老实人做的数据库产品，好像也不“老实” ！-优快云博客

本文链接：https://blog.youkuaiyun.com/liuhuayang/article/details/148177007

❝
开头还是介绍一下群，如果感兴趣PolarDB ,MongoDB ,MySQL ,PostgreSQL ,Redis, OceanBase, Sql Server等有问题，有需求都可以加群群内有各大数据库行业大咖，可以解决你的问题。加群请联系 liuaustin3 ，（共2800人左右 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 +9）(1 2 3 4 5 6 7群均已爆满，开8群约300 9群 100+）

每天看着德哥在AI的领域里面奋起远航，我是真羡慕，人家踩对了点，跟上了世界的脉搏。在当今火热的AI市场，蓬勃的发展的时代，我们是不是忘了什么，对下一步，人工智能和我们的线下的设备进行对接，产生真正的生产价值的闭环。

是的我们忘记了一个关键的一环AIoT,在我们还陶醉在AI给我们带来的各种知识和信息的爆炸，感叹知识和能力的提高，那么线下呢？需求在天上飞，价值是要落地的，那么多的智能设备的数据如何更加智能的收集，这些是需要进行收集和分析的最后产生价值造福我们，智能设备的数据如何进行收集存储和分析，并且被AI所利用，并再次让这个世界疯狂的陷入变化。

曾经有一个词IoT相信大家都了解，物联网很热的词汇，好像现在大家逐渐淡忘了这个词，而AIoT,人工智能物联网，Artificial Intelligence of Things，就是将人工智能的能力，例如机器学习、数据分析和认知计算等，应用到物联网设备和系统中，使这些设备能够更智能地感知、理解和响应周围的世界，并自主做出决策。

到底我们有没有这样的产品，或者说有助力AI进化和发展的第二个步骤的数据库产品，专业的AIoT的数据库产品。这部分的数据库场景，可以上到火箭，航天器，下到个人智能的设备，而这些数据库都有一个非常大的特点，数据量大，且需要进行快速的分析，并且这些数据都和时间挂钩。未来很多生产性企业需要AIoT 类的数据库产品，去助力他们的AI产业的二次发展和落地，我们要回到的现实世界，智能设备需要上传数据，等待分析数据，然后在等待系统给付的指令。

这是我们不能忽视的问题，如AIoT类的产品在数据安全方面的是需要考量的，收集数据需要加密，数据存储需要加密，处理过程中数据操作需要审计和监控。这些都是AIOT类产品必须要要做到的，你无法想象专业关键设备上的数据跑到别人或者友商的“碗里”。在商业上任何企业都无法接受这样的重创，智能医疗在手术中的所拍摄和获取的数据也是病人的隐私，所以整体数据链路的安全十分重要。

与此同时对于大量的数据记录和数据落地前的过滤、数据压缩，对于AIoT类的数据库是一个关键，如比如动态数据筛选，协议级的压缩，占用更少的存储成本等等，是每一个搞线下实体企业关注的重点，因为这牵扯着企业的运营成本。

在我学习这类数据库的特点的时候，还发现一个在传统数据库世界从来不曾接触过的部分，边缘化计算的优化。

这里有几个部分，我们需要深层次的探讨，到底我们的数据有没有必要全部落入到数据库中，也就是我们的 IoT类的数据有没有必要，全部写入到库中。

这就牵扯到一个新的概念，边缘计算的系统化，这个词听起来绕口，但却是实实在在的为大量的IOT数据落盘做出的成本最优选。这里举一些我们可以理解的例子：

1 在边缘设备（如网关）部署数据库，实现本地数据缓存与实时分析。如，在智慧园区场景中，摄像头采集的视频元数据（非视频流）直接在边缘端存储，仅上传异常事件摘要至云端的方案。

