEGER
) PARTITION BY RANGE (data_date);

-- 按月分区
CREATE TABLE grid_data_202401 PARTITION OF grid_historical_data
    FOR VALUES FROM ('2024-01-01') TO ('2024-02-01');

-- 创建列存索引提升分析查询性能
CREATE INDEX idx_grid_historical_power ON grid_historical_data 
    USING columnstore (avg_power, max_load) 
    WHERE data_date >= CURRENT_DATE - INTERVAL '1 year';

-- 复杂分析查询优化
EXPLAIN (ANALYZE, BUFFERS) 
SELECT region_code,
       AVG(avg_power) as monthly_avg_power,
       PERCENTILE_CONT(0.95) WITHIN GROUP (ORDER BY max_load) as p95_load
FROM grid_historical_data
WHERE data_date BETWEEN '2024-01-01' AND '2024-12-31'
GROUP BY region_code
HAVING AVG(avg_power) > 1000;

4.6 安全防护与合规保障

系统满足等保2.0三级要求，实现全方位安全防护。通过金仓数据库的强制访问控制、数据加密、安全审计等功能，确保电网调度数据安全。

# 电网安全审计模块
class GridSecurityAudit:
    def __init__(self, db_connection):
        self.conn = db_connection
        
    def enable_security_audit(self):
        """启用安全审计功能"""
        audit_config = {
            'audit_trail': 'DB_EXTENDED',
            'audit_sys_operations': True,
            'audit_dml': 'ALL',
            'audit_ddl': 'ALL'
        }
        
        for key, value in audit_config.items():
            self.conn.execute(f"ALTER SYSTEM SET kingbase.{key} = '{value}'")
        
        self.conn.execute("SELECT sys_reload_conf()")
        
    def real_time_threat_detection(self):
        """实时威胁检测"""
        threat_query = """
        SELECT username, ip_address, action, object_name, timestamp
        FROM kingbase_audit_trail 
        WHERE timestamp >= NOW() - INTERVAL '5 minutes'
          AND (action LIKE '%FAILED%' OR action LIKE '%UNAUTHORIZED%')
        ORDER BY timestamp DESC
        """
        
        threats = pd.read_sql(threat_query, self.conn)
        if not threats.empty:
            self.alert_security_team(threats)
            return True
        return False
    
    def data_encryption_policy(self):
        """数据加密策略配置"""
        encryption_sql = """
        -- 配置透明数据加密
        CREATE TABLESPACE secure_ts LOCATION '/data/secure_tablespace'
        ENCRYPTION WITH KEY = 'grid_encryption_key';
        
        -- 敏感数据列加密
        CREATE TABLE grid_sensitive_data (
            data_id BIGSERIAL PRIMARY KEY,
            encrypted_power_data BYTEA ENCRYPTED,
            encryption_key_id TEXT
        ) TABLESPACE secure_ts;
        """
        self.conn.execute(encryption_sql)

4.7 实施成效与行业价值

系统上线后，成功支撑国家电网智能调度业务17年稳定运行，实现以下核心价值：

1.性能提升：宽表查询性能提升3倍，千万级数据实时分析响应时间<3秒

2.可用性保障：达到"五个9"可用性水平，年故障时间<5分钟

3.成本优化：相比原Oracle方案，软硬件综合成本降低60%

4.安全增强：满足等保2.0三级要求，实现全面国产化替代 

// 性能监控报告生成
@Service
public class GridPerformanceReporter {
    
    public PerformanceReport generateDailyReport() {
        PerformanceReport report = new PerformanceReport();
        
        // 采集性能指标
        report.setQueryPerformance(getQueryPerformanceMetrics());
        report.setAvailabilityStats(getAvailabilityStatistics());
        report.setThroughputMetrics(getThroughputMetrics());
        report.setSecurityEvents(getSecurityEventCount());
        
