摘要
2026 年 5 月 26 日，DolphinDB 成为首批通过国家安全可靠测评的时序数据库。这不仅是一个产品的认证里程碑，更标志着时序数据库作为一个独立品类，正式纳入国家关键信息基础设施的安全可靠版图。本文从测评的"四道硬门槛"切入，剖析 DolphinDB 在存算一体、流批一体、多模存储、ACID 事务等底层设计上的技术答卷，结合金融、核工业、能源电力、车联网等关键行业的真实落地案例，讨论国产时序数据库从"能用"走向"敢用作核心"的演进逻辑。
2026 年 5 月 26 日，中国信息安全测评中心、国家保密科技测评中心联合发布了《安全可靠测评结果公告（2026 年第 2 号）》。公告里有一条对数据库行业意义不小的信息------DolphinDB 数据库软件成为首批通过安全可靠测评的时序数据库。
"首批通过"这四个字，只有熟悉这套测评体系的人才能掂量出分量。在此之前，安全可靠测评的清单上已经覆盖了操作系统、（OLTP 类）数据库、中间件、办公软件等大量品类，但时序数据库作为一个独立品类长期处于空白。这次 DolphinDB 拿到这张"通行证"，等于把时序数据库正式推入了安可替代的版图。
这件事背后有一个不太被讨论的趋势：安可替代正在从"通用基础设施"延伸到"专业基础设施"。时序数据库，正是这一波延伸里非常关键的一环。
一、时序数据库为什么值得单独纳入安全可靠测评
1.1 长期被视作"分析层"的旧认知
很长一段时间里，国产数据库的安可叙事主要围绕 OLTP（关系型事务数据库）展开------核心系统替换 Oracle、DB2，是过去十年国产数据库最被讲述的故事。OLAP 和时序数据库的处境相对靠后，因为它们更多出现在"分析层"或"边缘系统"中，看起来不那么"核心"。
但这个判断正在被现实推翻。
1.2 数据规模颠覆了旧判断
举几个数字。一座大型水电站，单站测点数量超过 200 万，每日产生数百亿行时序数据 ；某新能源车企的车联网平台，单车测点接近 7000，每秒持续写入 1.8 亿测点 ；一个地震台网中心，每 10 毫秒采集一条监测记录，需要毫秒级的异常检测和预警能力。
这些场景的共同点是：数据本身就是"生命线"。它直接决定设备安全运行、故障预警、生产优化，甚至关乎核安全、电网安全、轨道安全。如果承载这些数据的时序数据库不可靠、不自主，它出问题就不是性能差一点，而是关键基础设施的可靠性问题。
也正因为如此，时序数据库进入安可清单，本质上是把"工业数据底座"也纳入了自主可控的硬约束里。这不是锦上添花，而是关键行业国产化改造的最后一块拼图。
二、安全可靠测评的四道硬门槛
安全可靠测评的含金量，来自它不是单一维度的测试。它设置了四道硬门槛，每一道都是"硬约束"：
-
核心技术能力：核心代码是否自主可控？关键技术指标是否达到或超过国际同类产品？这意味着"包装壳"产品过不了这一关，必须有真实的技术根基。
-
安全保障能力：是否具备企业级安全防护？权限控制、数据加密、审计追踪、容灾恢复是否完善？这是关键信息基础设施对底层软件的准入要求。
-
持续发展能力：研发团队是否有持续迭代能力？产品线是否完整？服务体系是否健全？安全可靠不是一锤子买卖。
-
关键行业应用能力：是否在金融、能源、电力、政务等关键行业有真实的大规模落地？白皮书上的数字不算数，要有真金白银的运行记录。
这四道门槛的叠加，意味着一个产品要从底层代码、上层应用、技术指标、服务保障、单点能力、生态适配全部达到国家准入标准才有资格进入清单。这也是为什么"首批通过"对于时序数据库这个品类来说，是一个比较重要的时间节点。
三、为什么是 DolphinDB：技术细节里的答案
