haishandb

Cloud云卷云舒5 天前
数据库·海山数据库·haishandb
数据库出了问题,该谁负责?谁去修复?业务故障责任划分标准核心原则:谁的域、谁配置、谁开发、谁运维,谁主责;跨域协同问题共同担责,不单纯甩锅,按根因定责,分四大角色:业务开发、数据库 DBA、平台 / 云底座、运维 / 中间件。
Cloud云卷云舒8 天前
数据库·haishandb·工业云·移动云海山数据库·天工云
海山数据库(HaishanDB)面向工业云场景技术方案一、国内工业云典型建设基线与行业痛点长三角(江苏)工业云:装备、汽车产业园集群密集,MES、设备数采系统大量基于PG开发;产线传感器秒级高频采集,核心诉求:时序海量数据低成本存储、存量系统零改造迁移、多工厂租户隔离、上下班潮汐流量弹性承载。
Cloud云卷云舒13 天前
数据库·阿里云·ai-native·polardb·haishandb
PolarDB(阿里云)VS HaishanDB(海山数据库,移动云)的AI能力全面对比两者同属【通用数据库内核原生 AI 原生路线】,定位都是:结构化业务数据 + 向量 + 全文一体化底座、面向 RAG 与 Agent 记忆,替代 “业务库 + 独立向量库” 双架构,但出身、技术基线、生态、适用行业、信创资质存在明显分化。
Cloud云卷云舒13 天前
云原生·ai-native·haishandb
智能体长期记忆技术选型分析报告一、行业背景:智能体长期记忆的核心诉求 大模型天生具备上下文窗口限制,短时会话上下文无法沉淀跨会话、可迭代、可治理的长期记忆资产,外置持久化存储成为Agent规模化落地的刚需。纵观全网技术文章与工程落地实践,长期记忆系统需要同时具备语义向量检索、结构化元数据关联、时序版本追溯、ACID事务一致性、多租户权限隔离、记忆生命周期淘汰治理六大核心能力。 行业选型的底层分歧,本质是三种技术路线的博弈:纯语义优先的独立向量库路线、低成本归档的文件存储路线、兼顾业务治理与语义检索的一体化多模数据库路线。 核心判断前置
Cloud云卷云舒17 天前
云原生·ai-native·haishandb
AI Agent记忆系统:分层记忆体系的技术架构与实践本文围绕AI智能体记忆系统展开完整技术解析,针对大模型上下文窗口受限、长对话Token成本高、无法跨会话留存用户偏好等行业痛点,系统性拆解记忆分层定义、通用架构、上下文优化方案、长期记忆工程实现、开源产品对比与行业发展趋势,完整覆盖理论、代码实践、落地挑战与未来演进方向。
Cloud云卷云舒19 天前
ai-native·海山数据库·haishandb
一体融合引擎实现多模态统一查询HaishanDB 通过构建多模态融合检索能力,实现向量、全文、结构化数据的统一查询。其核心设计理念是将不同类型的数据及其检索能力整合在同一数据引擎内,而非依赖外部组件拼接,从而为智能体(Agent)提供高效、一致的数据访问入口。这种能力主要从架构设计、数据共置、查询优化三个维度实现。
Cloud云卷云舒19 天前
mysql·oracle·ai-native·haishandb·信创数据库替换
云卷云舒:从Oracle/MySQL迁移到HaishanDB:迁移评估工具核心技术拆解HaishanDB 迁移评估工具以三大核心技术为支撑,实现了对 Oracle、MySQL 等主流数据库的精准兼容分析、自动化语法转换与安全化数据采集。本文将聚焦这三大核心技术,逐一拆解设计思路、实现机制与工程价值。
Cloud云卷云舒20 天前
ai-native·海山数据库·数据库国产化·haishandb·电信核心系统信创改造
为了防篡改,HaishanDB把数据库变成了一本「钉死的账」——真有这么夸张?1. 摘要金融、政务、医疗、审计等行业对数据真实性、可追溯性要求极高,普通数据库支持原地覆盖、删除记录、清理历史快照,极易出现篡改数据后销毁证据的风险。为解决该痛点,现代数据库内置两类基于密码学链式思想的防篡改数据表:区块链表、账本表。二者都能实现数据篡改可检测、变更全程留痕,但底层存储模型、读写约束、业务适配能力存在根本性区别。本文从设计思路、读写逻辑、密码学机制、安全边界、适用场景五个维度,完整拆解两种防篡改表技术,直观展示账本表如何平衡业务灵活性与防篡改安全能力。
Cloud云卷云舒21 天前
数据库·人工智能·ai-native·haishandb·移动云长期记忆
云卷云舒:HaishanDB的AI原生能力主要应用场景#工业时序数据库#HaishanDB 的 AI 原生化能力(DB4AI)在实际业务中主要围绕向量检索/RAG、库内 ML 训推、NL2SQL、AI Agent 长期记忆四个方向落地,典型场景如下:
我是有底线的