国产数据库

赵渝强老师

【赵渝强老师】高斯数据库（openGauss）的逻辑存储结构openGauss的逻辑存储结构主要是指数据库中的各种数据库对象，包括：数据库集群、数据库、表、索引、视图等等。所有数据库对象都有各自的对象标识符oid（object identifiers）,它是一个无符号的四字节整数，相关对象的oid都存放在相关的系统目录表中，比如数据库的oid和表的oid分别存放在pg_database,pg_class表中。

赵渝强老师

【赵渝强老师】高斯数据库（openGauss）的体系架构openGauss是基于PostgreSQL开发的，因此这里可以拿PostgreSQL来比较学习它的体系结构，这样比较容易理解。openGauss的体系架构中最重要的就是数据的存储结构，而数据存储结构分为逻辑存储结构和物理存储存储。其中，逻辑存储结构是数据库内部的组织和管理数据的方式；而物理存储结构是操作系统中组织和管理数据的方式。openGauss的主要结构如下图所示。

行者-全栈开发

信创时代：国产数据库崛起与技术选型指南💡 摘要: 本文深入探讨了信创产业背景下国产数据库的崛起机遇，通过对比 OceanBase、TiDB、openGauss、达梦、人大金仓等主流国产数据库的技术特点，提供了完整的选型方法论和决策树。包含 5 个常见选型误区、3 套选型评估模型和某大型银行核心系统选型的真实案例总结，帮助技术决策者避开选型陷阱。适合企业 CTO、架构师和 DBA 阅读。

国产数据库DM8实战手册：静默安装部署全教程达梦数据库（DM8）作为国产数据库的核心代表，在企业级应用中应用广泛。在一些特殊场景下，用户需要实现非交互式安装（无需人工手动操作交互），在这种情况下，DM提供了静默安装方案，可通过预先配置安装参数文件的方式完成静默安装，静默安装能避免交互式操作的繁琐，提高部署效率，尤其适合批量部署或无人值守场景。本篇将分享达梦8数据库的静默安装全流程，新手也能轻松上手！

云边有个稻草人

MySQL迁金仓：高兼容+自动化，国产化迁移低成本落地实战目录一、MySQL兼容性：决定迁移成本与难度的核心1.1 协议层兼容：应用端几乎零改动，省出大量工时1.2 语法与函数兼容：核心SQL直接复用，无需改写

涛思数据（TDengine）

时序数据库TDengine 与广州安晟达成钻石分销合作，深化时序数据生态布局近日，涛思数据（TDengine）与广州安晟信息技术有限公司（以下简称 “广州安晟”）钻石分销商签约仪式圆满落幕。涛思数据创始人兼 CEO 陶建辉、广州安晟信息技术有限公司董事长李保生共同签署合作协议，见证双方深度战略合作的正式开启，携手以时序技术为核心、全栈服务为支撑，为政企、交通、智能制造等多行业数字化转型注入新动能。

涛思数据（TDengine）

国家天文科学数据中心 × TDengine：面向 PB 级时域天文数据的新型存储与分析架构探索小T导读：当天文观测进入 PB 级时代，问题不再是“有没有数据”，而是“数据该怎么用”。面对高基数、高频次的时域观测数据，传统的数据处理范式已经逼近极限。国家天文科学数据中心（NADC）围绕新一代科研需求，探索“计算向数据靠拢”的存储与分析架构，并在多时标光变曲线生成、高能光子数据库等关键场景中引入 TDengine 时序数据库，构建支撑海量时序数据就地分析的技术体系。本文将系统介绍这一架构的设计思路、核心能力及其在真实科学发现中的实际价值。

云边有个稻草人

KingbaseES融合数据库：内核级一体化架构，实现一库多能全域支撑在数据形态多元化、业务负载复杂化、智能应用普及化的数字化时代，传统“一类数据一套库、一种场景一个架构”的数据库建设模式，逐渐暴露出数据孤岛、运维成本高、架构扩展难、AI融合弱等问题。中电科金仓研发的KingbaseES（简称KES）作为新一代融合数据库产品，以“融合为体，AI为用”为核心理念，通过内核级架构重构实现多维度一体化设计，打造“一库多能”的企业级数据底座，既满足传统业务的稳定运行需求，又能深度赋能AI原生应用，成为国产数据库平替与数字化转型的核心选择。

赵渝强老师

【赵渝强老师】使用TiSpark在Spark中访问TiDBTiSpark是TiDB为解决用户复杂OLAP需求而推出的产品。它借助Spark平台，同时融合TiKV分布式集群的优势，和TiDB一起为用户一站式解决HTAP的需求。下面展示了TiSpark的体系架构。

赵渝强老师

【赵渝强老师】金仓数据库的数据文件在金仓数据库中，数据库实例初始化的时候会创建一个目录，通常都会在系统配置相关的环境变量$KINGBASEDATA来表示。当数据库初始化完成后，会在这个目录生成相关的子目录以及一些文件。下图就是金仓数据库的物理结构：