要通过这四道门槛，营销话术是没用的，只能靠底层架构的系统性设计。从公开资料看，DolphinDB 这次能首批通过，并不是某一项能力突出，而是几个底层设计选择在多年积累后形成的合力。
3.1 DolphinDB 核心技术能力
围绕金融、电力与工业物联网等业务场景，DolphinDB 以"基础架构 + 业务中间件 + 业务应用"的模式提供服务，形成从底层数据处理到上层业务落地的完整技术体系。
基础架构方面，DolphinDB 构建了面向海量时序数据的高性能数据底座，实现 PB 级数据的高效存储与毫秒级查询响应 。同时，DolphinDB 支持流批一体，研究阶段的指标、模型与代码可直接复用于生产环境，大幅降低研发、运维与生产优化的成本。
在金融业务中，DolphinDB 通过提供多种能力的业务组件，从数据处理 、策略验证 、实时估值 到 AI 建模 ，帮助用户快速构建复杂业务逻辑。业务应用方面，DolphinDB 已形成多个面向金融核心场景的垂直解决方案。例如，指标平台 Beluga 提供覆盖指标开发、权限管理与展示分析的全生命周期管理能力；因子开发管理平台 Starfish 提供从数据处理、因子构建、因子评价到策略回测的一站式支持。
在工业物联网实践中，DolphinDB 形成了以**"统计分析---实时监控---智能预测"** 为核心的应用闭环。依托内置的 2000+ 统计分析函数、20+ 流计算引擎，以及丰富插件，企业可对生产数据进行高速聚合、相关性分析及异常检测，从海量时序数据中提炼关键指标，辅助趋势洞察与工况评估 ；规则引擎与响应式状态引擎可实现设备状态毫秒级监控与预警 ；结合内置机器学习算法与历史数据建模，可精准预测设备寿命、产线负荷或温度变化，为运维与调度提供决策依据。
AI 方面，DolphinDB 支持多种智能化应用：AI Agent 实现自然语言数据检索与分析；基于 RAG 技术 ，完成工业知识库的高效相似性搜索；内置多种机器学习 算法，并提供 xgboost、libtorch 等插件，支持模型训练与推理；此外，DolphinDB 推出的 CPU-GPU 异构计算平台 Shark，能将 GPU 的极致算力充分应用于工业仿真、参数优化等高性能场景。
3.2 存算一体：从架构上消灭"数据搬运"
很多时序数据库项目里的稳定性问题，根源不在数据库本身，而在数据在多个系统之间反复搬运。计算要拉到 Spark，实时处理要推到 Flink，机器学习要导到 Python，每一次搬运都是一次故障风险点。
DolphinDB 走的是存算一体路线------计算任务直接下推到存储节点执行，"数据在哪、计算在哪"。在分布式文件系统层面支持单表万亿行存储，在计算层面通过原生分布式框架充分利用多机多核 CPU，集成 Pipeline、Map-Reduce、迭代计算等多种模型。没有跨节点网络传输、没有序列化开销，稳定性的本质就回到了"架构简洁"这四个字。
某大型水电站的压力测试里，单机百万级测点高并发写入时实现了"写入不阻塞、查询毫秒级"------这就是存算一体的直接收益。
3.3 流批一体：实时与历史用同一套代码
工业场景对"可靠"的另一层定义是结果可信 。传统方案里，实时处理用 Flink，离线分析用 Spark，两套代码、两套逻辑，结果不一致时根本定位不了问题在哪一侧------这在金融风控、设备预警这类场景里是非常危险的。
DolphinDB 的流批一体设计让用户用同一套脚本语言同时做批量分析和流式计算，并保证流计算结果和批量计算完全一致。研发环境基于历史数据构建的分析表达式，可以直接复用到生产环境的实时数据流。这一设计从根本上消除了"双系统结果不一致"的风险。
