大型语言模型（LLM）在理解和生成上下文连贯的对话方面取得了巨大成功。然而，它们固有的“记忆缺陷”——即有限的上下文窗口——严重制约了其在跨会话、跨应用的长时间交互中保持一致性的能力。一旦对话超出上下文长度，LLM 就会像一个“失忆”的伙伴，忘记用户的偏好、重复提问，甚至与之前确立的事实相矛盾。想象一下这个场景：你告诉一个AI助手你是素食主义者且不吃乳制品。几天后，当你向它寻求晚餐建议时，它却推荐了烤鸡。这种体验无疑会削弱用户对AI的信任和依赖。
为此，PolarDB PostgreSQL版（以下简称PolarDB-PG）全新推出一站式记忆管理AI应用，使智能体能够跨会话、跨应用持续保留用户偏好、事实背景与历史交互信息，解决大模型有限上下文窗口和跨会话记忆丢失的核心痛点。

1.构建智能体记忆面临的挑战

开发、运维效率低：记忆系统构建需要选型或开发记忆引擎，对接各类数据库系统以及模型服务，开发、运维成本高；当前主流记忆框架均为检索式记忆系统，后端需要对接关系库、向量库甚至图库等多种记忆库资源，数据一致性难以保障；对于AI快速驱动业务演进而言，企业客户很难对数据库、记忆引擎、模型服务等底层设施做到完全兜底。
记忆生成、检索效果不佳：不少企业客户希望自建记忆系统，但遇到记忆事实、偏好等提取不全导致关键信息遗漏；因记忆系统整体链路长导致记忆检索延迟高，导致交互问答不流畅；对需要用户画像和记忆推理需求场景，因只能提供向量化记忆导致检索结果相关性欠强；因模型算法效果在记忆整体应用中起到十分关键的作用，模型算法与提示词配置的灵活度，也直接决定了方案迭代的速度。
系统成本压力大：随用户规模增长，系统在并发度、存储规模等方面缺乏弹性扩缩容能力；硬件、多种数据库系统、记忆引擎等多license系统，系统费用成本叠加；对于持续爆发增长的记忆库，缺乏支撑记忆生命周期管理的有效机制等。

2.PolarDB一站式记忆管理系统

针对上述挑战，PolarDB-PG推出全新AI应用——一站式长记忆管理系统正式发布上线。PolarDB-PG记忆管理真正融合了图+向量一站式记忆库 + 开放记忆引擎 + 模型算子能力，提供了全面白屏化的参数配置，提示词策略管理以及模型算法混池加速能力，支撑“记忆读写 → 上下文注入 → 模型推理 → 结果反馈”的完整闭环。一期已接入Mem0（发音为 "mem-zero"）记忆引擎，兼容开源 Mem0社区生态，使智能体能够跨会话、跨应用持续保留用户偏好、事实背景与历史交互信息，从而实现真正的个性化和持续学习体验。

PolarDB-PG一站式记忆管理系统架构

1、记忆引擎

目前，PolarDB-PG已支持Mem0框架，全面兼容开源项目Mem0社区生态；支持Mem0（向量基础版）和Mem0g（图增强版）；对开源Mem0系统实现了系列增强，包括：中英文模型接入能力；支持根据userid多图管理功能；支持根据userid向量分区管理功能；同步、异步记忆写出能力；增加sslmode连接参数，支持ssl连接；支持提示词模版的定制优化以及Mem0企业版的部分功能对齐等。后续PolarDB-PG还将和MemOS合作，为AI构建专属的“记忆操作系统”，实现记忆全生命周期的精细化管理与动态调度。

2、一站式记忆库

PolarDB-PG向量数据库引擎 + 图数据库引擎一站式组合。其中，向量数据库引擎采用经优化的PGVector插件，PGVector在PG社区已经被广泛应用，具备十分良好的AI生态支持。图数据库引擎兼容开源AGE（A Graph Extension，为Apache软件基金会的顶级项目），且经过PolarDB-PG与云原生能力的增强融合以及在大量图客户上的多年应用改进和性能优化，不仅表现成熟稳定，且具备在百亿级规模图场景下仍然保持万级以上QPS和百毫秒以下的查询延迟的极佳表现。记忆库支持云原生集中式版本或分布式版本，无需担心扩展性风险。