正在走向自律

文档数据库替换新范式：金仓数据库MongoDB兼容性深度解析与实践指南在数字化转型浪潮席卷千行百业的今天，非关系型数据库（NoSQL）曾一度被视为应对海量半结构化数据的"银弹"。其中，MongoDB凭借其灵活的JSON文档模型、高可扩展性和易用性，在政务、金融、能源等领域的电子证照、日志分析、用户画像等场景中广泛应用。

云边有个稻草人

关系数据库替换用金仓：数据迁移过程中的完整性与一致性风险现在信创推进得越来越快，金融、政务、能源这些关键行业，都在忙着把核心系统的数据库，从Oracle、MySQL这些国外的换成金仓（KingbaseES）。说句实在的，整个替换过程中，最关键也最容易出岔子的，就是数据迁移——它就相当于源库和目标库之间的一座桥，桥要是出问题，后面所有业务都没法正常跑。迁移的时候，最核心的就是把控好数据的完整性和一致性，简单说就是数据不能丢、不能坏、格式要对，而且源库和金仓里的数据得一模一样。要是这两点没抓好，业务中断、合规不过关都是常有的事。结合我这些年做过的十几个金仓迁移项目

涛思数据（TDengine）

TDengine 推出 “AI 问答”，打造时序数据库智能支持新体验2026年2月5日，时序数据库厂商 TDengine 今日正式上线 AI 问答功能，旨在为用户提供即时、精准的技术支持。该功能已集成于官方交互平台（https://chat.taosdata.com/），覆盖 SQL 语法、性能调优、架构设计、场景案例等各方面，帮助开发者与企业在使用 TDengine 过程中快速解决问题、提升效率。

赵渝强老师

【赵渝强老师】国产金仓数据库的物理存储结构数据库实例初始化的时候会创建一个目录，通常都会在系统配置相关的环境变量$KINGBASE_DATA来表示。当数据库初始化完成后，会在这个目录生成相关的子目录以及一些文件。下图就是金仓数据库的物理结构：

云边有个稻草人

金仓 VS MongoDB：国产数据库凭什么成为MongoDB平替首选？在当下数字化转型不断加速的背景下，非关系型数据库（NoSQL）凭借灵活的存储结构和出色的高并发处理能力，已经成为互联网、金融、政务等多个行业的核心基础设施。提到MongoDB肯定是很多企业最先想到的选择，毕竟它的普及度和早期适配性确实不错。但随着国内国产化替代需求越来越迫切，加上数据安全合规的要求不断收紧，金仓数据库（KingbaseES）凭借国产自研、多模融合、全栈适配这些实打实的优势，逐渐成为MongoDB的优质平替方案——既能完美兼容MongoDB的核心使用体验，又能解决咱们国内企业最关心的国产自主

KingbaseES数据库：ksql 命令行从建表到删表实战（含避坑指南）本文围绕 KingbaseES 中 ksql 命令行操作表展开，涵盖表 “创建→查看→数据增删改查→结构修改→删除” 全生命周期。前置准备需连接数据库并切换目标模式，可选确认表空间；创建表要明确数据类型与约束，含基础单表、进阶复合主键表示例；查看表结构可通过 \dt、\d、\d + 命令分别获取表列表、基本结构、详细信息；数据操作聚焦 INSERT（单条 / 批量）、SELECT（全量 / 条件 / 排序）、UPDATE（必加 WHERE）、DELETE（必加 WHERE）；结构修改含增列、改列、删列、加

KingbaseES数据库：ksql 命令行玩转索引与视图，从创建到避坑本文聚焦 KingbaseES 数据库中 ksql 命令行对索引与视图的操作，先介绍前置准备，需连接数据库切换至目标模式（如 test_schema），确认并创建 sys_user 表，插入测试数据。接着详解索引管理，涵盖普通、唯一、复合三类索引的创建方法，用 \di、\d + 命令查看索引，通过重建、重命名、删除进行维护，还给出索引数量不超 5 个、小表无需建索引等避坑提示。然后阐述视图管理，包括基础、进阶、只读视图的创建，用 \dv、\d + 命令查看，以及查询、修改、删除操作，强调视图修改限制等注意

云边有个稻草人

金仓赋能：关系数据库替换高效落地，Oracle 平滑迁移在国产化替代的大背景下，不少政企单位都面临着核心系统Oracle数据库的替换难题——毕竟很多老系统跑了十几年，核心业务逻辑全绑在Oracle上，一旦迁移出问题，损失不堪设想。这两年经手过不少Oracle转金仓的项目，从金融行业的高并发交易系统，到医疗、能源的海量数据存储场景，慢慢摸透了金仓数据库（KingbaseES）的适配逻辑，它最打动我的一点就是对Oracle的深度兼容，再加上成熟的迁移工具链，基本上能实现平滑过渡，不用大刀阔斧改写业务代码。今天就结合实操经验，把Oracle迁移金仓的核心技术点拆解开

大数据在线

技术的终极善意：抹平集中式和分布式边界在中国数据库市场，比“替代”更难的是选择。如今，数据库已成为AI时代名副其实的数据底座，但国内企业技术决策者们却陷入一种前所未有的“选择焦虑”：数据库市场品牌林立，技术架构同质化严重，上百款数据库产品更是目不暇接，以至于技术决策者们纷纷发出感叹：“为什么数据库选型这么难？”