openGauss数据库：从CentOS 7.9部署到实战验证

1. 引言

在数据与AI深度融合的时代，数据库不再只是"存储与查询"的工具，而是智能应用的核心底座。openGauss作为企业级开源关系型数据库，既具备OLTP/OLAP混合负载的能力，也在向量计算、AI检索等新场景上持续演进。

本篇作为系列开篇，不仅完成在华为云 CentOS 7.9 环境的极简部署与可用性验证，还将引入更贴近生产的进阶内容：架构与版本要点、性能与SQL优化、企业级安全实践、向量与RAG场景的落地路径。文末的"进阶与实践"模块与后续两篇《使用DBeaver可视化管理与实战》《Python开发与AI向量数据库应用》形成顺畅衔接。

2. openGauss 数据库简介

openGauss是一款开源关系型数据库，深度融合了华为在数据库领域超过十年的经验，结合企业级场景需求，在架构、事务、存储引擎、优化器及AI能力上持续创新。其技术生态兼容PostgreSQL，便于客户端、驱动与工具的复用，同时在关键内核能力上增强以适配复杂负载。

2.1 核心特性与进阶解读

• 高性能与高可靠：NUMA感知线程池、混合行列式存储、并行执行与基于代价的优化器，在TP/AP混合负载下保持稳定吞吐；支持主备与容灾架构，保障连续性与合规。
• 智能化运维：慢SQL诊断、索引建议、参数自调优与在线热加载配合丰富日志与观测指标，降低排障与调优门槛。
• 生态兼容与扩展：兼容PostgreSQL生态（JDBC/ODBC/psycopg2等）；在向量类型、距离算子与专用索引上扩展，服务AI检索与RAG场景。
• 原生AI支持 ：提供VECTOR(n)类型与距离算子<->，优化向量化计算，使图像、文本等非结构化数据的向量检索高效可用，为大模型时代的知识检索与增强生成夯实数据底座。

提示：产品说明与版本细节参考文档中心 https://docs.opengauss.org/zh/。

3. 在CentOS 7.9上部署 openGauss

接下来，我们将进入实战环节，演示如何在华为云的CentOS 7.9服务器上部署openGauss。

3.1 基础环境准备

在开始安装之前，请确保您的服务器满足以下基本配置，并完成相应的环境准备工作。

硬件配置

关于CentOS 7.9的兼容性说明:

官方显示支持 CentOS 7.6，7.x 系列差异较小，通常可在 7.9 成功安装。安装脚本主要检查依赖与系统环境，二者在 7.6 与 7.9 间基本一致。

为了确保安装脚本顺利通过检查，可在安装期间临时将系统版本标识修改为"7.6"，安装完成后恢复。该方法仅影响脚本检查流程，不改变系统内核与库版本。

# 备份当前的系统版本文件
sudo cp /etc/redhat-release /etc/redhat-release.bak
# 临时修改为7.6
sudo echo "CentOS Linux release 7.6.1810 (Core)" > /etc/redhat-release

安装完成后，记得恢复原始文件：

sudo mv /etc/redhat-release.bak /etc/redhat-release

环境依赖安装:

首先，通过yum安装openGauss所需依赖；建议同步进行系统层面的基础优化（见后文"进阶优化"）。

sudo yum install -y bzip2 libaio-devel flex bison ncurses-devel glibc-devel patch redhat-lsb-core readline-devel

关闭防火墙和SELinux:

为了简化安装过程，我们先关闭防火墙和SELinux。在生产环境中，建议您根据实际需求配置更精细的安全策略。

sudo systemctl stop firewalld
sudo systemctl disable firewalld
sudo setenforce 0
# 永久关闭SELinux，需要修改配置文件
sudo sed -i 's/SELINUX=enforcing/SELINUX=disabled/' /etc/selinux/config

这里我是切换了root用户操作

3.2 下载并解压 openGauss 安装包

您可以从openGauss的官方社区下载页面获取最新的安装包。请选择与您的操作系统和架构匹配的版本。 下载完之后用自己喜欢的方式传过去

3.3 初始化和安装数据库

openGauss提供了简单易用的安装脚本，可以帮助我们快速完成数据库的初始化。

创建用户和组:

为了安全起见，我们创建一个专门的用户omm来运行openGauss。

groupadd dbgrp
useradd -g dbgrp omm

mkdir -p /opt/gaussdb/app  # 程序安装路径
mkdir -p /opt/gaussdb/data  # 数据存储路径
chown -R omm:dbgrp /opt/opengauss /opt/gaussdb  # 授权给 omm 用户

上传并解压安装包 （假设包已上传到 /opt/opengauss）：

cd /opt/opengauss
# 解压（注意后缀是 .tar.bz2，用 -j 参数）
tar -jxvf openGauss-Server-6.0.2-CentOS7-x86_64.tar.bz2  
# 解压后会生成 `simpleInstall` 目录，进入该目录
cd simpleInstall

执行安装:

切换到omm用户，并执行安装脚本。

sh install.sh -w "Gauss@123456"  

安装脚本会自动完成数据库的初始化、配置和启动。

进阶提示：生产环境建议将程序与数据目录置于独立磁盘或分区，数据目录开启合适的挂载参数（如 noatime），并规划独立的归档与备份路径，降低IO干扰与运维风险。

4. 验证数据库可用性

安装完成后，需通过gs_ctl（状态检查工具）和gsql（命令行客户端）验证数据库是否正常运行。由于极简版未生成env.sh环境变量脚本，需手动配置核心环境变量以确保命令可用。

4.1 手动设置环境变量

openGauss 需通过omm用户（安装时创建的专属用户）操作，且需手动指定数据库安装路径、二进制文件路径等核心环境变量：

#  手动设置核心环境变量（路径需与实际安装目录一致，此处为/opt/opengauss）
export GAUSSHOME=/opt/opengauss  # 数据库安装根目录
export PATH=$GAUSSHOME/bin:$PATH  # 将数据库二进制命令（如gsql、gs_ctl）加入系统路径
export LD_LIBRARY_PATH=$GAUSSHOME/lib:$LD_LIBRARY_PATH  # 加载数据库依赖库


#  验证环境变量是否生效（执行后显示openGauss版本即成功）
gsql --version

预期输出（类似如下内容，版本号以实际安装为准）：

4.2 检查数据库运行状态

在连接数据库前，先通过gs_ctl确认数据库是否已启动（极简版安装脚本默认自动启动，但建议手动验证）：

# 执行状态检查命令（-D 指定数据存储目录，极简版默认路径为/opt/opengauss/data/single_node）
gs_ctl status -D /opt/opengauss/data/single_node

关键判断依据：

    # 启动数据库（同样指定数据目录）
    gs_ctl start -D /opt/opengauss/data/single_node -Z single_node
    ```

![](https://gitee.com/xing-shichuang/picture/raw/master/20251105225300702.png)


