OceanBase数据库官方博客-CSDN博客

原创杨传辉：构建 Data × AI 能力，打造 AI 时代的一体化数据底座｜OceanBase 开发者大会实录

OceanBase 在广州举办第三届开发者大会。主论坛环节，OceanBase CTO 杨传辉系统阐述了 Data × AI 战略，并正式推出三大产品：PowerRAG、共享存储及OceanBase桌面版。

2025-05-30 15:04:08 1668

原创 OceanBase 开发者大会：详解 Data × AI 战略，数据库一体化架构再升级

OceanBase 2025 开发者大会与5月17日在广州举行。会上，OceanBase CTO 杨传辉系统性地阐述了公司的 Data×AI 战略，并发布了三大产品：PowerRAG、共享存储，以及OceanBase桌面版。

2025-05-19 10:54:18 1985

原创数据库工程师如何实现ERP 系统百万级用户并发支撑？

央国企内部发票、订单、凭证、库存、资金等结构化数据，与合同、审计报告等非结构化数据并存，传统方案需组合数据库、向量库、全文检索、大数据平台等多套组件，数据在多系统间反复同步转换，不仅带来查询延迟、数据不一致和运维成本上升，也显著增加了AI应用测试、灰度、回归和迭代的复杂度。OceanBase 与浪潮海岳将持续携手共建，深耕央国企 ERP 场景，以技术筑牢安全合规防线，让数据“活”起来、底座“通”起来、智能“用”起来，让智能体真正理解组织、财务、合同、供应链与经营逻辑，共铸驱动央国企高质量发展的核心引擎。

2026-09-18 10:27:43 9

原创 PowerContext 1.0.0 正式发布：前事有据（技术解析与实践）

一项工作跨过会话、模型和参与者时，需要带上已经验证的判断、仍未解决的问题，以及各自的证据。PowerContext 保存这条来路，也把未完成的部分整理给下一位。会话结束时，下一位接手者不必再从“先介绍一下项目背景”开始。他应该先看到当前目标、走过的路、仍需核实的地方，以及证据在哪里，然后从那里继续。参考资料[1]Alfred, Lord Tennyson，《尤利西斯》:[2]组织背景成为 Agent 能力的一部分:[3]带状态的 Agent 运行环境:[4]持续科研工作:[5]

2026-09-17 10:44:05 218

原创 Agent 项目记忆构建指南

在分享的最后，冯雯给了一些务实的落地建议：先选择一个同时具有多模态输入和跨会话需求的真实任务，观察证据是否准确、任务是否完成、恢复时是否减少了重复调查，再据此调整方案。MiniMax Code 的多模态任务实践、OceanBase seekdb 的证据检索，以及 PowerContext 的项目记忆与工作交接，分别处理这条链路上的不同问题：材料怎样查，窗口怎样用，工作怎样继续。回到开头的结算页面，下一次恢复任务时，Agent 应该知道：布局改到了哪里，哪些尺寸还没测，请求错误还缺什么证据。

2026-09-16 10:22:49 59

原创快看漫画Livo数字生命实践：长期记忆的三重挑战与OceanBase方案

记住”只是基础，数字生命需要具备“可理解的生命力”，简单而言，是对话需要沉淀为情感标签与记忆向量，经历需要组织成可追溯的因果链条，并能被模型直接调用，成为多 Agent 思考与反应的真实依据。在 OceanBase 构建的 AI 数据底座上，数字生命和用户的每一次互动、他的每一段记忆都被妥善保存、实时分析、智能调动，正是这样的技术支撑，让数字生命拥有了“生长”的能力。快看漫画，作为国内领先的漫画平台，正在给出自己的答案——推出旗下产品 Livo，打造可生长、有记忆、甚至能与用户深度对话的数字生命。

2026-09-08 10:50:36 211

原创深度拆解seekdb：AI Native Database 的技术架构与核心能力

seekdb[2] 是一款 MySQL 高度兼容、AI 原生且轻量的跨平台数据库，支持嵌入式与服务器两种运行形态。它以 Agent 为核心设计场景，同时适用于 RAG、企业知识检索、智能应用后端与本地数据处理等场景。seekdb 将关系数据管理、向量检索、全文检索、半结构化与空间数据处理、数据库内 AI 调用，以及面向 Agent 的 Fork/Diff/Merge 数据工作流放入同一个数据库内核。