        // 生成优化建议
        report.setRecommendations(generateOptimizationSuggestions(report));
        
        return report;
    }
    
    private List<String> generateOptimizationSuggestions(PerformanceReport report) {
        List<String> suggestions = new ArrayList<>();
        
        if (report.getQueryPerformance().getAvgResponseTime() > 1000) {
            suggestions.add("建议对慢查询表添加索引优化");
        }
        
        if (report.getThroughputMetrics().getPeakConnections() > 800) {
            suggestions.add("建议增加连接池大小或优化连接管理");
        }
        
        return suggestions;
    }
}

通过智能电网调度控制系统的成功实践，金仓数据库证明了在关键基础设施领域的技术实力，为电力行业数字化转型树立了标杆。

五、Windows与Linux安装部署

5.1 下载与安装

金仓官网下载：https://www.kingbase.com.cn/download.html#database

5.1.1 Windows下载与安装：

本文主要针对Windows系统进行交流体验，分享给大家一起交流学习！打开上面金仓官网地址，然后筛选 V9R4C12(SQLServer兼容版)，如下图所示

然后选择 X64_Windows（如下图所示）

下面就开始下载，下载完成虎双击打开文件（如下图所示）

然后会自动跳转到下面这个驱动器，点击KINGBSASE.EXE然后开始安装（如下图所示）

接下来就来到安装程序图，如下图所示，点击下一步

1.简介，点击接受然后下一步（如下图）

2.许可协议，新手建议完全安装（如下图所示）

3.选择安装集，选择想要安装的位置，如下图我选择安装在E盘上

4.选择安装文件夹，安装（如下图所示）

5.预安装摘要、添加功能、选择安装集，系统自动安装，如下图所示：

6.正在安装，选择一个文件夹，用于存储数据的，改文件夹必须为空（如下图所示）

7.选择文件夹，数据库默认端口号：54321，用户名：system，然后输入对应的密码（如下图）

到这里就完成了Windows数据库的初始化工作！

5.1.2 Linux下载与安装

官方下载页提供了 Linux x86_64 一键 tar 包 与 Windows GUI 安装向导。如下图所示，点击下载

下载后如下图所示，通过ftp方式上传到Linux服务器上进行安装

# 1. 创建 kingbase 用户
useradd kingbase && echo 'kingbase ALL=(ALL) NOPASSWD:ALL' >> /etc/sudoers

# 2. 解压
tar -xzf kingbasees_v9r4c12_linux_x64.tar.gz -C /opt
chown -R kingbase:kingbase /opt/kingbase

# 3. 初始化实例
su - kingbase
/opt/kingbase/install/initdb -D /data/kingbase -E UTF8 --locale=zh_CN.UTF-8
/opt/kingbase/install/kingbase -D /data/kingbase > kingbase.log 2>&1 &

5.2 金仓数据库开发工县KStudio

打开刚才安装的工具Kstudio，如下图所示

新建连接，注意密码是刚才上面安装设置的密码，我这里刚才设置是：qwertyuiop123456

点击测试连接，提示连接成功，如下图：

（1）新建数据库

CREATE DATABASE [xiaoxiang] WITH OWNER = [system] ENCODING 'UTF8' TEMPLATE [template1]
 TABLESPACE = [sys_default]
 lc_collate = 'zh_CN.UTF-8'
 lc_ctype = 'zh_CN.UTF-8'
 connection_limit = -1
 allow_connections = TRUE
 is_template = FALSE;

ALTER DATABASE [xiaoxiang] COLLATE Chinese_PRC_CI_AI;

 （2）新增表

CREATE TABLE [public].[title] (
    [id] integer IDENTITY(
        1,
        1
    ) NOT NULL,
    [title] varchar(128),
    [description] varchar(512)
);

ALTER TABLE [public].[title] SET
TABLESPACE [sys_default];

（3）插入数据库，可以手动写sql，也可以界面操作，非常方便

INSERT INTO [public].[title]
([id], [title], [description])
VALUES(2, '电科金仓2025发布会', '电科金仓2025.07.15在北京举行发布会');