### 4.3 连接数据库

通过`gsql`命令行客户端连接到默认数据库`postgres`（openGauss 默认端口为 5432，需指定用户和安装时设置的密码）：

```bash
# 连接命令格式：gsql -d 数据库名 -p 端口 -U 用户名 -W 密码
gsql -d postgres -p 5432 -U omm -W "Gauss@123456"

• 参数说明：
  • -d postgres：连接默认系统数据库postgres；
  • -p 5432：使用 openGauss 默认端口；
  • -U omm：通过omm用户（数据库超级管理员）连接；
  • -W "Gauss@123456"：指定安装时设置的密码（需替换为您实际设置的密码）。

预期输出（出现如下交互界面，说明连接成功）：

4.4 执行简单查询验证功能

在openGauss=#交互界面中，执行 SQL 语句验证数据库读写能力：

-- 1. 查看数据库版本（确认当前连接的数据库信息）
SELECT version();

-- 2. 创建测试表（验证表创建功能）
CREATE TABLE test (
    id INT PRIMARY KEY,  -- 主键列（唯一标识每条数据）
    name VARCHAR(50)     -- 字符串列（存储名称）
);

-- 3. 插入测试数据（验证数据写入功能）
INSERT INTO test VALUES (1, 'hello openGauss'), (2, '极简版部署成功');

-- 4. 查询测试数据（验证数据读取功能）
SELECT * FROM test;

预期结果：

• 执行SELECT version();后显示 openGauss 版本及编译信息；
• 执行SELECT * FROM test;后显示如下数据（无报错即说明功能正常）：

4.5 环境变量持久化（可选，避免重复配置）

手动设置的环境变量仅在当前终端生效，关闭终端后需重新配置。若需每次登录omm用户自动加载环境变量，可将配置写入omm用户的环境变量文件~/.bashrc：

# 1. 编辑 omm 用户的 .bashrc 文件
vi ~/.bashrc

# 2. 在文件末尾添加以下内容（与4.1中的环境变量配置一致）
export GAUSSHOME=/opt/opengauss
export PATH=$GAUSSHOME/bin:$PATH
export LD_LIBRARY_PATH=$GAUSSHOME/lib:$LD_LIBRARY_PATH

# 3. 保存并退出（按Esc → 输入:wq → 回车）

# 4. 使配置立即生效（无需重启终端）
source ~/.bashrc

验证 ：关闭当前终端，重新登录omm用户，直接执行gsql --version，若正常显示版本信息，说明持久化配置成功。

5. 进阶优化：从可用到好用

部署成功只是开始，良好的性能与稳定性需要合理的参数、SQL实践与可观测性。以下步骤可在极简版基础上逐步引入，并与后续两篇形成连贯实践。

5.1 关键参数与观测

• 参数自查：

  SHOW shared_buffers;
  SHOW work_mem;
  SHOW effective_cache_size;
  SHOW max_connections;
  SHOW enable_nestloop;
  SHOW log_min_duration_statement;

• 建议策略：在保证内存安全的前提下适度增大shared_buffers与effective_cache_size；针对复杂聚合或排序增大work_mem；开启慢SQL日志（如设置log_min_duration_statement=500ms）并定期分析。

• 在线热加载：针对pg_hba.conf与部分postgresql.conf变更，可使用gs_ctl reload -D /opt/opengauss/data/single_node，减少重启成本。

5.2 SQL优化与执行计划

• 基础操作：

  EXPLAIN (ANALYZE, BUFFERS)
  SELECT u.user_name, SUM(o.order_amount)
  FROM users u JOIN orders o ON u.user_id=o.user_id
  GROUP BY u.user_name
  ORDER BY SUM(o.order_amount) DESC
  LIMIT 10;

• 关注指标：行数估算、连接方式（Nested Loop/Hash Join/Merge Join）、并行度、IO命中（Buffers Hit/Read）。必要时考虑创建合适索引、更新统计信息或调整启用/禁用某些连接策略（enable_nestloop/enable_hashjoin/enable_mergejoin）。

5.3 索引策略与统计信息

• 索引类型：优先使用 B-tree；针对文本检索与JSON等可考虑 GIN/GiST。创建索引后执行示例：

  CREATE INDEX idx_orders_user_id ON orders(user_id);
  ANALYZE orders;

• 统计信息：提升default_statistics_target或对关键表定向ALTER TABLE ... SET STATISTICS，确保优化器更准确。