2026-09-07 17:13:33 411

原创聚焦数据库与大模型融合与浙大合作项目入选2026 年CCF 产学合作基金项目成果合集

长期以来，OceanBase 与高校、科研机构在技术攻关、成果转化与人才培育等方面展开紧密合作，未来，将持续开放真实业务场景与技术资源，深化合作，聚焦 AI 与数据库融合等前沿方向，协同攻克关键技术难题，推动原创成果从“论文”走向“产品”，从“实验室”走向“产业线”，共同推动中国数据库产业向更高水平迈进。自 2024 年起，CCF 启动产学合作基金项目成果合集收录遴选工作，旨在更好地服务 CCF 产学合作基金合作伙伴以及项目承担人，提升项目成果质量。

2026-09-03 10:36:59 219

原创亮相“十五五”公积金高质量发展大会“AI 数据库”助力智慧公积金升级

升级过程中，OMA 评估工具可提前识别改造点与兼容风险，OMS 数据同步引擎实现全量+增量的自动化迁移与反向同步，并支持在线数据校验与差异修复，确保业务切换的完整性与一致性，真正实现业务在线、应用无感、风险可控的升级体验。下一步，OceanBase 将持续深化与公积金行业的协同共建，持续升级 AI 数据库及公积金行业解决方案，进一步强化“存、搜、算、管”一体化能力，推动公积金服务从“能办、智办”向“预知、主动、共生”的智慧化新阶段迈进，助力打造更高效、更智能、更普惠的智慧公积金服务体系。

2026-08-27 10:30:12 292

原创 OceanBase：从核心系统现代化到AI 创新

OceanBase 进一步通过 LTAP 推动数据库与数据湖的融合，LakeBase 将关系型、JSON、地理空间、文本、图片、视频等不同类型的数据纳入统一的数据基础，并支持混合检索，让 AI 应用能够更直接地访问完整的业务上下文。最直接的答案是：组件数量的大幅减少。16 年的技术积累，让 OceanBase 在原有 TP 与 AP 能力基础上，逐步构建起面向 AI 场景的数据能力体系——通过 AI 原生、一体化架构和多模态等关键能力，支撑企业构建面向 AI 时代的数据底座，帮助企业实现 AI 应用创新。

2026-08-24 14:35:53 359

原创 OceanBase 联合华信永道攻坚“智慧公积金”升级（技术解析与实践）

双方强强联手，联合打造“智慧公积金一体化解决方案”。该方案依托 OceanBase 一体化数据库“一库多能”的特性，为公积金打造覆盖归集、贷款、提取、资金结算全场景的新一代数字化平台，推动行业从“信息化支撑”向“智能化引领”实现升级跨越，助力数字公积金治理能力现代化。从超 700 万缴存职工的信赖，到 99.99% 的高可用承诺，再到面向 AI 的前瞻布局，OceanBase 以“一体化数据库”让公积金业务不只是简单的“国产升级”，而是推进公积金行业数字化转型进入了 “一体化、智能化”新阶段。

2026-08-19 10:54:30 264

原创 OceanBase 全国第一张“一本账” 凭证背后（技术解析与实践）

这张凭证的背后，是一场历时一年、覆盖全险种的核心业务系统数智化重构——吉林省社会保险事业管理局借助企业职工基本养老保险全国统筹契机，以 OceanBase 为底座，完成机关事业单位养老保险、企业养老保险、城乡居民养老保险、失业保险、工伤保险、职业年金投资运营、财务系统、公共服务、社银一体化、风控系统、大数据分析及全省定点机构结算等全业务链条的省集中整合。必须打破技术与业务的壁垒，打造一支既精通业务又熟悉技术的复合型队伍，真正打破各险种、各模块间的信息孤岛。第二，停机窗口的压缩本质上是“前置工程”的较量。

2026-08-18 10:37:26 385

原创 OceanBase Harness Engineering？AI 产品真正的瓶（技术解析与实践）

实测数据显示，相较于传统的记忆管理方案，集成 OceanBase Powercontext 后，准确率提升 49%、延迟降低92%，系统的 Token 消耗大幅降低，仅为原有默认方案的 18%。得益于海量业务场景的长期实践，OceanBase 的所有能力模块——无论是核心的 TP 引擎，还是新兴的向量检索，都经过了海量数据与极端复杂场景的反复验证与优化。回望 AI 工程化的发展历程，我们经历了从 2022-2023 年的提示词工程，到 2025 年的上下文工程，再到 2026 年的驾驭工程的演进。

2026-08-17 11:11:25 242

原创 OceanBase AI 数据库为什么需要多模表？（技术解析与实践）

OceanBase 一直沿着“一体化数据库”的方向演进：从核心交易场景的分布式在线交易，到 Oracle 兼容、HTAP、多模型能力和混合搜索。在刚刚过去的 OceanBase Hours 上，OceanBase 正式发布了湖库一体的 AI 数据库。这不只是负载类型和数据模型的又一次升级，而是一个更根本的变化——数据库的用户变了。AI 数据库不是为了支持图片、PDF 或向量，而是因为数据库第一次迎来了一类新的用户——Agent。这件事带来的第一个挑战，就是 Agent 的数据困境。

2026-08-13 10:27:44 431

原创架构师如何承载千万级Agent数据？OceanBase逻辑表实践

当 AI 可以持续生成 Agent，数据基础设施面对的规模问题，也从“一个系统里有多少数据”，变成“需要同时管理多少个独立的数据与记忆空间”。面向海量 Agent，OceanBase 提供统一的数据基础设施：通过逻辑表承载每个 Agent 的独立数据空间，通过记忆能力持续保存、检索和调用上下文、历史事实与经验。OceanBase 正在把同一边界继续扩展到数据、索引和生命周期，让一个 Namespace 对应一个用户、Agent 或记忆库，其下的数据和记忆既能独立管理，又能共享底层资源池。

2026-08-11 10:43:03 412

原创 OceanBase AI 数据库混合搜索入门实践（技术解析与实践）

但直接相加有个问题：如果向量搜索的分数范围是 0~1，而全文搜索的分数范围是 0~30，那全文搜索的分数天然就压过了向量搜索，即使向量搜索认为某个文档非常相关，也抵不过全文搜索的一个中等分数。需要记住的其实还是这个老生常谈的基础概念：向量搜索负责语义召回，全文搜索负责关键词兜底，标量过滤负责把范围框住，融合算法负责把多路结果排到一张榜单里。OceanBase 混合搜索支持在单条 SQL 中融合向量搜索（语义）、全文搜索（关键词）与标量过滤（结构化条件），通过内置 RRF 等融合算法自动实现合并排序。

2026-08-11 10:09:24 470

原创基于OceanBase的Agent全栈落地路径与记忆引擎实践

新版本将 Builder、Web 应用、工作流、MCP 服务全部纳入同一套管理体系，一套运行包完整承载 Prompt、Sandbox、Skills、文件存储、花名册 Roster 五大模块。本次活动围绕【**推理→Agent 运行时→上下文工程】**完整技术主线展开，4 位行业重磅专家同台分享，50+ 位 AI 架构师、智能体开发者、企业技术负责人到场，围绕企业级智能体工程化、安全治理、底层算力、长效记忆四大核心痛点完成理论拆解、案例拆解与现场共创，形成一套全栈可复用的 Agent 落地方案。

2026-08-10 11:48:36 509

原创 OceanBase 聊聊Graph Engineering ——别让一个Agent 既当运动员又

如果生产结果、检查结果和判断方向都由同一个 Loop 完成，它很容易同时成为运动员、裁判和记分员。Graph Engineering 要设计的，就是多个 Loop 之间，如何分工、交接、纠偏和停手。最近几天，突然到处都在聊。有人把它说成多 Agent 工作流，有人强调运行时生成任务，也有人讨论“让 Loop 检查 Loop”。。当一个 Loop 装不下执行、检查和方向判断时，工程问题才会从 Loop 内部移到多个 Loop 之间。

