DingoDB 多模向量数据库正式发布，支持多模态数据统一存储和联合分析

InfoQ 获悉，近日，九章云极 DataCanvas 正式发布 DingoDB 多模向量数据库，并将其开源。据了解，DingoDB 提供了同时处理结构化和非结构化数据的能力，其多模态特性使其在处理不同类型的数据时更加灵活和高效。通过 DingoDB，用户可以构建专属的数据向量海“vector ocean”，并实现针对不同行业场景的多模态数据存储、分析和管理的个性化需求。

此外，DingoDB 还将数据湖和向量数据库的特性相结合，可以同时存储和处理多模态数据，并提供结构化与非结构化数据的联合查询和融合分析计算的能力；借助结构化和非结构化的融合分析计算技术，能够高效地管理和检索多模态数据，进一步提升数据的利用价值。

当前，市场上的向量数据库主要有三种形态：一是基于关系型数据库的向量索引，适用于小规模向量数据的存储和查询；二是专用向量数据库，通过使用特定的向量索引、压缩算法和查询优化技术来提供高效的向量存储和检索，一般用于企业级应用设计和优化的数据库解决方案；三是分布式向量数据库：利用分布式计算和存储技术实现了高性能和可扩展性，适用于大规模向量数据集和高并发访问的场景。

DingoDB 作为一种全新的向量数据库形态——分布式多模态向量数据库，具备上述三种数据库全部能力的同时，还支持多模态数据的统一存储和联合分析，进一步扩展了向量数据库的能力边界。DingoDB 在向量化数据存储处理方面提供以下功能特性：

• 统一存储：提供统一的数据存储能力，支持单表存储表标量/向量数据，适用于不同数据间的联合查询和分析计算，提供全面的数据处理能力。

• 多模态检索：支持基于不同模态数据的联合查询和检索，非结构化数据向量化存储，有利于处理、分析和应用非结构化数据。

• 联合分析：支持非结构化数据向量化处理，同时提供标量数据与向量数据的联合分析能力，确保用户获取全面、准确的结果数据。

• 一体化 SQL 计算引擎：使用 SQL 提供强大的结构化、非结构化的分析能力，实现多模态数据类型的综合分析。

• 异构计算：利用多种不同类型的计算资源执行数据处理和计算任务，提高数据库系统的计算性能、增强扩展性和灵活性，实现高效分析和科学计算。

目前，DingoDB 已完成与 LangChain 框架的对接。LangChain 是一种基于语义的知识图谱技术，它可以实现语义级别的数据关联和查询优化，从而提高数据库查询的效率和准确性。基于 LangChain 构建的数据库对接可以为数据查询效率带来一些潜在的提升。通过与 LangChain 的合作，DingoDB 能够实现与其他开源工具和技术更好的集成，从而向用户提供更强大的数据能力。

DingoDB 地址：https://www.dingodb.com

DingoDB GitHub 地址：https://github.com/dingodb