【概要描述】

2024年5月16日，九章云极DataCanvas公司自立研发和设计的开源多模向量数据库DingoDB顺遂完成中国信息通讯研究院（以下简称中国信通院）多模数据库产物测试。本次测试的成功标记着DingoDB在手艺能力、机能表示和产物不变性方面获得了权势巨子机构的高度承认，并进一步印证其为用户供给靠得住高效数据治理解决方案的能力，和在多模数据库范畴的领先地位和出色品质。今朝，DingoDB已完成中国信通院《向量数据库尺度》和《多模数据库手艺要求》两年夜数据库范畴的重量级测试。

DingoDB多模向量数据库的多重能力

中国信通院作为国度级科研机构，承当了多项国度级重年夜科研使命和尺度制订工作，具有极高的权势巨子性和公信力，其测试和认证在业内广受承认。中国信通院按期对数据库产物进行周全测试，为用户选择适合的数据库产物供给权势巨子指南，本次多模数据库产物测试恰是基在《多模数据库手艺要求》的尺度。该尺度由中国信通院云计较与年夜数据研究所结合多家企业专家制订，涵盖了多模数据库的根基能力、治理能力、兼容能力、平安能力、扩大能力、高可用等六年夜能力域，共33个测试项（包罗21个必选项和12个可选项），测试产物需要知足所有必选项方可经由过程。

DingoDB——功能完全内建的数据库，而非多组件的简单堆砌

DingoDB集成了关系型、文档、向量和键值四种数据模子，能为用户供给高效多模子数据库解决方案。区分在市场上良多多模数据库厂商，它不是多个数据模子组件的简单堆砌，而是一款具有在线强一致性的完全内爱游戏建的数据库。

DingoDB产物特征：

· 企业级存储靠得住性：基在Multi-Raft多副本存储，确保数据强一致性，知足企业级容灾需求。

· 多模数据结合检索：撑持经由过程SQL进行履行关系、向量、文档的结合检索，并供给丰硕的索引类型，简化RAG利用的开辟复杂度，知足各类场景需求。

· 多模数据库的能力：摆设一套DingoDB便可具有键值缓存加快、关系数据库和向量数据库和文档的办事能力，削减多个数据库系统的保护和治理本钱，提高整系统统的效力和矫捷性。

· 兼容MySQL和谈：用户可以直接利用原生的MySQL客户端拜候，无需进修新的数据库语法和东西，下降用户的利用门坎。

· 程度扩缩容：基在存算分手的架构设计，DingoDB可以或许实现对机能和资本的一键程度扩容和缩容，使得企业可以或许按照营业需求快速调剂数据库范围，有用应对流量转变。

· 多存储引擎兼容：撑持多种存储引擎，使得企业可以按照营业特点选择最合适的存储引擎，最年夜化机能效益。

· 散布式事务：撑持多种数据模态下的散布式事务，同时供给多种隔离级别，既兼容乐不雅事务和灰心事务，确保事务在散布式情况下的完全性和一致性。

· 多租户撑持：原生撑持多租户，办事隔离避免数据泄漏与干扰。撑持要求级动态流控，矫捷分派资本。撑持夹杂存储与按租户和资本组隔离，确保资本的公道分派和高效操纵。

· 开源开放：完全开放数据库源代码，供给丰硕的多说话SDK和详实的开辟文档，知足用户在分歧利用开辟场景中的需求。

DingoDB场景利用：

1）基在RAG手艺的场景的利用

DingoDB笼盖关系型、文档、向量和键值等多种数据模子的特点，使得它在基在RAG手艺（Retrieval Augmented Generation）的场景中获得普遍利用，例如企业常识治理场景。该场景的方针是从海量的手艺文档中找到与问题相干的片断并生成回覆。这个进程需要连系年夜说话模子（LLM，large language model）和多模数据库的能力。此中，LLM由于没法直接生成与手艺内容相干的谜底，只起到辅助性感化，结果黑白是由履行检索使命的多模数据库决议。在该场景，DingoDB供给两种分歧的检索体例来召回相干文本数据，包罗向量检索和要害词检索。向量检索依靠在DingoDB的向量数据库功能，而要害词检索则依靠在其文档数据库功能。这类多模检索体例能有用提高生成内容的正确性、联贯性和信息量，确保用户取得更高质量的响应。