3、PolarDB模型算子

统一采用PolarDB模型算子提供模型部署、推理、调度体系化能力。模型在记忆管理中扮演了核心的角色，其中：大语言模型LLM负责从用户与智能体的对话中自动提取出具有长期价值的关键事实与偏好，同时用于新记忆与已有记忆的融合（增删改）以及基于图的实体三元组信息抽取；嵌入模型EMB负责将关键信息转化为高维向量，实现高效的语义检索；Rerank模型则用于记忆召回后的精排序。模型调用和推理的效率占据了用户体验的关键一环，本方案支持多种形式的模型对接途径，包括：a. 数据库自有模型算子形式；b. 百炼模型服务形式；通过高度优化的链路，大幅提升记忆相关推理效率。

4、图形化控制台

PolarDB-PG记忆管理在PolarDB系统中属于AI应用的一种形式，提供了全面图形化的管理界面：


模型算法与数据库配置

记忆提取策略配置

记忆图谱可视化

5、AI应用构建平台

支持沿用Mem0已对接周边生态，包括：Langchain、LangGraph、AgentOps、LlamaIndex等框架/平台；支持将PolarDB记忆引擎作为插件加入到Dify框架实现任务流定制；支持与阿里云AgentRun企业级 AI Agent 一站式基础设施平台‌和AgentScope开源智能体开发框架的一体化整合应用。

PolarDB记忆管理支持Dify的插件化应用

3.系统核心优势

1、端到端一站式记忆管理

开箱即用，融合记忆引擎、记忆库、模型算子服务以及KVCache加速能力，免去多系统联调、维护成本。

2、图形化配置，简单易用

控制台可视化管理多项目记忆，支持记忆引擎、模型算法、提示词策略等灵活配置；支持多项目的记忆管理能力，记忆项目配置支持完全采用图形化的界面形式；支持对记忆引擎、记忆模型算子、记忆提取策略（提示词）等选项的配置；提供极简REST API或客户端SDK，自动完成记忆事实提取、记忆增删改融合以及记忆搜索。

3、图式记忆和向量式记忆融合，记忆更准，成本更低

支持基于向量的简单记忆库模式，同时支持图（Graph）+ 向量融合的高级记忆库模式；支持图结构的关系推理（时序推理、因果推理等），记忆召回率提升40%；一站式解决图库、向量库和关系库，大幅降低TCO成本。

4、内置集成大模型推理服务，保障稳定服务

支持配置LLM、Embedding、Rerank等模型算子用于记忆生成与管理；特别采用模型算子混池架构，常规请求路由至百炼，请求规模超过百炼限定时，自动切换自有资源兜底；自有模型算子VPC内网部署，模型推理延迟相比百炼可进一步提升30%+。

5、多租户、多图粒度管理，资源可扩展

支持按项目、业务线等维度划分独立的记忆空间，保障资源隔离、数据安全与规模可扩展；支持按UserID自动切子图管理，记忆规模不受限，同等记忆规模下召回效率提升50%+。

6、百亿级记忆规模，毫秒级响应

经历百亿级规模向量、图谱数据客户最佳实践，满足万级高QPS、<50ms低延迟在线服务高标准；跨会话长记忆+会话内基于KVCache Token加速，请求延迟下降88.3%（上下文长度200k，30并发）。