2026-08-07 10:36:16 422

原创信也科技 × OceanBase ：从风控核心到AI 数据底座的探索（技术解析

信也许多业务最初使用MySQL分库分表方案支撑，在该方案中，以下四个痛点对DBA而言应该并不陌生。**第一，研发效能黑洞，跨库查询与分表治理问题。**我们内部有一套面向研发的自动化平台，但当分表数量较多时，排查问题需要做跨分片聚合查询，往往需要DBA协助，流程比较繁琐。而且，大部分业务代码被迫适配中间件逻辑，严重拖累敏捷迭代的交付节奏。**第二，扩容如履薄冰，极高运维风险。**一方面随着业务持续增长，分库分表方案最终必然面临扩容需求。长期来看，分片维护等工作相当枯燥，且存在扩容窗口期的风险。

2026-08-07 10:29:31 467

原创一条消息进入数据库后，OceanBase PowerMem 是怎么决定哪些该记、哪

但衰减不等于删除，它只是一个持续变化的权重，真正决定一条记忆命运的，是它有没有被再次访问，这跟人脑的工作方式很一致。值得注意的是，LLM 返回的结构化 JSON 中的六维数据实际上并未直接参与最后的权重的计算，在这里让 LLM 返回六维数据只是为了通过 Chain-of-Thought 的结构化分解来辅助 LLM 推理，让最终答案更可靠稳定。初始保留率决定了一条信息在形成瞬间的牢固程度，越重要的信息在写入时就应该被赋予越高的初始保留率，低重要性内容在认知层面本就应更脆弱，更容易在竞争中让出存储与检索带宽。

2026-08-06 10:26:26 448

原创 OceanBase 论文又上新两篇论文被国际顶会收录，破解AI 函数与查询优

最后，ScalePQO 为每个模板簇训练一个共享排序模型，在减少模型数量的同时，保留对相似模板的适配能力。更重要的是，IMLane 的解耦调度设计为异构资源的充分利用提供了可能——GPU 、远程服务器、甚至 LLM 推理服务，都可以以Lane为单元被灵活调度，让数据库引擎真正成为 AI 时代的数据处理中心。取而代之的是，IMLane 为 AI 函数维护独立的调度队列。未来，随着 AI 函数在数据分析中的普及，异构资源的调度需求只会更加多样——更多的 GPU 类型、更复杂的远程推理场景、更大规模的 LLM。

2026-08-06 10:16:48 466

原创济南地铁票务系统重构：基于OceanBase解决高并发与零中断实战

这一决策的核心考量在于：一体化数据库不是简单的“国产升级”，而是架构重构——无需为不同业务负载部署多套数据库，用性能更优、功能更全、场景融合的一体化数据库，同时完成关键业务负载、实时分析与未来 AI 应用，让技术投入的价值实现最大化。未来，济南轨道交通集团将继续深化与 OceanBase 的合作，探索更多数智化应用场景，以“根自研”技术为基，以一体化能力为翼，推动轨道交通服务迈向更智能、更高效、更安全的高水平发展，打造城市交通的智慧动脉。这看似寻常的“秒级通行”，背后却是海量数据在毫秒间的激烈博弈。

2026-08-05 10:52:25 517

原创得物实践：OceanBase高并发TPS 1.3万，性能提升200

在经过全面的 POC 验证及测试后，OceanBase 很好地解决了当前问题，特别是架构痛点，在承载 MySQL 业务的同时，压缩率及性能上均较原数据库更优，在与研发业务高效协作后，对当前架构进行“大换血”，目前已将原数据库的部分流量切到 OceanBase 进行 POC，运营 B 端已全部走 OceanBase。在保障业务稳定性、可用性前提下，通过切换 OceanBase 来获得性能、成本双重提升，特别是在接下来进入深水区、核心业务推广时，还有不少切实需要解决的问题，需要沉淀总结的经验。

2026-08-05 10:17:00 1039

原创让 DRP全域数据智能流转OceanBase AI 数据库支撑央国企落地穿透式监

OceanBase AI 数据库以湖库一体架构打破数据孤岛，以 HTAP 能力实现实时穿透，以 OceanBase DataStudio 赋能智能数据治理——让央国企收获的不只是一个合规报送平台的数据库，而是一个让 DRP 全域数据流通起来的数智根基，支撑从监管合规到经营决策的全方位数据需求，实现从“被动检查”到“主动治理”的模式跃迁，为央国企在智能经济时代的稳健前行保驾护航。跨周期对比分析：利用湖库一体的时间旅行能力，追溯任意历史时点的数据状态，支持跨年度、跨版本的深度对比审计。