性能层面，DolphinDB 内置了 10+ 个流式引擎（时间序列聚合、横截面、响应式状态、异常检测、会话窗口、多表关联等），大部分算子实现了增量计算，复杂度从 O(n) 降到 O(1)，做到亚毫秒级延迟。
3.4 多模存储：消除"数据孤岛"的安全盲区
在关键行业，数据孤岛不仅是效率问题，更是安全问题。同一设备的相关数据分散在不同数据库里，审计、权限控制、异常检测都会出现"盲区"。
DolphinDB 在一个平台内统一管理多种数据形态：
-
TSDB 引擎：PAX 行列混存，高频时序数据载体，压缩率 4:1 到 10:1
-
OLAP 引擎：列式存储，长时间跨度聚合分析
-
PKEY 引擎：主键唯一性保证，支持从 MySQL 等 OLTP 数据库 CDC 同步
-
IMOLTP 引擎：内存数据库引擎，支持事务和 B+ 树索引
-
VECTORDB 引擎：向量数据索引和近似最近邻搜索，服务 AI 场景
配合 AsOf Join 多频对齐和库内融合计算，数据不需要在系统间搬运，安全边界自然就清晰可控。
3.5 2000+ 内置函数：把"分析"留在库里
如果时序数据库只能存不能算，分析还得导出去做，那"安全边界"就被打破了。
DolphinDB 内置超过 2000 个函数，覆盖时序处理、信号处理、统计分析、机器学习等领域，且全部做了向量化优化。配合 SQL-92 标准和多范式编程能力，复杂分析可以直接在数据库内闭环完成。
更关键的是，DolphinDB 原生支持 Tensor 数据格式 ，内置轻量机器学习推理模块，支持通过 libTorch、XGBoost 等插件加载模型。这意味着数据清洗、特征提取、模型在线推理都能在库内完成，敏感数据不必出库------这一点对于金融、能源、政务这类对数据出境高度敏感的行业来说，是硬需求。
3.6 ACID 事务：时序数据库里的"稀缺品"
坦白讲，时序数据库支持 ACID 事务的产品在行业里并不多见。DolphinDB 是少数提供完整事务机制、保证 ACID 特性和快照级隔离的时序数据库之一。
在工业场景里这一能力的价值经常被低估：海量传感器数据并发写入的同时，业务系统正在做复杂查询和聚合------没有事务保障时，读到的可能是"半写半未写"的中间状态，分析结果就不可信。ACID 保证了每一条写入要么完整可见，要么完全不可见，数据分析的可信度才有了根本保障。
3.7 信创全栈适配
国产 CPU（龙芯、鲲鹏、飞腾、海光、兆芯）+ 国产操作系统（统信 UOS、银河麒麟）+ Windows/Linux 混合部署------这套组合在国产化改造项目里几乎成了标配，DolphinDB 已经完成全栈适配。同时原生支持 MQTT、OPC UA/DA、Modbus、IEC 104 等主流工业协议，可与现有工业体系无缝对接。
四、关键行业的真实落地，是最有说服力的证据
安可测评的第四道门槛是"关键行业应用能力"。DolphinDB 在这一维度上的表现，可能是最有说服力的------它的客户不是在"试用"，而是在核心系统中长期运行。
4.1 金融：最苛刻的试炼场
金融行业是对安全与稳定性要求最苛刻的领域。券商、基金、银行、保险的交易数据、行情数据、风控数据，量级庞大且对实时性要求苛刻。DolphinDB 在金融场景里提供了从数据处理、策略验证、实时估值到 AI 建模的全链条能力，并通过指标平台 Beluga、因子平台 Starfish 等垂直产品覆盖了金融核心场景。
4.2 核工业：从 MySQL 到 DolphinDB 的平滑替代