4.记忆库应用场景适配

PolarDB记忆管理支持两类长记忆方案，基于纯向量记忆库方案，和向量记忆库+图记忆库的组合方案，分别适用于以下场景：

1、纯向量记忆库方案‌

• 应用场景‌：

  • 需要快速语义检索的对话场景，例如在线客服、实时聊天机器人等。
  • 成本敏感型应用，假设需要分别采购向量数据库和图数据库两种产品或服务，采用纯向量方案能减少至少一半的产品费用支出。技术特点‌：通过LLM提取对话关键事实并向量化存储。采用动态阈值控制检索范围，平衡召回率与精准度。

2、向量记忆库+图记忆库组合方案‌

• 应用场景‌：

  • 复杂关系推理场景：如医疗诊断（跟踪患者病史和药物相互作用）、旅行规划（整合航班、酒店、景点等关系）等。
  • 长期知识管理‌：通过三元组（实体1-关系-实体2）结构化存储知识，适合构建企业级知识库或跨会话连贯性要求高的智能助手，如需跟踪用户偏好演变关系的智能座仓AI助手、AI伴侣等，做到长期个性化服务。
  • 动态演进型系统‌：知识图谱支持增量更新和子图检索，适合业务规则频繁变化的场景（如金融风控中的动态规则库）。

• 技术特点‌：

  • 向量库处理语义搜索，图库存储实体间关联关系。
  • 支持时间感知或因果推理的动态知识图谱更新。
  • 基于Mem0g方案，通过两阶段流水线实现结构化记忆。

两种方案的互补性体现在：向量+图虽能处理复杂关系，但检索效率上带来更大挑战；而纯向量方案在简单场景中更高效，但缺乏对深层关系的建模能力。实际部署时，可结合业务复杂度与实时性需求进行混合架构设计。

5.应用展望

目前，PolarDB记忆管理已落地新能源车企开发助手、教育伴学等场景，在文本记忆、多模态记忆等多种场景进行了全面适配，大幅提升个性化交互沉浸感。除以上场景外，PolarDB记忆管理还在企业知识库、旅游规划、电商导购、医疗陪护等多个关键领域展现出客户价值，成为推动AI应用从“对话机器人”迈向“智能伙伴”的关键基础设施。PolarDB 与 Mem0/MemOS 的深度整合，让每一位开发者都能轻松构建真正“记得住、懂你心、扛得住、响应快”的记忆系统。

6.了解更多

欢迎搜索钉钉群号：169605009089入群与技术专家交流！

随着企业数据库规模持续膨胀，运维复杂度呈指数级上升。慢SQL排查、参数调优、主备切换根因分析、集群健康巡检等任务不仅耗时耗力，更高度依赖DBA的经验积累。然而，专业数据库人才稀缺、响应滞后、人为误判等问题，已成为企业稳定高效用云的瓶颈。

为破解这一难题，阿里云PolarDB基于瑶池数据库Agent，正式推出智能运维辅助工具 PolarDB AI助手（PolarDB Copilot）。PolarDB AI助手深度集成于PolarDB 控制台，实现资源统一管理，基于大语言模型与PolarDB专家知识库，融合智能问答、智能诊断、智能感知三大核心能力，以自然语言交互为入口，实现“会说话的数据库”，显著降低使用门槛，提升运维效率与系统稳定性。

一、技术原理解析

1.1 PolarDB AI助手技术架构

PolarDB AI助手基于大语言模型（LLM）构建，融合了自然语言理解、意图识别、上下文管理、工具调用与技能演化等能力。它通过开放接口（OpenAPI）与用户交互，支持多轮对话式问题解决，并结合 RAG、SKILL 管理和持续优化机制，实现从“被动响应”到“主动感知”的智能化演进。

PolarDB AI助手的整体技术架构分为三个层次：

• 接入层：提供用户入口与安全控制；
• 核心处理层：包含智能推理引擎、技能调度与上下文管理；
• 底层支撑层：依赖 LLM 模型服务与外部工具集成。

整个系统围绕“自然语言 → 意图识别 → 技能调用 → 工具执行 → 结果反馈”的闭环流程设计，具备可扩展性、安全性与自进化能力。

PolarDB AI助手技术架构

其中，核心处理层是系统的“大脑”，由多个子模块协同构成。
1.Context管理 + Query改写 + 意图识别 + Agent（主控逻辑）
该模块构成一个递进式推理链路：