利用DingoDB的企业常识治理场景的流程以下，分为以下三个步调：

基在DingoDB多模向量数据库的RAG构建流程

·Step1.文档解析入库

将企业的手艺文档上传，经由过程Text Splitter模块进行朋分，生成多个文本块（段落、句子等）。对文本块进行标注提取，生成题目或标签，便在检索。对包括表格的数据，生成描写性句子，确保表格内容能被正确理解和检索。最后，经由过程Embedding模子将文本块向量化，生成用在向量检索的暗示，存入DingoDB。

·Step2. 基在DingoDB的向量检索和要害词检索

用户提出问题后，经由过程Embedding模子生成向量暗示，在DingoDB中进行向量检索，找到最相干的多个文本块。要害词检索是为解决用户口头表达与专业文档不匹配而酿成的检索禁绝确问题。要害词检索经由过程LLM提取要害词，输入DingoDB进行要害词匹配（match召回），找到相干文本块。DingoDB撑持标量向量结合检索，连系要害词匹配和向量召回进行夹杂召回，返回TopN相干文本块。

·Step3. 谜底生成

将检索到的TopN相干文本块经由过程预界说的Prompt模板传递给LLM，由LLM生成具体且正确的谜底。

综上所述，在年夜说话模子时期的RAG典型利用企业常识治理场景，DingoDB可以高效地处置和检索海量手艺文档，供给精准、和时的谜底，撑持企业内部的信息查询和常识治理。依托该场景，DingoDB在多家央企客户获得利用。

2）散布式KV场景的利用

在金融行业的及时风控、反讹诈、精准营销、产物保举等需要亚秒级决议计划的场景，DingoDB以其高机能和低延迟的特点，轻松把握亚秒级年夜范围数据处置与阐发，为及时决议计划供给坚实的办事支持。DingoDB采取进步前辈的数据复制与故障转移机制，并经由过程持久化手艺确保数据平安靠得住。同时，能按照营业需求矫捷扩大计较与存储资本，自在应对数据处置需求的延续增加。DingoDB具有知足信创尺度的高频Serving计较能力，使企业在面临及时数据处置和决议计划时可以或许快速响应。

3）其他场景的利用

除上述两类场景，DingoDB还在多种丰硕场景利用中揭示了其壮大的功能和多样化的能力。

DingoDB多模向量数据库支持多种营业场景

●Vector Ocean数据支持：Vector Ocean是九章云极DataCanvas对数据架构的一种全新假想。DingoDB在Vector Ocean中供给布局化和非布局化数据的存储，撑持多模态数据阐发能力和科学计较能力。其壮大的数据处置能力使得企业可以或许在一个平台上处置多种数据类型，简化数据治理流程。

●年夜模子记忆体：DingoDB辅助年夜说话模子生成前的Prompt治理，供给高效并发的搜刮谜底能力。这在年夜说话模子时期尤其主要，可以或许为AI模子供给靠得住的数据撑持，晋升模子生成谜底的正确性和效力。

●布局化与非布局化数据的融会阐发：DingoDB撑持音频、视频、文本等非布局化数据的向量化存储，供给布局化与向量数据的结合阐发和计较能力。这类融会阐发能力使得企业可以或许从多维度进行数据阐发，获得更周全的洞察。

总结

综上所述，DingoDB作为一款多模数据库，在企业常识治理、及时决议计划、数据支持、年夜说话模子利用和多类型数据检索和阐发等方面揭示出壮大的利用能力，取得了普遍的承认和洽评。DingoDB不但可以充任海量数据的存储中间，仍是鞭策数据驱动决议计划的焦点动力。在数字化转型的海潮中，DingoDB成为传统营业与前沿手艺的主要桥梁。不管是云计较的高效处置、年夜数据的深度阐发、人工智能的智能决议计划，仍是物联网的及时数据互换，DingoDB都能供给坚实的数据阐发和处置支持。

• 分类： 博鱼新闻
• 作者：博鱼
• 来源：集团新闻
• 发布时间：2024-08-17
• 访问量： 0