背景
PolarDB 的云原生存算分离架构, 具备低廉的数据存储、高效扩展弹性、高速多机并行计算能力、高速数据搜索和处理; PolarDB与计算算法结合, 将实现双剑合璧, 推动业务数据的价值产出, 将数据变成生产力.
本文将介绍PolarDB 开源版插件生态, 通过插件给数据库加装新的算法和索引|存储结构, 结合PolarDB的大规模存储管理能力, 实现算法和存储双剑合璧, 是企业在数据驱动时代的决胜利器.
计算算法与大规模存储结合的发展趋势, 论述请参考:
以下所有测试适配环境为macOS+docker, PolarDB部署请参考:
1、时空轨迹|地理信息|路由|数字孪生|点云等相关业务插件
- postgis
- pgrouting
- pgpointcloud
- vrpRouting
实践参考:
- 《使用 PolarDB 开源版 部署 pgrouting 支撑出行、快递、配送等商旅问题的路径规划业务》
- 《使用 PolarDB 开源版 部署 pgpointcloud 支撑激光点云数据的高速存储、压缩、高效精确提取》
- 《PolarDB 开源版 通过pgpointcloud 实现高效孪生数据存储和管理 - 支撑工厂、农业等现实世界数字化|数字孪生, 元宇宙相关业务的虚拟现实结合》
- 《PolarDB 开源版通过 vrpRouting 解决 快递、出行、餐饮配送、旅游等商旅问题的最优解问题》
2、相似圈选、相似文本搜索、用户画像等相关业务插件
- smlar
- rum
- bloom
- roaringbitmap
实践参考:
- 《使用 PolarDB 开源版 smlar 插件进行高效率相似文本搜索、自助选药、相似人群圈选等业务》
- 《使用 PolarDB 开源版 bloom filter index 实现任意字段组合条件过滤》
- 《PolarDB 开源版通过 rum 实现高效率搜索和高效率排序的解决方案》
- 《PolarDB 开源版通过roaringbitmap支持高效用户画像等标签操作》
3、社交关系、风控、图式搜索等相关业务插件
- age
实践参考:
4、时序、IoT、feed等相关业务插件
- timescale , 2.x版本要求 PolarDB 14
实践参考:
5、文本分析、文本模糊搜索、文本矢量、数组内元素模糊搜索等相关业务插件
- pg_trgm
- pg_jieba
- parray_gin
实践参考:
- 《PolarDB 开源版通过 pg_trgm GIN 索引实现高效率
like '%xxx%'模糊查询》 - 《配置 jieba结巴分词 for PolarDB 实现数据库高性能文本分词搜索》
- 《PolarDB 开源版通过 parray_gin 实现高效率 数组、JSON 内元素的模糊搜索》
6、Oracle兼容性等相关业务插件
- orafce
实践参考:
7、机器学习等相关业务插件
- madlib
实践参考:
8、非关系数据、向量化、向量相似、划窗分析、失真包含比对等相关业务插件
- vector
- imgsmlr
- postgresql_hll
- pg_similarity
实践参考:
- 《如何用 PolarDB 在不确定世界寻找确定答案 (例如图像相似) - vector|pase》
- 《使用 PolarDB 开源版 和 imgsmlr 存储图像特征值以及快速的进行图像相似搜索》
- 《PolarDB 开源版通过 postgresql_hll 实现高效率 UV滑动分析、实时推荐已读列表过滤》
- 《PolarDB 开源版通过pg_similarity实现17种文本相似搜索 - token归一切分, 根据文本相似度检索相似文本.》
9、分析SQL加速|数据库联邦查询等相关业务插件
- duckdb_fdw
实践参考:
10、读写分离等相关业务插件
- pgcat
- pgpool-II
实践参考:
11、生物、化学分子数据结构存储和计算
- rdkit
实践参考:
