GreptimeDB v0.12 发布，开源 Rust 时序数据库

GreptimeDB 是由格睿科技开发的开源时序数据库，基于 Rust 语言构建，以云原生、高性能、低成本为核心优势。根据现有信息，其最新版本 v0.12 的具体特性尚未在提供的摘要中明确提及，但结合 GreptimeDB 的发展历程和技术路线，可以推测其可能延续以下核心优势：

云原生架构

支持分布式部署，分离计算与存储，利用云对象存储（如 S3）实现低成本存储，存储成本降低 50 倍，同时具备无限水平扩展能力。
高性能与存储优化

采用自研存储引擎 Mito，支持列式存储与自适应压缩（30 倍无损压缩），提升查询性能与资源利用率。分布式并行查询引擎优化高基数场景，支持实时分析。
多协议兼容

支持 SQL、PromQL、InfluxDB 行协议、OpenTelemetry 等，无缝对接现有监控与分析工具，降低迁移成本。
边缘计算与车云协同

轻量级二进制文件可部署于车端或边缘设备，结合云端企业版实现边云数据协同，降低车端流量成本至 1/10。
生态扩展

近期版本（如 v0.10）引入向量搜索功能，与蚂蚁集团 VSAG 索引库合作，检索性能提升 5 倍，支持图片嵌入等 AI 场景。
未来演进方向

根据 Roadmap，GreptimeDB 计划在 2024 年推出智能索引、流计算组件 Greptime Flow、日志引擎等，进一步强化时序数据处理能力。

GreptimeDB 在其发展过程中引入了向量搜索功能

与先进索引库合作：GreptimeDB 与蚂蚁集团的 VSAG 索引库进行合作。VSAG 索引库是一种高效的向量索引结构，通过这种合作，GreptimeDB 在向量搜索方面的检索性能得到了显著提升，据相关信息表明检索性能提升了 5 倍。这意味着在处理大规模向量数据时，GreptimeDB 能够更快地找到与查询向量最相似的向量数据，大大提高了搜索效率。
支持多种 AI 场景：能够支持如图片嵌入等 AI 场景。以图片为例，GreptimeDB 可以将图片转换为向量表示并存储在数据库中，当需要查找相似图片时，通过向量搜索功能可以快速定位到相关图片。这对于图像识别、图像搜索等应用场景非常有帮助，使得 GreptimeDB 可以在 AI 领域的应用中发挥重要作用。
融入整体数据库架构：向量搜索功能是集成在 GreptimeDB 整体的数据库架构中的，与数据库的其他功能（如时序数据处理、SQL 查询等）能够很好地协同工作。用户可以在同一个数据库系统中同时处理时序数据和进行向量搜索，无需额外搭建复杂的多系统架构，降低了系统的复杂度和管理成本。

图像搜索：在图像数据库中，用户可以上传一张图片，通过 GreptimeDB 的向量搜索功能找到与之相似的其他图片，可应用于电商平台的商品图片搜索、图片素材库的搜索等场景。
文本推荐：将文本转换为向量后，根据用户输入的文本向量，搜索与之相似的文本内容，为用户推荐相关的文章、新闻等，适用于新闻资讯平台、知识管理系统等。
AI 模型训练数据筛选：在 AI 模型训练过程中，需要从大量的数据中筛选出与训练目标相似的数据。GreptimeDB 的向量搜索功能可以帮助快速定位这些数据，提高模型训练的效率和质量。