核工业是一个特别值得关注的案例。中核集团某研究院原有的工业组态监控体系基于 MySQL 搭建，随着测点增多和采样频率提升，已经撑不住了。基于 DolphinDB 重建后，PKEY 引擎保证从 MySQL CDC 同步过来的关系型数据完整性，TSDB 引擎处理海量时序数据，单表百亿级数据下实现了毫秒级查询响应，完成了对 MySQL 的平滑替代。能在核工业这种对安全要求最严苛的领域里替代 MySQL，本身就是对"敢用作核心"最有力的背书。
4.3 能源电力：国家级工程的数据底座
全球最大的水电上市公司之一，拥有 200 余万测点、每日数百亿行数据，基于 DolphinDB 构建统一数据底座后，多源数据关联查询从分钟级缩短至秒级，复杂分析效率提升 5-6 倍，关键设备故障预警从"分钟级"压缩到"毫秒级"。
4.4 车联网：1.8 亿点/秒的极致压力测试
某新能源车企单车 7000 测点、每秒 1.8 亿测点不间断写入------DolphinDB 不仅承受住了这一速率，资源利用率还稳定在 40% 左右，单点查询平均耗时 100ms 以内，毫秒级异常检测与实时告警同步运行。
这些案例的共同点是：都是核心系统，都是大规模生产环境，都跑了相当长的时间。白皮书上的性能指标可以美化，但金融、电力、核工业这些场景里的长期运行记录，是没法伪造的。
五、从选型视角，怎么评估时序数据库的"敢用"
如果你正在为某个关键项目选型时序数据库，这次安可测评提供了一个相对系统的判断框架。结合上面的分析，我倾向于把评估维度归纳成下面几点：
-
核心代码是否自主可控：核心技术依赖外部开源项目或国外厂商，"安全可靠"就是建立在沙地上。
-
安全体系是否完整：权限控制、审计追踪、加密、容灾、ACID 事务------这些不是可选项。
-
高可用架构是否经得起考验：7×24 不间断运行、跨集群同步、异地多中心容灾------关键行业里停机不是经济损失，可能是安全事故。
-
信创生态的完整性：国产芯片 + 国产操作系统 + 国产中间件的组合能不能跑通，决定它能否真正进入国产化改造项目。
-
关键行业的大规模落地记录：金融、电力、核工业等场景的长期运行记录是最难造假的"安全证书"。
-
服务体系是否成熟：培训认证、技术支持、社区生态------关键时刻能不能拿到支撑，比任何承诺都重要。
DolphinDB 在这六个维度上恰好都给出了答案。通过安可测评，是这些能力的综合体现；而在金融、电力、能源、核工业等关键行业的深度落地，则是这些能力的实战验证。两者交叉印证，才构成完整的"可信证据链"。
六、结语：安可替代的"深水区"
过去十年，国产时序数据库行业走过了一条比较清晰的路：从"能不能用"的功能完整阶段，到"好不好用"的性能优化阶段，再到今天"敢不敢用作核心"的安全可靠阶段。
第一阶段解决的是有没有的问题，第二阶段解决的是够不够快的问题，第三阶段解决的才是真正能否进入关键系统的问题。前两个阶段，国产时序数据库已经有不少产品做到了；但第三阶段，能给出明确答案的产品并不多------这就是为什么这次首批通过的"首批"两个字如此重要。
安可替代正在进入深水区。深水区的特征是：不再只是替换"能看见"的数据库，而是替换"看不见但更关键"的数据基础设施。这些系统往往运行在金融核心、电力调度、核工业监控、车联网中枢里，替换它们的难度和风险都远高于替换一个 OLTP 系统。
DolphinDB 这次首批通过国家安全可靠测评，对这个品类来说是一个起点。从更宏观的视角看，它释放了一个明确信号：国产时序数据库已经准备好进入关键行业的核心系统。
至于这条路线最终能走多远，需要时间来验证。但至少从今天起，"时序数据库"不再是一个被安可清单遗忘的品类------它正式成为了关键基础设施自主可控版图的一部分。
参考
-
中国信息安全测评中心《安全可靠测评结果公告（2026 年第 2 号）》
-
中国信通院分布式时序数据库稳定性专项评测、性能专项评测、基础能力专项评测