MatrixOne

文档 || 官方网站

English || 简体中文

联系我们：

---

目录

• 什么是 MatrixOne
• 60 秒快速上手
• 教程与演示
• 安装与部署
• 架构
• Python SDK
• 贡献指南
• 许可证

什么是 MatrixOne？

MatrixOne 是业内首个将 Git 式版本控制引入数据领域的数据库，它结合了 MySQL 兼容性、AI-native 能力以及云原生架构。

MatrixOne 的核心是一个 HTAP（混合事务/分析处理）数据库，拥有超融合的 HSTAP 引擎，能够在单一统一系统中无缝处理事务（OLTP）、分析（OLAP）、全文检索和向量检索工作负载——无需数据迁移，无需 ETL，无需妥协。

🎬 Git for Data - 游戏规则的改变者

正如 Git 彻底改变了代码管理方式，MatrixOne 也彻底改变了数据管理方式。像管理代码一样管理数据库：

• 📸 即时快照 - 毫秒级零拷贝快照，不会造成存储膨胀
• ⏰ 时光回溯 (Time Travel) - 查询数据在过去任意时间点的状态
• 🔀 分支与合并 - 在隔离的分支中测试数据迁移和转换
• ↩️ 即时回滚 - 无需全量备份即可恢复至之前的任意状态
• 🔍 完整的审计跟踪 - 通过不可变的历史记录追踪每一项数据变更

核心意义： 数据错误代价高昂。“Git for Data” 为开发者提供了过去在代码管理中享有的安全保障和灵活性，现在这一切也可用于处理您最重要的资产：数据。

---

🎯 为 AI 时代而生

🗄️ MySQL 兼容

MySQL 的直接替代品。无需更改代码即可使用现有的工具、ORM 和应用程序。提供无缝的迁移路径。

🤖 AI-Native

内置向量检索（IVF/HNSW）和全文检索。直接构建 RAG 应用和语义搜索——无需额外的向量数据库。

☁️ 云原生

存算分离。随处部署，弹性伸缩。Kubernetes 原生。实现零停机运维。

---

🚀 一库万用

现代典型的数据栈：

🗄️ MySQL (事务) → 📊 ClickHouse (分析) → 🔍 Elasticsearch (搜索) → 🤖 Pinecone (AI)

痛点： 4 个数据库 · 多个 ETL 任务 · 数小时的数据延迟 · 同步噩梦

MatrixOne 取代了上述所有组件：

🎯 一个数据库，同时具备原生 OLTP、OLAP、全文检索和向量检索。实时、符合 ACID 标准。无需 ETL。

⚡️ 60 秒快速上手

1️⃣ 启动 MatrixOne

docker run -d -p 6001:6001 --name matrixone matrixorigin/matrixone:latest

2️⃣ 创建数据库

mysql -h127.0.0.1 -P6001 -p111 -uroot -e "create database demo"

3️⃣ 连接与查询

安装 Python SDK：

pip install matrixone-python-sdk

向量检索：

from matrixone import Client
from matrixone.orm import declarative_base
from sqlalchemy import Column, Integer, String, Text
from matrixone.sqlalchemy_ext import create_vector_column

# 创建客户端并连接
client = Client()
client.connect(database='demo')

# 使用 MatrixOne ORM 定义模型
Base = declarative_base()

class Article(Base):
    __tablename__ = 'articles'
    id = Column(Integer, primary_key=True, autoincrement=True)
    title = Column(String(200), nullable=False)
    content = Column(Text, nullable=False)
    embedding = create_vector_column(8, "f32")

# 使用客户端 API 创建表
client.create_table(Article)

# 使用客户端 API 批量插入数据
articles = [
    {'title': 'Machine Learning Guide',
     'content': 'Comprehensive machine learning tutorial...',
     'embedding': [0.1, 0.2, 0.3, 0.15, 0.25, 0.35, 0.12, 0.22]},
    {'title': 'Python Programming',
     'content': 'Learn Python programming basics',
     'embedding': [0.2, 0.3, 0.4, 0.25, 0.35, 0.45, 0.22, 0.32]},
]
client.batch_insert(Article, articles)

client.vector_ops.create_ivf(
    Article,
    name='idx_embedding',
    column='embedding',
    lists=100,
    op_type='vector_l2_ops'
)

query_vector = [0.2, 0.3, 0.4, 0.25, 0.35, 0.45, 0.22, 0.32]
results = client.query(
    Article.title,
    Article.content,
    Article.embedding.l2_distance(query_vector).label("distance"),
).filter(Article.embedding.l2_distance(query_vector) < 0.5).all()

💡 想要更多控制权？ 请查阅下方的 安装与部署 章节，了解生产环境部署选项。

📖 Python SDK 文档 →

📚 教程与演示

准备好深入了解了吗？探索我们全面的实践教程和真实场景演示：

🎯 入门教程

教程	语言/框架	描述

(此处表格内容根据实际情况填充)