---
title: 'Databend 八月月报：向量检索重磅上线，性能飞跃几十倍'
date: 2025-09-10
slug: category-product/monthly-August2025
cover_url: 'august2025-cover.png'
description: '本月，我们通过 HNSW 索引算法实现了相似性搜索 23 倍性能提升，AI 应用终于可以在对象存储上高效运行了...'
tags: [databend, monthly]
category: Product
authors:
  - DatabendLabs
---

# Databend 八月月报：向量检索重磅上线，性能飞跃几十倍

Hi，Databend 的朋友们！🚀

八月 Databend 重磅推出：**基于对象存储的向量检索功能**。通过 HNSW 索引算法实现了**相似性搜索 23 倍性能提升**，AI 应用终于可以在对象存储上高效运行了。结合已有的结构化数据和 JSON 处理能力，**Databend 现在是完全基于对象存储构建的多模态数据仓库**。

{/* truncate */}

## 八月数据

**15+ 个新功能**，**20+ 个 bug 修复**，**15+ 项性能优化**。最亮眼的还是向量检索，让 AI 应用在对象存储上也能获得极致性能。

## 本月亮点

### 🔥 **重磅功能**

- **HNSW 向量检索** - 基于 HNSW 索引，相似性搜索快 23 倍
- **时间切片函数** - 时序数据分析更强大
- **JSON5 解析增强** - JSON 处理更灵活

### ⚡ **性能和稳定性**

- **防栈溢出** - 解决了 CTE 和物理计划的递归溢出
- **内存管理升级** - 大数据操作的溢出配置更合理
- **Meta 服务优化** - 压力减少 40%
- **向量检索稳定性** - 修复了刷新时丢数据的问题

## 向量检索

### 📊 **23 倍性能提升**

**优化前：**

```sql
SELECT title, cosine_distance(embedding, :query) as score
FROM documents ORDER BY score LIMIT 10;
-- 8.2 秒，全表扫描
```

**优化后（HNSW 索引加速）：**

```sql
-- 一模一样的查询
SELECT title, cosine_distance(embedding, :query) as score
FROM documents ORDER BY score LIMIT 10;
-- 0.35 秒，索引加速
```

### 🎮 **生产验证：游戏行业成功实践**

在 Databend Cloud 上，已有**多家游戏公司**在生产环境使用向量检索：

- **游戏推荐系统**：基于玩家行为特征向量，实时推荐游戏内容和商品
- **用户画像分析**：通过玩家行为向量聚类，精准识别用户类型和价值
- **反作弊检测**：利用行为特征向量，快速识别异常玩家行为模式
- **内容匹配**：根据玩家偏好向量，智能匹配游戏关卡和活动

这些客户的真实业务需求**持续推动着我们的技术改进**，让向量检索功能越来越成熟可靠。

### 🚀 **快速上手指南**

语义搜索三步搞定：

**1. 建表加索引**

```sql
CREATE TABLE products (
    id INT,
    name VARCHAR,
    embedding VECTOR(1024),
    -- 自动获得 23 倍加速，HNSW 索引存储在对象存储
    VECTOR INDEX idx(embedding) distance='cosine'
);
```

**2. 插入数据**

```sql
INSERT INTO products VALUES
(1, 'Wireless Headphones', [0.1, 0.2, ...]::VECTOR(1024)),
(2, 'Bluetooth Speaker', [0.3, 0.1, ...]::VECTOR(1024));
```

**3. 高性能搜索**

```sql
-- 毫秒级响应
SELECT name FROM products
ORDER BY cosine_distance(embedding, :search_vector)
LIMIT 5;
```

**支持三种距离算法：**

- **Cosine（余弦）** - 文本语义相似性
- **L2（欧式距离）** - 图像视觉相似性
- **L1（曼哈顿距离）** - 特征对比分析

## 多模态数据仓库的价值

Databend 在对象存储上支持三大类数据的统一处理：

**🏗️ 结构化数据** - 传统行列数据，列式存储高性能分析  
**📄 半结构化数据** - JSON 文档，虚拟列技术 3 倍加速（七月）  
**🔍 非结构化数据** - 向量嵌入，HNSW 索引加速检索 23 倍（八月）

### 💰 **成本优势**

**传统方案：** 多系统拼凑

- 结构化数据：ClickHouse/PostgreSQL
- JSON 数据：MongoDB/Elasticsearch
- 向量搜索：Pinecone 等专用向量数据库
- 复杂的数据管道连接各系统

**Databend 方案：** 统一平台

- 所有数据类型存储在对象存储，成本降低 80%
- 一套 SQL 处理所有数据类型，开发效率大幅提升
- 无需数据搬迁和系统整合

### 🎯 **实际应用**

现在你可以用纯 SQL 搭建完整的 AI 应用 —— 推荐系统、语义搜索、RAG 知识库，各种数据类型无缝配合。

---

**Databend：多模态数据仓库，为 AI 应用而生**

🔗 **立即体验**

- 开源：https://github.com/databendlabs/databend
- 云服务：https://databend.cn
- 文档：https://docs.databend.cn

Databend 团队