dingo

DingoDB是一个由九章云极公司开源的分布式多模态向量数据库，目前已在GitHub上获得1700多颗星。简单来说，它最大的亮点是把传统数据库的关系型能力和AI时代所需的向量检索能力，完美地融合到了一个系统里。你可以把它理解成一个“全能型选手”：既能像MySQL一样存数据、做查询，又能像专门的向量数据库一样，高效处理图片、文本、音频等非结构化数据的相似度搜索。 这个项目解决的核心痛点，是企业在构建AI应用时面临的“数据割裂”问题。以往，结构化数据放在关系型数据库，非结构化数据则要单独存到向量数据库，两套系统之间的数据同步和运维非常头疼。DingoDB通过统一SQL接口（兼容MySQL协议）把这两者打通，开发者可以用熟悉的SQL语法，同时完成传统查询和向量检索，大幅降低了系统复杂度。 技术亮点方面，DingoDB的“标量-向量混合检索”能力尤为突出。它既能用传统索引精确过滤条件，又能用向量索引做模糊语义匹配，两者结合可以实现更精准的搜索。此外，它支持自动分片、自动分裂合并，无需部署外部组件就具备高可用能力，这大大降低了运维门槛。数据模型上，Table和Vector都是“一等公民”，设计上非常贴合现代AI应用的需求。 适用场景非常广泛，特别适合需要处理海量非结构化数据的企业。比如智能客服的知识库检索、电商平台的以图搜图、推荐系统的相似内容匹配、以及金融风控中的异常模式识别等。凡是需要把AI能力（如Embedding）与传统业务数据结合的场景，DingoDB都能发挥价值。 对于新手来说，上手门槛不算高。因为它兼容MySQL协议，熟悉SQL的开发者几乎可以无缝迁移。项目提供了丰富的SDK和API，Java等主流语言都有支持。不过，由于它涉及分布式系统和向量索引等概念，理解其架构原理需要一定基础。但好在官方文档和社区资源比较齐全，按快速入门指南操作，跑通基本功能并不难。总体而言，这是一个在AI数据基础设施领域非常有潜力的项目，值得关注。