• Context管理：维护会话上下文，整合历史对话、当前任务状态与全局信息。
• Query改写：对原始自然语言查询进行语义规范化与结构化转换，提升后续理解精度。
• 意图识别：判断用户请求类型（如故障排查、性能优化、备份恢复等），并匹配相应处理路径。
• Agent 主控单元：基于识别结果，动态决策是否加载特定 SKILL 并触发工具调用。

2.RAG知识库

• 内置领域知识库，支持检索增强生成（Retrieval-Augmented Generation）。
• 在处理复杂问题时，自动检索相关文档、最佳实践或历史案例，为回答提供事实依据。
• 有效缓解幻觉问题，提高答案可信度。

3.SKILL管理

• SKILL 是预定义的“能力模板”，以 Markdown 文件形式封装，包含指令、工具列表、权限配置等。
• 支持动态加载 SKILL：仅在需要时注入上下文，避免冗余信息干扰。
• 具备渐进式披露特性：先展示简要描述，被选中后才加载完整内容，提升效率与安全性。

4.会话管理

• 支持多轮对话状态跟踪，维持上下文一致性。
• 记录用户行为轨迹，用于后续分析与优化。
• 与 Case 评测联动，输出高质量数据样本。

5.Tool & MCP（AK Proven）

• Tool：封装实际操作接口，如执行 SQL、查看日志、调用 API 等。
• MCP（AK Proven）：作为身份凭证代理，确保每个工具调用都经过合法授权，实现“最小权限原则”。

6.LLM模型服务

• 所有推理、生成、决策依托于阿里云百炼千问大模型。
• 当前采用SOTA大模型Qwen3-Max。
• 支持模型切换与版本升级，满足不同场景需求。

1.2 自动迭代闭环：从经验到能力

此外，PolarDB AI助手通过持续的反馈闭环机制，不断提升对数据库场景的理解与响应能力。关键流程包括：

• 效果评估：对用户交互中未达预期的对话进行自动化分析，借助前沿大模型能力识别潜在改进点。
• 专家诊断：由数据库领域专家对Bad Case进行归因分类（如意图理解偏差、工具调用缺失、知识覆盖不足等），明确优化方向。
• 知识沉淀：
  Bad Case用于优化系统响应策略或改进SKILL；
  Good Case纳入优质案例库，支撑自动化验证或辅助知识提炼。
  SKILL演进：基于用户反馈动态更新SKILL内容，包括优化提示词、调整权限、增加新脚本等，实现技能体系的持续完善。

• 能力升级：结合新增知识与优化策略，定期对AI助手整体推理与服务能力进行增强，提升准确率与用户体验。

  二、技术亮点

  相较于传统的数据库运维工具，PolarDB AI助手的核心突破在于将阿里云多年积累的数据库专家经验（涵盖故障诊断、性能调优、高可用保障等数千个真实运维场景）系统性地提炼为结构化的 SKILL（技能）单元。
  每个 SKILL 以轻量级 模板形式封装，包含意图描述、执行工具链、权限声明与最佳实践示例，既保留了专家知识的完整性，又具备高度可复用性。
  该机制实现了两大关键优势：

• 动态按需加载：Agent 仅在识别到匹配意图时激活对应 SKILL，有效管理context，提升推理效率；
• 持续进化能力：通过自动化评测与人工反馈，不断优化或新增 SKILL，使系统能力随实践经验的积累而自我演进。

得益于这一设计，Agent 能力随使用而越用越聪明，形成正向反馈循环。每一次用户交互都可能沉淀为更精准的技能模板，每一次问题解决都推动整体智能水平提升。由此，PolarDB AI助手不再依赖单一静态模型，而是构建了一个由真实专家经验驱动、可扩展、可验证、可持续进化的智能运维能力生态，真正实现从“模型智能”到“专家智能”的跃迁。