2026-08-04 11:05:09 355

原创 OceanBase DataPilot AIP：Ontology 承载AI能力面的另一条路

每个子域 Agent 都有自己清晰的边界——数据范围（哪些表、视图、数据源）、Ontology 范围（哪些 Object、Link、Function）、Action 范围（可调哪些查询、分析、执行 Action）、知识范围（文档、SOP、指标解释），以及行为约束（默认只读还是可执行、何时必须人工确认）。典型流程是这样的：用户提出真实业务问题，Agent 用当前空间可用的数据、指标和 SQL 能力完成分析，用户确认或修正结果，Agent 判断这个分析是否满足“高频、稳定、参数清楚、结果可验证”四个条件；

2026-07-28 12:13:05 505

原创复杂SQL优化200倍的背后：得物OceanBase执行计划与Hint调优实战（技

在经过全面的 POC 验证及测试后，OceanBase 很好地解决了当前问题，特别是架构痛点，在承载 MySQL 业务的同时，压缩率及性能上均较 StarRocks 更优，在与研发业务高效协作后，对当前架构进行“大换血”，目前已将 StarRocks 部分流量切到 OceanBase 进行 POC，运营 B 端已全部走 OceanBase。DBA 报表业务一直基于 MySQL，存在复杂查询耗时长的问题，大部分超过 1 秒，甚至有超过 30s 才能执行成功，同时复杂查询带来的资源互斥、锁等待等运维问题。

2026-07-23 10:13:35 1633

原创 OceanBase 部署与运维，来Qoder，一句话优雅搞定（技术解析与实践）

这套能力既适合想快速完成 OceanBase 初次部署和连接验证的开发者，也适合需要临时搭建测试环境的工程师、希望向客户或团队演示 OceanBase 能力的技术人员、需要部署 OBProxy、OCP、OMS、OBAgent 等生态组件的团队、需要在开发机上频繁搭建或重建验证环境的技术团队，以及希望将数据库部署和运维流程标准化、自动化的运维团队。你可以让 Qoder 部署 OceanBase，也可以让他重启集群、升级版本、部署 OBProxy、部署 OCP、部署 OMS 或补充 OBAgent。

2026-07-21 10:24:52 383

原创 OceanBase入选Forrester Wave：多模架构与HTAP技术实践指南

报告指出，MMDP 为 AI Agent 的“大脑”和“记忆”提供统一的跨模态上下文——AI Agent 需要事实、记忆与逻辑推理，而多模数据平台通过对向量、图和结构化数据等多种数据类型的统一处理能力，为 Agent 提供可信的数据基础，提升推理和响应的准确性。其中，多模事务一致性与实时分析能力两项满分，体现了 OceanBase 在统一处理多模型数据和实时分析方面的技术优势，也印证了其一体化架构在事务与分析融合（HTAP）上的能力；多部署形态则反映了企业多样化部署需求和长期运营要求的综合能力。

2026-07-20 11:34:56 380

原创从“存数据”到“助思考”，OceanBase 如何推动企业Agent 规模化落地？

企业还需要解决一系列新的问题：如何隔离不同 Agent 的数据与资源，如何沉淀长期记忆，如何为 Agent 提供安全的试错环境，以及如何让海量多模态数据真正变成可治理、可查询、可使用的资产。OceanBase 给出的答案是：通过存算分离架构与多级存储机制实现冷热分层，将低频访问的“冷数据”下沉至低成本对象存储，实现近零占用，将高频访问的“热数据”驻留于高性能本地盘，突发高峰时自动扩展配额，数据调用实现毫秒级响应，从而大幅平衡存储成本与查询性能。多模态数据对许多企业而言，与其说是资产，不如说是负债。

2026-07-13 11:13:30 340

原创 OceanBase DataStudio：让 AI数据生产从拼装走向一体化（技术解析与

OceanBase DataStudio 则把这些能力产品化成数据团队能使用的工作台：数据接入、数据加工、任务编排、语义建模、质量治理、权限管理、血缘分析、数据集发布和数据服务，都可以在一条链路中完成。一个是 AI 列——你可以理解成表上挂的实时计算列，数据写进来的时候自动跑 Embedding、打标之类的模型计算，结果直接写回表里，而且带事务保证：一批音频要么全部算完，要么全部失败回滚，不会出现“算了一半”的脏状态，特征回刷最怕的就是这种中间态。存储一套，计算一套，特征管理一套，搜索一套，治理再来一套。