5.4 备份与恢复（逻辑备份）

• 建议在例行变更前进行逻辑备份：

  gs_dump -h 127.0.0.1 -p 5432 -U omm -d postgres -F p -f /opt/backup/postgres_$(date +%F).sql

• 恢复示例：

  gsql -d postgres -U omm -p 5432 -f /opt/backup/postgres_2025-11-01.sql

5.5 批量导入与数据上云

• 高效导入：优先使用 COPY/\copy 进行批量数据导入，显著提升吞吐；\copy 在客户端执行，权限更灵活：

  \copy public.orders(user_id, order_amount, order_date)
  FROM '/opt/data/orders_2025.csv' WITH (FORMAT csv, HEADER true);

• 并行导入：将大文件按时间或主键范围切分为多份，使用多会话并行 \copy；导入后执行 ANALYZE 更新统计信息。

• 数据落盘策略：将导入源文件置于独立磁盘并开启顺序读参数，避免与数据库数据盘产生IO争用；必要时降低数据库并行度，优先保障导入带宽。

5.6 分区表与冷热分层

• 适用场景：订单、日志、审计等按时间增长的大表，推荐使用范围分区，提升查询与维护效率：

  CREATE TABLE orders_big (
    id BIGSERIAL PRIMARY KEY,
    user_id INT,
    order_amount NUMERIC(10,2),
    order_date DATE
  ) PARTITION BY RANGE (order_date) (
    PARTITION p2024 VALUES LESS THAN ('2025-01-01'),
    PARTITION p2025 VALUES LESS THAN ('2026-01-01'),
    PARTITION pmax  VALUES LESS THAN (MAXVALUE)
  );
  CREATE INDEX idx_orders_big_user_date ON orders_big(user_id, order_date);

• 维护与归档：按月或季度添加/切换分区；对历史分区进行 VACUUM/ANALYZE 或脱机归档，减少主库膨胀与备份体积。

5.7 会话与锁观测（并发稳定性）

• 观察活动与长事务：

  SELECT pid, usename, state, query_start, now()-query_start AS runtime, query
  FROM pg_stat_activity
  WHERE state <> 'idle'
  ORDER BY runtime DESC
  LIMIT 10;

• 观察锁冲突：

  SELECT locktype, mode, granted, relation::regclass AS rel, pid
  FROM pg_locks
  WHERE NOT granted;

• 建议策略：通过连接池降低 max_connections 带来的上下文切换；对热点行采用更合理的更新策略（分桶/排队）；出现序列化冲突时在应用侧进行指数退避重试。

6. 安全实践：从默认安全到远程访问

openGauss坚持"安全缺省"原则。为保证生产安全与远程可达，建议按以下路径配置（与第二篇可视化管理内容保持一致）：

• 监听与访问控制：

  vi /opt/opengauss/data/single_node/postgresql.conf
  listen_addresses = '*'
  
  vi /opt/opengauss/data/single_node/pg_hba.conf
  host    all     all     0.0.0.0/0       md5

• 初始用户远程限制：不建议使用初始超级用户（如omm）进行远程业务访问；在本机以omm登录后创建业务账号并授权：

  CREATE USER dbuser WITH PASSWORD 'S@fePwd_2025';
  GRANT USAGE ON SCHEMA public TO dbuser;
  GRANT SELECT, INSERT, UPDATE, DELETE ON TABLE public.test TO dbuser;

• 加密与认证：根据合规要求启用更强口令加密与认证方式（如sha256），并保证pg_hba.conf与数据库参数保持一致；必要时评估启用SSL并在客户端设置sslmode。

6.1 认证规则的优先级与收敛

• 规则匹配自上而下执行，建议将更严格的网段/IP规则置于靠前位置；保留本机 local/127.0.0.1/::1 的便捷规则，远程一律使用口令或更强方式： host all all 10.0.0.0/24 sha256 host all all 0.0.0.0/0 md5
• 禁止远程 trust 以避免误配导致的非授权访问。

6.2 更强口令加密与一致性

• 在 postgresql.conf 设置 password_encryption_type=2（SHA-256）后，需为相关用户重置口令以生成新密文：