三、自然语言驱动：让数据库“听得懂人话”

传统数据库运维依赖精确的SQL、命令行或繁琐的控制台点击路径，对非资深用户很不友好。PolarDB AI助手彻底改变这一范式。
开发者或运维人员只需在控制台右侧边栏输入自然语言，

如：“帮我查一下华北2地域下所有运行中的PolarDB集群。

”AI助手即可自动解析意图，调用元数据接口，返回结构化列表。再如：

“集群 pc-xxx 最近一小时有没有性能异常？”

系统将自动关联该集群的CPU、内存、磁盘、IOPS等监控指标，结合日志事件，输出综合健康评估。
这种“对话式运维”不仅替代了跨页面跳转、手动筛选的低效操作，更让初级工程师也能快速完成复杂查询，真正实现零SQL门槛的数据库交互。

四、上下文感知诊断：从“泛泛而谈”到“精准把脉”

PolarDB AI助手的智能不止于问答，更在于深度集成关键运维场景，实现上下文关联的精准诊断。
在 【慢日志明细】页面，用户选中一条耗时184秒的SQL，点击“AI分析”按钮，助手将自动：

• 解析执行计划（EXPLAIN）
• 识别缺失索引、全表扫描等性能瓶颈
• 给出优化建议（如“建议在name 字段添加索引”，“避免动态UUID生成”）

在 【主备切换日志】页面，若发生主备切换，AI助手可结合切换时间点的负载、日志、内核事件，判断是“主实例CPU资源耗尽触发HA切换”还是手动触发的正常操作，并提供规避建议。
在 【参数列表】页面，用户输入“max_connections”，AI将解释该参数的作用、内存占用风险及推荐设置范围，避免盲目调参引发故障。
这种场景化、上下文绑定的智能诊断，将专家经验产品化，让每一次运维操作都有据可依。

五、主动式异常感知：从“被动响应”到“主动预警”

传统运维往往是“问题发生 → 告警触发 → 人工排查”的被动链路。PolarDB AI助手引入智能感知能力，实现主动运维。
当集群出现 CPU突增、流量激增、连接打满 等异常时，AI助手可自动识别，并通过事件中心推送告警。更重要的是，它同步提供初步根因分析和告警，例如：

“检测到实例pc-xxx在XX年XX月XX日(UTC+8)出现回话突增与工作负载变化的异常事件(trace_id: xxxxxxxx)，当前告警级别为Warn。”

这一能力将大幅减少故障发生概率，从“救火”转向“防火”。

六、版本灵活，安全合规

PolarDB AI助手提供标准版（免费）与专业版（付费） 双模式：

• 标准版：面向中小客户，支持单集群智能问答与诊断，完全免费。
• 专业版：面向大型企业，支持批量集群一键巡检、钉钉/飞书告警集成、API调用，并可通过加购 AI容量包 提升并发能力。

安全方面，AI助手严格遵循最小权限原则：

• 仅读取元数据、监控指标与日志，不执行任何DDL/DML；
• RAM子账号需显式授权（AliyunPolardbFullAccess + AliyunYaoChiAgentAccess）；
• 所有数据访问受阿里云隐私政策保护，不用于模型训练，不外泄。

结语

目前，PolarDB AI助手已在阿里云中国站上线。用户只需登录 PolarDB控制台，在集群列表页点击右侧边栏的

图标，即可开启智能对话。如您在使用过程中有任何问题，可以在钉钉里搜索群号【171685003044】加入“PolarDB专家面对面 - AI助手”群进行咨询。PolarDB AI助手通过大模型与数据库内核知识的深度融合，将复杂的运维操作转化为自然语言交互，实现了从“工具辅助”到“智能协作者”的跃迁。无论是初创团队还是超大规模企业，都能从中获得效率提升与风险降低的双重价值。