（4）修改表数据

UPDATE [public].[title]
SET [id]=2, [title]='电科金仓2025发布会-通知2', [description]='电科金仓2025.07.15在北京举行发布会2';

（5）删除表数据

DELETE FROM [public].[title]
WHERE [id]=2 AND [title]='电科金仓2025发布会-通知2' AND [description]='电科金仓2025.07.15在北京举行发布会2';

5.3 创建兼容库（Linux系统）

KingbaseES 可以同时创建 Oracle 模式、PostgreSQL 模式 和 SQL Server 模式 三种库。这里指定：

-- 通过 ksql 连接
CREATE DATABASE ss_app DBCOMPATIBILITY='mssql';
\c ss_app

注：DBCOMPATIBILITY 参数只能在建库时指定，后续不可修改。

 

关于本文，博主还写了相关文章，欢迎关注《电科金仓》分类：

第一章：基础与入门（13篇）

1、【金仓数据库征文】政府项目数据库迁移：从MySQL 5.7到KingbaseES的蜕变之路

2、【金仓数据库征文】学校AI数字人：从Sql Server到KingbaseES的数据库转型之路

3、电科金仓2025发布会，国产数据库的AI融合进化与智领未来

4、国产数据库逆袭：老邓的“六大不敢替”被金仓逐一破解

5、《一行代码不改动！用KES V9 2025完成SQL Server → 金仓“平替”迁移并启用向量检索》

6、《赤兔引擎×的卢智能体：电科金仓如何用“三骏架构”重塑AI原生数据库一体机》

7、探秘KingbaseES在线体验平台：技术盛宴还是虚有其表？

8、破除“分布式”迷思：回归数据库选型的本质

9、KDMS V4 一键搞定国产化迁移：零代码、零事故、零熬夜——金仓社区发布史上最省心数据库迁移评估神器

10、KingbaseES V009版本发布：国产数据库的新飞跃

11、从LIS到全院云：浙江省人民医院用KingbaseES打造国内首个多院区异构多活信创样板

12、异构多活+零丢失：金仓KingbaseES在浙人医LIS国产化中的容灾实践

13、金仓KingbaseES数据库：迁移、运维与成本优化的全面解析

第二章：能力与提升（10篇）

1、零改造迁移实录：2000+存储过程从SQL Server滑入KingbaseES V9R4C12的72小时

2、国产数据库迁移神器，KDMSV4震撼上线

3、在Ubuntu服务器上安装KingbaseES V009R002C012（Orable兼容版）数据库过程详细记录

4、金仓数据库迁移评估系统（KDMS）V4 正式上线：国产化替代的技术底气

5、Ubuntu系统下Python连接国产KingbaseES数据库实现增删改查

6、KingbaseES V009版本发布，新特性代码案例

7、Java连接电科金仓数据库（KingbaseES）实战指南

8、使用 Docker 快速部署 KingbaseES 国产数据库：亲测全过程分享

9、【金仓数据库产品体验官】Oracle兼容性深度体验：从SQL到PL/SQL，金仓KingbaseES如何无缝平替Oracle？

10、KingbaseES在Alibaba Cloud Linux 3 的深度体验，从部署到性能实战

 第三章：实践与突破（10篇）

1、国产之光金仓数据库，真能平替MongoDB？实测来了！

2、【金仓数据库产品体验官】实战测评：电科金仓数据库接口兼容性深度体验

3、KingbaseES与MongoDB全面对比：一篇从理论到实战的国产化迁移指南

4、从SQL Server到KingbaseES：一步到位的跨平台迁移与性能优化指南

5、ksycopg2实战：Python连接KingbaseES数据库的完整指南

6、KingbaseES：从MySQL兼容到权限隔离与安全增强的跨越

7、电科金仓KingbaseES数据库全面语法解析与应用实践

8、电科金仓国产数据库KingBaseES深度解析：五个一体化的技术架构与实践指南

9、电科金仓自主创新数据库KingbaseES在医疗行业的创新实践与深度应用

10、金仓KingbaseES助力央企数字化转型

后期作品正在准备中，敬请关注......