dingo

DingoDB 是一款开源的多模态向量数据库，它的核心价值在于打破了传统数据库只能处理结构化数据的限制，让开发者可以用熟悉的 SQL 来同时管理表格数据和非结构化数据，比如文本、图片、视频经过 AI 模型转化成的向量。你不需要额外学习专门的向量查询语言，直接用 MySQL 兼容的语法就能完成向量检索、数据插入和更新，而且能支撑高并发和毫秒级响应。这解决了当前 AI 应用落地时数据管理碎片化的痛点——既要存业务数据，又要管向量数据，还得拼实时性，以前往往要搭两套系统，现在一个 DingoDB 就能搞定。 技术亮点上，DingoDB 把 Table 和 Vector 都当作一等公民，这意味着你可以在同一张表里同时存标量字段（比如价格、名称）和向量字段（比如图片特征），并且能进行混合检索。比如“找到和这张图相似、价格在100元以内的商品”，一条 SQL 就能搞定。它还支持自动弹性分片，数据量大时会自动拆分，流量小了会自动合并，运维省心。高可用是内置的，不需要额外部署 ZooKeeper 或 etcd 等组件，开箱即用，大大降低了部署和运维成本。 适合谁用？如果你的业务涉及 AI 大模型的知识库、推荐系统、图像搜索、语义搜索，或者需要实时处理多模态数据，比如电商、社交媒体、物联网场景，那 DingoDB 就是天然的选择。特别是团队里后端开发已经熟悉 MySQL，迁移成本极低。 上手难度方面，DingoDB 提供了 SQL、SDK、API 多种接入方式，新手只要会写基本的 SQL 语句就能快速上手，甚至可以用熟悉的 MySQL 客户端直接连接。官方文档和社区资源也在逐步完善，对 Java 和 Python 开发者都很友好。总体来说，这是一个既保留了关系数据库易用性、又补齐了向量检索能力的高性能数据库，值得关注。