新元启幕，万象更新；榜单出炉，洞察先机。2026 年首期中国数据库排行榜正式发布，本期榜单整体格局延续此前态势，排名变化不大。回顾 2025 年，国产数据库厂商整体表现稳健，技术路线与产品定位进一步清晰。

在这一背景下，1 月榜单的表现也为观察当前国产数据库市场的竞争格局与发展趋势提供了一个清晰窗口。接下来，和小编一同盘点本月榜单部分产品的亮眼表现。

一、PolarDB 升榜眼，达梦守前三

最新数据库榜单前十揭晓，OceanBase 毫无悬念卫冕榜首，PolarDB 实力突围跃升榜眼，达梦数据库稳坐前三之位。值得关注的是，本月前十排名中，仅 PolarDB 与达梦两家的位次发生调整，其余产品座次保持不变。

图1:中国数据库流行度排行榜前十得分情况

新年伊始，OceanBase 以737.24分稳居榜首，这份领先地位的背后，是其在技术研发、工程实践与战略布局上的全方位深耕。在数据库核心问题研究上，OceanBase始终深耕不辍，联合华东师范大学发表的论文《APQO：自适应参数化查询优化框架》成功入选数据库顶级会议SIGMOD 2026；与中国人民大学合作完成的关系型数据库缺陷实证研究成果，也顺利被IEEE TSE正式录用，通过系统分析777个真实缺陷，足见其在工程质量与底层机制打磨上的持续深耕。

工程与产品打磨上，2025全年OceanBase完成460次投产，稳定支撑1500余个关键业务系统运行，在高复杂度生产环境中沉淀出成熟的交付与运维体系；全年累计推进16次版本迭代，新增489项功能与158项数据库相关专利，工程体系化能力进一步夯实。面向AI时代浪潮，OceanBase持续推进一体化战略，不仅发布兼容TP、AP与AI负载的融合版本OceanBase 4.4，还推出AI原生混合搜索数据库SeekDB助力Data × AI战略落地，其在AI就绪数据库方向的探索，更首次获得IDC面向生成式AI的数据基础设施“领导者”评价。

本月 PolarDB以654.49分排名较上月上升一位，跻身榜眼之位，整体表现稳中有进。行业认可方面，Gartner 2025年全球云数据库管理系统魔力象限给出了有力佐证——阿里云连续第六年入选“领导者”象限，且是亚太区唯一入选厂商。这一成绩的背后，作为阿里云核心云原生关系型数据库的PolarDB提供了重要技术支撑，充分印证自身产品成熟度、技术完整性与全球竞争力。

图2:Gartner 2025年全球云数据库管理系统魔力象限

IDC最新报告披露的市场数据同样可观，2025年上半年中国关系型数据库软件市场规模达22.1亿美元，公有云关系型数据库同比增长16.3%，增速优于整体市场；阿里云位列市场前三，在云数据库规模化交付与行业覆盖上的优势，为PolarDB的持续落地与增长筑牢市场基础。

图3:2025 年上半年中国关系型数据库软件市场规模前三名分别为：阿里云、腾讯、华为

达梦数据库本月以614.76分稳居榜单第三名，核心竞争力集中在多关键行业的国产化落地成效，以及技术与生态的双重突破。国产化实践推进中，达梦不断拓宽覆盖边界、提升项目复杂度，在医疗、通信、交通等领域均交出亮眼答卷：助力武汉大学人民医院完成病案管理系统底层数据库升级重构；与福建移动深化国产化替代合作，还助力其斩获“数字中国创新大赛”奖项；参与建设的西镇高速全路段国产化收费系统已实现稳定运行。

底层能力打磨与生态建设同步推进，凭借扎实的生态建设成果，达梦荣获2025 IDC中国生态奖；资本市场上，达梦数据（688692）成功入选“科创板上市公司价值30强”。综合来看，达梦数据库本月稳居前列，正是其在重点行业落地、技术自主可控及生态体系建设上持续发力的必然结果。

