risingwavelabs/risingwave

🌊 面向 Agentic AI 的事件流平台

RisingWave 是一个面向 Agentic AI 的事件流平台。它能够持续地从数据库、事件流和 Webhook 中摄取数据，进行增量处理，并以低延迟提供最新的结果。它通过一个单一系统取代了传统的事件流技术栈（例如：Debezium + Kafka + Flink + 业务数据库）。

RisingWave

60 秒快速上手

curl -L https://risingwave.com/sh | sh

关于 Docker、Kubernetes 及其他安装方式，请参阅快速入门指南。

核心痛点

Agent 和实时应用程序需要始终保持最新、且能以低延迟查询的数据。传统的做法通常将 Debezium（CDC）、Kafka（传输）、Flink（处理）和数据库（存储服务）串联起来。每一个环节都会增加延迟，且每个系统都会带来运维开销。

RisingWave 取代了整个技术栈：摄取、处理、服务、存储，集于一身。

工作原理

从任意源摄取

RisingWave 支持全方位的数据摄取：

Webhooks：从 SaaS 应用和外部系统进行基于 HTTP 的事件摄取。
数据库变更：通过读取事务日志，对 PostgreSQL、MySQL 等进行原生 CDC。
事件流：支持 Kafka、Pulsar、Kinesis 及其他消息代理。
历史数据：从 S3、数据仓库和其他存储系统进行批量摄取。

所有数据源均统一在同一个 SQL 接口下。流和表可以自由进行 Join 操作。

持续处理

RisingWave 对摄取的数据执行增量计算。当上游数据发生变化时，系统仅重新计算受影响的结果。端到端的时效性在 100 毫秒以内。

这是 RisingWave 所有功能的核心机制：物化视图始终保持最新，无需在每次查询时进行全量计算。

低延迟服务

查询结果保留在 RisingWave 的内部行存中，并以 10-20 毫秒的 P99 延迟对外提供服务。Agent 和应用程序可以使用标准 SQL 直接查询该层。无需轮询、无需缓存预热、无需 TTL 管理。

存储于 Apache Iceberg™

为了实现长期保留和分析访问，RisingWave 将数据写入 Apache Iceberg™ 表。它直接托管 Iceberg REST Catalog 并处理表维护工作（压缩、小文件优化、快照清理），无需外部工具。Iceberg 查询通过 Apache DataFusion（一个向量化查询引擎）执行。由于 Iceberg 是开放格式，数据同样可以被 Spark、Trino、DuckDB 等引擎读取。

行存和 Iceberg 层各有用途：行存用于低延迟查询服务，Iceberg 用于持久化、开放格式的存储和分析查询。RisingWave 同时管理这两者。

应用场景

监控与报警：根据阈值持续评估流式指标。
特征存储 (Feature Stores)：在同一流水线中计算批量和流式特征，并从同一系统提供服务。
实时仪表盘：物化视图增量更新，无需定时刷新。
实时富化：在数据交付到下游之前，将实时事件与历史参考数据进行在线 Join。
流式 Lakehouse：将数据持续、精确一次（exactly-once）地摄入到具有自动压缩和快照管理的开放格式表中。

设计决策

极致的成本效益

内部状态、表和物化视图存储在对象存储（S3 或等效存储）中，其成本比内存便宜约 100 倍。这实现了无需数据重平衡的弹性扩展，以及秒级的故障恢复。对于延迟敏感的工作负载，弹性磁盘缓存 (Elastic Disk Cache) 会将热数据固定在本地 SSD 或 EBS 上，从而将 P99 查询延迟保持在 10-20 毫秒。

对人类和 Agent 的原生体验

RisingWave 通过 PostgreSQL 协议连接，兼容 psql、JDBC 以及任何支持 Postgres 的工具。对于 Agent，RisingWave 提供了 MCP Server、CLI 和 Skills，因此 Agent 无需定制集成即可查询和操作 RisingWave。

开放性

RisingWave 原生集成了 Apache Iceberg™，支持持续流摄取、通过 DataFusion 直接读取以及自动表维护。Iceberg 中的数据采用开放格式，任何兼容的查询引擎均可访问。

部署方式

RisingWave Cloud 是全托管版本。

自托管方式：

社区

欢迎加入我们的 Slack。