  ALTER USER dbuser WITH PASSWORD 'S@fePwd_2025_New';

• 保证 pg_hba.conf 使用与数据库侧一致的认证算法（如 sha256），否则会出现握手失败或认证异常。

6.3 快速启用 SSL（可选）

• 生成自签证书并配置：

  openssl req -new -x509 -days 365 -nodes -text -out /opt/opengauss/server.crt -keyout /opt/opengauss/server.key
  chmod 600 /opt/opengauss/server.key

• 在 postgresql.conf： ssl = on ssl_cert_file = 'server.crt' ssl_key_file = 'server.key'

• 重启后，客户端在URL或连接属性中设置 sslmode=require；若服务器未启用SSL，则使用 sslmode=disable 保持一致。

7. AI与向量检索：从入门到落地

为与系列第三篇形成衔接，本篇提供最小化向量能力验证，引导读者在后续文章中完成端到端的RAG示例。

• 启用向量扩展与创建示例表：

  CREATE EXTENSION vectors;
  CREATE TABLE t_image_vectors (
    id SERIAL PRIMARY KEY,
    image_path VARCHAR(255) NOT NULL,
    image_vector VECTOR(512)
  );

• 最小检索示例（占位向量，演示距离算子）：

  INSERT INTO t_image_vectors(image_path, image_vector)
  VALUES ('assets/images/cat.jpg', '[0.1,0.2,0.3,...]'::vector),
         ('assets/images/dog.jpg', '[0.2,0.1,0.4,...]'::vector);
  
  SELECT image_path, image_vector <-> '[0.12,0.18,0.33,...]'::vector AS dist
  FROM t_image_vectors
  ORDER BY dist
  LIMIT 3;

以上"向量能力验证"与第三篇的sentence-transformers编码流程、Python入库与检索代码完全对齐，避免割裂阅读体验。

7.1 索引加速与召回质量（可选）

• 若扩展版本支持近似向量索引（如 ivfflat 或 hnsw），可创建索引以提升检索性能；具体语法以扩展版本文档为准：

  -- ivfflat（L2 距离示例）
  CREATE INDEX idx_img_vec_ivf ON t_image_vectors USING ivfflat (image_vector);
  -- 建议在创建索引前对向量表执行 ANALYZE，提高索引构建效果
  ANALYZE t_image_vectors;

• 参数调优：lists（ivfflat）或 ef_search/M（hnsw）会影响召回率与性能；可在万级以上数据量下进行A/B测试，选择适中参数。

7.2 数据准备与向量质量

• 统一模型与维度：确保入库向量来自同一模型与版本，如 clip-ViT-B-32（512维）；混用模型会降低距离度量的意义。
• 归一化与预处理：对某些模型可在应用侧进行归一化处理，提高与L2/余弦等度量的一致性。
• 冷热分层：将低频图片或文本向量归档至历史分区或冷存储，前台索引主打热数据，降低检索延迟。

7.3 执行计划与观测

• 观察检索开销：

  EXPLAIN (ANALYZE, BUFFERS)
  SELECT image_path FROM t_image_vectors
  ORDER BY image_vector <-> '[...]'::vector
  LIMIT 10;

• 指标参考：是否命中索引、扫描行数、缓冲命中与读取比例；在大数据量下对比有无索引的耗时差异，评估可接受的召回与延迟。

7.4 常见问题排查

• 扩展不可用：\dx 检查是否已启用 vectors/vector；若未安装请参考发行版文档或按平台构建。
• 兼容性问题：在客户端URL增加 preferQueryMode=simple 或使用官方openGauss JDBC；对Python驱动保持版本一致并验证基础CRUD与事务。
• 权限问题：为业务用户授予表与序列权限；在分区表与向量表上单独验证 INSERT/SELECT/UPDATE/DELETE。

8. 与可视化与应用开发的衔接

• 可视化管理：第二篇使用 DBeaver 进行连接、对象管理、事务演示与远程连接排障，建议在完成本篇部署后直接跟进实践。
• 应用开发与RAG实战：第三篇通过 Python psycopg2 驱动完成 CRUD 与事务示例，并实现以文搜图的向量检索；参数与对象命名与本篇保持一致，便于无缝复用。

9. 总结与展望

本篇在完成极简部署与基础验证的同时，补充了架构与版本要点、进阶优化路径、安全实践以及向量与RAG的入门引导，形成可向后续两篇延伸的完整链路。下一篇以 DBeaver 提供更直观的管理与调优体验；再下一篇以 Python 与向量能力实现端到端的RAG应用，完成从"入门"到"落地"的闭环。