金篆信科GoldenDB 本月表现亮眼，以577.06分位居行业排行榜第四位，核心竞争力在权威认可与关键行业落地中充分彰显，成为国产数据库领域的核心标杆。权威评选中，2025数据智能“星河（Galaxy）”案例评选给出有力背书，GoldenDB成为入选案例数量最多的数据库厂商，充分印证其技术落地能力与行业实践深度。

关键行业布局中，运营商领域GoldenDB稳居领先地位，在中国移动、中国联通核心系统数据库市场占比分别超80%、60%，每日支撑9亿+移动用户、12亿+物联网用户计费，与多家移动公司合作的核心业务改造、智能运维等案例均获权威认可，转型成效显著。金融领域更是实现突破，作为业界首家覆盖全类型金融机构核心系统的国产数据库，其服务超100家金融机构，每日承载超100亿笔、10万亿元交易，获头部机构战略投资，连续稳居市场占有率第一。

本月，金仓数据库以568.20分位列行业排行榜第五位，核心优势集中在关键行业持续落地与产品能力的迭代完善上。能源领域始终是其重点实践方向，截至目前，已累计支撑1000余个发电厂项目，部署3000多套数据库，覆盖全国31个省（区），形成扎实的规模化应用基础。

产品能力打磨上，金仓数据库聚焦部署、安全与性能三大核心维度持续优化；行业认可持续加码，金仓数据库与辽宁移动、新疆移动等合作的多项实践成功入选2025数据资产管理大会“星河案例”榜单。

排名第六位的腾讯云TDSQL表现尤为亮眼，核心竞争力集中在金融核心系统领域的规模化落地能力与高可靠运行水平。2025年年终决算作为银行IT体系最具挑战性的关键节点，TDSQL成功护航70余家金融机构实现“零失误”完成决算，覆盖国内超过半数Top 100银行，服务对象涵盖国有大行、头部股份制银行、城商行及支付清算机构，行业覆盖的深度与广度持续提升。

YashanDB稳居行业排行榜前十，回顾2025年，其在行业影响力与技术能力两方面均取得实质进展，不仅跻身墨天轮中国数据库流行度排行榜前十，核心技术能力更获得中国电子学会“国际领先水平”认证，技术成熟度与专业认可度同步提升。

产品与技术演进上，YashanDB V23.5版本以“TP+”为核心理念，面向企业混合工作负载场景进行系统性优化，多个关键模块能力实现跃升。综合来看，崖山数据库在保持榜单稳定位置的同时，通过持续的产品迭代与技术深化，进一步夯实了其在混合负载数据库方向的竞争力。

二、细分产品实力出圈，多元特色创新破局

图4:本月亮点数据库得分情况

在月度中国数据库排行榜的头部阵营之外，一批各具技术特色与落地实力的数据库产品同样表现亮眼。它们或是凭借长期技术积淀夯实竞争力，或是依托行业标杆项目实现排名跃升，或是在细分赛道突破创新，共同勾勒出国产数据库多元化发展的活力图景。

本期榜单中，排名第十一位的 openGauss 的稳定表现源于长期技术积累，核心支撑落在持续的内核演进、软硬协同优化与工程能力沉淀上。去年11月发布的7.0.0创新版，基于鲲鹏920平台在权威HTAP基准测试HyBench中斩获H-Score 2831.89的优异成绩，再度刷新性能纪录。

openGauss Summit 2025的召开，进一步释放出持续演进的明确信号。大会不仅开源业界首个多写数据库架构oGRAC，更发布“1+2”技术战略，敲定多读多写、超节点数据库及AI原生多模态数据库底座的建设方向。

Apache IoTDB 位次稳定保持在第20位，商业场景与航天领域的双重落地突破，成为榜单排名的核心支撑，充分验证其技术成熟度与市场适配能力。依托高吞吐读写能力、高压缩比及端 — 边 — 云协同架构的核心优势，Apache IoTDB 在关键场景中持续彰显硬核实力。航天领域更是斩获亮眼成果，12 月 3 日朱雀三号遥一运载火箭成功首飞入轨，这款国产时序数据库为此次试验提供高效数据管理支撑。

