⼩⽶创业思考 雷军 ⼝述 徐洁云 整理 中信出版集团

内含答案详解

本月发布的排行榜引入了微信指数，其所反映的热度变化来源于对微信搜索、公众号文章以及朋友圈公开转发文章形成的综合分析。目前国产数据库厂商更加注重微信生态的建设，但是搜索引擎无法对公众号文章进行收录。 因此，在百度指数和360趋势的基础上，纳入微信指数这一指标，排名规则也更加的完善。

网上文档千千万，唯有此篇最全面，本人亲自实践过，如有不足请赐教

数据库作为IT行业里最重要的核心的产品之一，它近年来正发生着重大的变化、巨大的变革。无论从需求侧还是从技术侧来看，数据库都进入了融合发展的新时代。需求侧在经历了“量”的跨越式增长后，迎来“质”的变化，对数据库的形态、体验和成本都提出了新需求；而技术侧也紧贴需求，不断推陈出新，尝试新的突破。目前市场中已经出现一种更为彻底的数据库融合形态——超融合数据库。在云原生领域，数据库作为云计算关键技术和最基础的服务之一，同样需要不断进化以适应日新月异的场景需求。基于客户的需求和数据库架构的演进，云原生数据库未来发展的三大方向为：Serverless、Regionless 和 Modeless。随着数据量的爆炸式增长、AI技术的助力，数据库逐渐向实时流式处理、智能化、DB微服务化等方向发展。

本月报告中墨天轮发布了最新向量数据库全球产业图谱，国内典型向量数据库代表有Milvus 、Vearch、TensorDB 、Om-iBASE等。向量数据库是专门为处理向量嵌入独特结构而构建的数据库系统。它们通过比较值并找到彼此最相似的向量来索引向量,以便于搜索和检索。从技术角度来讲，向量数据库主要解决2个问题，一个是高效的检索，另一个是高效的分析。向量数据库其实就像传统数据去处理一些关系型数据、结构化数据一样，承担的是非结构化数据的低成本存储和高性能计算两大核心能力。具体包括用于搜索和检索的向量索引、单级过滤、数据分片、复制、混合存储以及API功能。向量数据库主要的应用领域如人脸识别、推荐系统、图片搜索、视频指纹、语音处理、自然语言处理、文件搜索等。随着 AI 技术的广泛应用，以及数据规模的不断增长，向量检索也逐渐成了 AI 技术链路中不可或缺的一环，更是对传统搜索技术的补充，并且具备多模态搜索的能力。