KaiwuDB 数据库

deploy.sh uninstall 用于完成 KWDB 卸载，deploy.sh cluster 命令用于 KWDB 集群部署，下面针对按照过程中的 deploy.sh cluster 进行分析，该脚本一共 870 行，下面对安装过程进行分析。本博客是在完成了 KWDB 部署的基础上，进行 KWDB 分布式部署，并对部署过程的命令以及 deploy.sh 执行过程进行进一步分析，关于安装 Ubuntu22.04 和 KWDB 的文档可以参考官方或如下博客。关于这个是三个脚本的功能不进行拓展。

执行计算：融合多种数据计算引擎，根据不同模型数据特征选择不同的存储、计算模式，对外提供统一的接口，提供多种分析计算能力，提升查询效率。注意：如果部署环境为 Ubuntu 18.04 版本，部署完成后，需要将 kaiwudb.service 文件中的 CPUQuota 修改为整型值，例如，将 180.0% 修改为 180%，以确保设置生效。相比传统的数据库，KaiwuDB 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。

作者：jiao_zg。

不过值得表扬的是把需要的环境条件写在这里了。我也遇到过没写，然后我们就一路安装，最后实在不成功求助，得到答案是操作系统和CPU不适配。第一把这些做到RPM包中就减少了人工配置的工作量，也减少了出错的环节。去年在我的签售会让认识了KWDB的运营，以及在后来墨天轮的一些会议上也遇到过。通常这种我是愿意给出一些我认为对产品有帮助的建议的。因为现在大家都很忙，对于一个没有收益的新技术，不抱怨和抵制就算好的了。在看到最新版本的活动体验后，我就来试试当初答应的事情。因为步骤还是有点的，这是单机安装的文档。

KWDB（KaiwuDB）是一款开源的时序数据库，是浪潮集团控股的数据库企业，以多模数据库为核心，主要面向工业物联网、数字能源、交通车联网、智慧城市、数字政务等多种场景。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。早在 2023.01.10 KWDB 1.0 就已经正式发布，经过一年多的孵化，目前最新版已经来到 2.1.0，可以说已经是一款比较成熟的数据库了。

通过文章的介绍，我们了解了KWDB这款国产开源多模数据库的核心特点和应用场景，并详细讲解了如何在麒麟操作系统上一键安装KWDB单机版数据库。KWDB作为一款面向AIoT场景的分布式多模数据库，具有高性能、易部署、易使用的特点，非常适合各类物联网应用场景。作为国产自主研发的多模数据库，KWDB以其强大的性能和灵活的功能，正逐渐成为国内数据库领域的新星。对于初次接触KWDB的用户，单节点裸机部署是最简单直接的方式，特别是在麒麟操作系统环境下，KWDB提供了一键安装脚本，大大简化了部署过程。

单节点异常：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。

作者：度假的小鱼原文链接：https://blog.youkuaiyun.com/u014096024/article/details/147722433?spm=1001.2014.3001.5502KWDB 是由开放原子开源基金会孵化及运营的开源项目，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，具有稳定安全、高可用、易运维等特点。KWDB 基于浪潮 KaiwuDB 分布式多模

经过对/etc/sysctl.conf（包含sysctl.d/下）和/etc/security/limits.conf（包含limits.d/下）均为变更，在生产环境中是否会对数据库运行造成影响，官方文档并没有明确说明，希望改进。这里无论是在Gitee还是官方文档中，都没有关于/etc/sysctl.conf和/etc/security/limits.conf，暂且把相关配置留下，看后面安装过程是否会遇到问题。官方文档小问题比较多，包括但不限于内容错误、表达不明确或未提醒等，希望检查并修正。

KaiwuDB 提供强大的实时计算、事务处理、交互查询等能力，通过实时数据预测分析为企业提供准确的调峰调频等方案，通过实时数据的监测预警保障企业安全，实现能源数据的采集、存储、治理、计算分析与应用。车联网 KaiwuDB 具备构建时序数据引擎的能力，将车端采集的车传感器数据、车辆中控状态数据、发动机数据等时序类数据，通过 MQTT 和移动通信网络高速写入到 KaiwuDB，然后经过网关汇聚到 KaiwuDB 数据库后进行存储、管理、计算、分析，服务上层的业务系统。在部署过程中，系统会自动生成相关日志。

当生命周期的取值小于分区时间范围的取值时，即使数据库的生命周期已到期，由于数据存储在当前分区中，用户仍然可以查询数据。数据库的类型多种多样，关系型数据库、时序型数据库、非关系型数据库、内存数据库、分布式数据库、图数据库等等，每种类型都有其特定的使用场景和优势，KaiwuDB 是一款面向 AIoT 场景的分布式、多模融合、支持原生 AI 的数据库产品，支持同一实例同时建立时序库和关系库并融合处理多模数据，具备时序数据高效处理能力，kwdb支持关系数据库和时序数据库之间跨模检索相关的数据。

纯命令行操作数据还是非常的麻烦的，且没有办法进行各类批量操作，那么本文就围绕着 Python 语言对 KWDB 数据库做链接以及 CRUD 操作做一个具体的讲解，操作的前提是环境，故而还需要对环境做出妥当的部署，否则是无法正常运行我们的代码的。我这里操作的都是时序数据的操作，所以操作过程与传统的数据库区别还是很清晰的，竟然没有看到唯一的 id，其实唯一的 id 用的是时间戳来锚定的，在环境上我们对齐颗粒度，在操作上我们需要反复测试几回才能更好的适应时序数据库的具体代码操作。每条消耗还是有些许增加的。

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。

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。

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。

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。

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。

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。

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。

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。

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。

● 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。

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。

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。

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，

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。

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。

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？

作者：IT从业者张某某原文链接：https://blog.itpub.net/70045384/viewspace-3081232/