2 缘节点支持离线状态下的数据预处理（如异常检测），仅将分析结果同步至中心数据库，减少跨网络传输的数据量。

我们这里可以画图来将其中的细节进行一个解释。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。所以IOT类的数据库还有要更优的设计。当然TTL的功能也是物联网数据库必备的功能。所以我想到另一个点，就是一个便宜且轻量化的终端数据库作为第一级数据存储，而在这些数据初步分析后，在上传到AIoT数据库产品，这也就要求一个AIoT的数据库产品应该有两种形式，轻量级或者单机的模式+分布式智能的AIoT数据库。

IOT

上面这张图实际上就是一个物联网的典型案例，当设备在大量的传送数据，而通过TTL一次IOT数据库抛弃掉不必要存储的数据后，需要作为长期数据分析存入AIoT的数据，需要在传入更上一层数据库系统进行数据的汇总，这也就是说，一个AIoT数据库产品至少有两种类型的数据库产品，一种是直接接入到设备的一级产品，另一个是具备更高功能的全能AIoT数据库产品。

为了丰富我的数据库产品线，当人家问我的时候我的能回答出来有什么产品适合你的人工智能物联网业务，我网络上开始搜索，IoT,AIoT数据库。

在我搜索的时候，发现了一个“另类”，在数据库日益内卷的当今，一些我们深恶痛绝的，没有需求也要上的产品充斥市场，一说什么都行，可你问过你的客户需要这个功能吗？

有意思的事，我发现这个世界上还真有逆向操作的公司和人，也就是我们俗称的“老实人”、“实诚人”，我们可以看下面的截图，原文的链接也可以直接点击。

https://caijing.chinadaily.com.cn/a/202409/04/WS66d81d31a310a792b3aba5f8.html

克制的做多模

凭上面这段文字，给我极大的好感，现在还有人克制的做功能，不是越多越好吗？上面这段文字的出品者就是浪潮KaiwuDB 。读完这段文字后，我带着特别的好感，去研究了一下这个叫KaiwuDB的数据库产品。

KaiwuDB 深度防御与分布式架构设计

模块	子模块/技术点	实现方法/技术要点	应用场景/效果
深度防御策略	全链路加密机制	- 数据收集：SSL/TLS协议（如TLS 1.3） - 存储加密：AES-256 + TDE - 处理加密：审计日志 + 字段级加密	工业物联网场景：防止中间人攻击、非法访问、内部泄露
	分布式架构安全增强	- 分片与副本隔离（独立分片+访问控制） - 动态密钥管理（KMS + 自动轮换）	高敏感数据场景：降低单点泄露风险，支持百节点横向扩展
数据最小化原则	精准数据采集与过滤	- 规则引擎筛选字段（如化工工厂保留温度/压力） - 协议压缩（LZ4/Snappy，压缩率10-30倍）	减少冗余数据传输，降低带宽成本
	生命周期自动化管理	- 冷热分层（SSD→HDD自动迁移） - TTL自动归档删除（如日志清理）	工业设备场景：原始数据保留7天，历史数据保留1年，存储成本减少90%
边缘计算	边缘节点轻量化部署	- KaiwuDB 支持本地缓存与分析 - 离线预处理（如异常检测）	智慧园区场景：摄像头元数据本地存储，仅上传异常事件摘要（响应延迟<50ms）

分布式性能与安全	存储与计算优化	- 分片策略（设备ID/时间范围分片） - 负载均衡（StoreReblancer自动迁移）	车联网场景：按VIN码分片支持高并发实时定位查询，写入吞吐量提升10-100倍
	安全增强设计	- RBAC权限控制（表级/字段级） - AI异常流量检测（高频全表扫描识别）	运维场景：限制非授权访问，自动触发限流/告警
技术验证与场景适配	工业物联网案例	- 某重型装备集团：3万+测点管理，故障率降65%，存储成本减90% - 智慧能源：边缘写入百万级/秒	高并发时序数据场景：分布式架构支持百节点扩展
	性能基准测试	- 写入性能：单机50万测点/秒，批量千万级/秒 - 查询效率：复杂聚合响应<1秒（亿级数据）	跨设备多维统计场景：亿级数据秒级响应，满足实时分析需求