本月，万里数据库排名稳步提升至第34名，重点行业项目的持续落地成为核心增长动力。作为国家级专精特新“小巨人”企业，万里数据库深耕国产自主可控数据库研发，核心产品GreatDB在金融与运营商领域的实践成效持续凸显。在运营商“O域系统国产替代”项目中，GreatDB凭借对MySQL协议与生态的高度兼容，实现应用平滑迁移与业务连续运行，迁移效率与运维友好性得到充分验证。深厚的技术积淀叠加丰富的行业实践，让万里数据库已构建起成熟的自主可控数据库解决方案。

同方数科自主研发的KBase多模数据库成为本月榜单最大“黑马”。独特的搜索/NXD/RDF/向量四模一体架构是KBase的核心竞争力，集成98%精准度中文处理算法与400万概念词典，全文检索性能达2TB/s，十亿级向量检索可实现毫秒响应，在大规模知识管理与复杂数据处理场景优势显著。目前产品已通过信通院搜索型数据库与向量数据库双评测，斩获35项信创认证，全面适配鲲鹏/飞腾芯片及统信/麒麟系统，核心能力获得权威背书。

近期，一款数据库新品凭借亮眼动作引发行业关注 —— 数翊科技自主研发的海纳数据库（HexaDB）于 12 月完成近亿元融资，这款定位于库仓一体型的产品，精准覆盖高并发交易与实时分析并存的复杂业务场景，成长势头强劲。

成立于 2022 年的数翊科技，已凭借 HexaDB 在金融、智能制造、车联网、物联网等领域服务多家头部客户，产品逐步切入企业关键业务系统。技术架构上，数翊科技构建起自主创新的 H-T-A-I-P 全栈技术体系，实现交易型、分析型与智能型业务的一体化融合。研发布局层面，华中研发总部已落地武汉光谷，聚焦核心技术持续攻坚，强化区域服务与产业协同。随着技术能力、行业实践与研发布局的持续完善，HexaDB 正在实时库仓一体化与 “DB for AI” 方向上，逐步释放工程化与商业化潜力。

三、见证荣耀时刻，2025年度数据库奖项揭晓

在全球数字化转型持续深入与国家信创战略全面落地的双重推动下，数据库作为支撑数字经济运转的核心基础设施，正经历着从技术跟跑到自主引领的关键跨越。2025 年，云原生与人工智能的深度融合，不仅重构了数据库的技术架构，更催生出多元化的行业应用场景，国产数据库厂商也在核心技术突破与关键系统替代中交出亮眼答卷。

为梳理年度发展成果、树立行业标杆，墨天轮社区依托近 50 个权威评估指标启动 2025 年数据库奖项评选。接下来，就让我们一同揭晓本年度脱颖而出的行业璀璨亮点。

点击查看年度获奖名单

图5:2025年度数据库获奖名单

本次评选落下帷幕，上榜的每一款产品都以独特的技术优势与应用价值，勾勒出数据库领域的年度发展图景。我们期待，未来能见证更多产品在自主研发的道路上稳步迈进，在关键场景中持续释放价值，书写国产数据库的崭新篇章。

相关阅读

• 国产数据库流行度排行榜-墨天轮
• 国产数据库流行度排名规则-墨天轮
• 《往期国产数据库流行度排行榜解读》
• 《中国数据库行业分析报告》往期合辑

原文链接 ：https://www.modb.pro/db/2010657961249693696

欲了解更多可浏览墨天轮社区，围绕数据人的学习成长提供一站式的全面服务，打造集新闻资讯、在线问答、活动直播、在线课程、文档阅览、资源下载、知识分享及在线运维为一体的统一平台，持续促进数据领域的知识传播和技术创新。

关注官方公众号： 墨天轮、 墨天轮平台、墨天轮成长营、数据库国产化 、数据库资讯