2026-07-13 11:02:46 422

原创 OceanBase 从生命科学序列数据检索出发，构建面向AI数据合成的企业级

作者：陈松，算秩未来。

2026-07-08 10:13:32 277

原创 OceanBase多模表实践：如何统一管理AI应用的多源异构数据

它把多模态数据——图片、音视频、PDF、网页快照、向量、JSON、结构化字段——作为数据库的一等数据对象统一管理，并在同一套体系内提供事务、一致性、实时高可用、混合搜索、分析计算和在线服务能力。OceanBase 多模表解决的问题，不是 AI 数据库能不能存图片、PDF 或向量，而是当 Agent 成为数据库的第一用户后，数据库如何继续管理完整的业务对象，而不是一堆彼此孤立的数据类型。多模表中大量列不是用户直接写入的，而是由计算任务生成——embedding、摘要、OCR、质量分、全文索引和向量索引。

2026-07-08 10:07:52 553

原创 OceanBase Lakebase 架构解析：独立部署与智能叠加层模式的技术实践

作为企业级的数据基座，我们非常清楚很多客户内部已经有运行了很长时间的数据系统，这些系统承载着企业大量的历史数据资产。所以OceanBase Lakebase 在设计上并不要求客户推倒重来，也不要求把所有数据都迁移进来之后才能使用。我们为 OceanBase Lakebase 设计了两种部署模式：独立部署模式，适合全新的业务场景。

2026-07-07 11:00:09 384

原创基于 OceanBase 湖库一体架构，构建 AI 时代的数据基础设施

向量搜索在 AI 数据库里一定是最常见的一种计算方式，但在实际场景里，我们往往首先通过关系过滤将全局数据缩小为一个更小的候选集（例如“只看最近 30 天的订单”），接下来在候选集上做向量、全文、图的混合搜索。原先的做法，往往是采用多个不同的系统——Kafka 做接入，Flink 做流处理，Spark 做批处理，HDFS 做持久化，ClickHouse 做分析，HBase 做宽表，Elasticsearch 做搜索，Presto 做联邦查询。更关键的是它支持记忆的自进化——包括经验的自进化以及技能的自进化。

2026-07-07 10:50:29 589

原创 OceanBase AI 时代，数据库的变与不变（技术解析与实践）

今天，OceanBase 打磨 AI 数据库的土壤，来自阿里与蚂蚁集团最前沿、最复杂、也最核心的真实 AI 场景，包括支付宝 AI 付、蚂蚁阿福、灵光、淘宝 AI 购物助理，以及通义千问、高德、飞猪等业务。OceanBase 会坚定投入这一方向，与客户和伙伴一起，把企业数据建设成可靠、开放、实时、可扩展的 AI 数据底座，让 AI 真正进入业务、理解业务，并持续创造业务价值。数据的一致性、权限的管控、版本的可信、系统的高可用与快速恢复能力，都将直接决定 Agent 的决策质量与行动可靠性。

2026-07-06 11:06:07 577

原创 OceanBase 湖库一体AI 数据库正式发布（技术解析与实践）

它将数据库的事务、一致性与实时处理能力，与数据湖的开放、海量存储和多样化计算能力统一起来，把结构化、半结构化、非结构化数据纳入统一管理体系，打通在线服务与离线分析，消除多系统拼装带来的数据割裂、链路冗余与工程复杂性，为现代 AI 应用提供可靠、实时、可扩展的数据底座。这带来的价值是，让企业的数据架构保持开放和可演进，未来新的计算引擎也可以在同一数据基础上扩展。过去的数据链路是线性的，各环节相互割裂，AI 应用的运转逻辑截然不同，模型需要在线数据实时供给上下文，模型的推理结果反哺数据库，让数据越用越准。

2026-07-06 10:57:47 630

OceanBase分布式数据库热门到实战

DBA老友会第二期：规模化运维面临的挑战与解决方案