# seekdb **Repository Path**: fengstyle/seekdb ## Basic Information - **Project Name**: seekdb - **Description**: No description available - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: develop - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2025-11-27 - **Last Updated**: 2025-11-27 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README

### **🔷 AI 原生混合搜索数据库** **在一个数据库中融合向量、文本、结构化与半结构化数据能力，并通过内置 AI Functions 支持多模混合搜索与智能推理。**

---

[English](README.md) | **中文版** ---

## 🚀 什么是 OceanBase seekdb？ **OceanBase seekdb** 是 OceanBase 打造的一款开发者友好的 AI 原生数据库产品，专注于为 AI 应用提供高效的混合搜索能力。它支持向量、文本、结构化与半结构化数据的统一存储与检索，并通过内置 AI Functions 支持数据嵌入、重排与库内实时推理。seekdb 在继承 OceanBase 核心引擎高性能优势与 MySQL 全面兼容特性的基础上，通过深度优化数据搜索架构，为开发者提供更符合 AI 应用数据处理需求的解决方案。 --- ## 🔥 为什么选择 OceanBase seekdb？ | **Feature** | **seekdb** | **OceanBase** | **Chroma** | **Milvus** | **MySQL 9.0** | **PostgreSQL
+pgvector** | **DuckDB** | **Elasticsearch** | | ------------------------ |:--------------------:|:-------------:|:----------:|:----------:|:-----------------------:|:----------------------------:|:----------:|:-----------------------------------:| | **Embedded** | ✅ | ❌ | ✅ | ✅ | ❌^[1] | ❌ | ✅ | ❌ | | **Single-Node** | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | ✅ | | **Distributed** | ❌ | ✅ | ❌ | ✅ | ❌ | ❌ | ❌ | ✅ | | **MySQL Compatible** | ✅ | ✅ | ❌ | ❌ | ✅ | ❌ | ✅ | ❌ | | **Vector Search** | ✅ | ✅ | ✅ | ✅ | ❌ | ✅ | ✅ | ✅ | | **Full-Text Search** | ✅ | ✅ | ✅ | ⚠️ | ✅ | ✅ | ✅ | ✅ | | **Hybrid Search** | ✅ | ✅ | ✅ | ✅ | ❌ | ⚠️ | ❌ | ✅ | | **OLTP** | ✅ | ✅ | ❌ | ❌ | ✅ | ✅ | ❌ | ❌ | | **OLAP** | ✅ | ✅ | ❌ | ❌ | ❌ | ✅ | ✅ | ⚠️ | | **License** | Apache 2.0 | MulanPubL 2.0 | Apache 2.0 | Apache 2.0 | GPL 2.0 | PostgreSQL License | MIT | AGPLv3
+SSPLv1
+Elastic 2.0 | > [1] MySQL 8.0 移除了嵌入式能力 > - ✅ 支持 > - ❌ 不支持 > - ⚠️ 有限支持 ## ✨ 核心特性 ### 开箱即用，极速开发，易学易用采用单点架构设计，可快速完成安装配置；无其他组件依赖，单点启动即可运行，适用于 AI 业务敏捷开发场景。提供灵活多样的部署方式，支持服务器和嵌入式两种部署模式：服务器部署模式下，支持 yum install、docker 或 Windows/macOS 桌面版部署方式；嵌入式部署模式下，支持原生 Python 集成，可作为 AI 应用内嵌数据库。已集成各类 AI 应用开发框架，几分钟即可快速构建 AI 应用。 ### 支持 1C2G 小规格，垂直弹性扩缩容 1 核 CPU + 2GB 内存即可运行 VectorDBBench Performance1536D50K 基准测试。当系统对并发量、数据量、查询复杂度有较高要求时，可灵活垂直扩展资源规格。 ### 高性能向量索引、全文索引，支持向量、全文、标量混合搜索 * 向量搜索：支持高达 16,000 维向量存储与高性能检索，兼容 L2、内积、余弦相似度等多种距离计算方式。提供 HNSW/IVF 索引及相关量化算法，支持精确最近邻及近似最近邻搜索，满足 AI 场景多样化的向量检索需求。 * 全文搜索：支持基于 BM25 相关性排序算法的高性能全文索引，实现面向关键词的精准搜索。提供 Space、Beng、Ngram、IK、Jieba 等多种分词器，支持 Natural Language Mode、Boolean Mode、Phrase Query、Multi Match 等多种查询模式，可在海量数据中高效检索符合过滤规则的相关文本。 * 混合搜索：支持向量、全文、标量、空间等多类数据的混合搜索，一条 SQL 即可完成多路查询与重排序，大幅提升 RAG 应用查询结果的准确性。 ### 向量搜索升级，基于 Semantic Index 指定文本也可进行语义搜索 seekdb 提供了 Semantic Index 功能，只需写入文本数据，系统即可自动进行 Embedding 并生成向量索引，查询时仅需指定文本搜索条件即可进行语义搜索。该功能对用户屏蔽了向量嵌入和查询结果 Rerank 的复杂流程，显著简化 AI 应用开发对数据库的使用方式。 ### 无缝对接各类模型，内置 AI Function 实现库内实时推理 seekdb 支持大语言模型和向量嵌入模型接入，通过 DBMS_AI_SERVICE 系统包实现模型注册和管理。内置 AI_COMPLETE、AI_PROMPT、AI_EMBED、AI_RERANK 等 AI Function，支持在标准 SQL 语法下进行数据嵌入和库内实时推理。 ### 基于 JSON 的动态 Schema，支持文档元数据动态存储和高效访问 seekdb 支持 JSON 数据类型，具备动态 Schema 能力。支持 JSON 的部分更新以降低数据更新成本，提供 JSON 函数索引、多值索引来优化查询性能。实现半结构化编码降低存储成本。在 AI 应用中，JSON 可作为文档元信息的存储类型，并支持与全文、向量的混合搜索。 ### 数据实时写入，实时可查基于 LSM-Tree 存储架构，seekdb 支持数据的高频实时写入。在执行数据 DML 操作时同步构建全文、向量、标量等各类索引，数据入库成功后立即可查。 ### 兼容 MySQL 不止于 MySQL，支撑 HTAP 混合负载深度兼容 MySQL 的语法、协议、数据字典等，确保 MySQL 应用无缝迁移。同时通过创新架构突破 MySQL 支持的场景边界，基于行列混存技术和向量化执行能力，一个实例可同时支持联机交易和实时分析等多种负载，省去数据同步的时间延迟和同步链路的维护成本。 --- ## 🎬 快速开始 ### 安装选择您的平台：

🐍 Python（推荐用于 AI/ML）

```bash pip install -U pyseekdb ```

🐳 Docker（快速测试）

```bash docker run -d \ --name seekdb \ -p 2881:2881 \ -v ./data:/var/lib/oceanbase/store \ oceanbase/seekdb:latest ```

📦 二进制文件（独立安装）

```bash # Linux rpm -ivh seekdb-1.x.x.x-xxxxxxx.el8.x86_64.rpm ``` 请将版本号替换为实际的 RPM 包版本。

### 🎯 AI 搜索示例在 5 分钟内构建语义搜索系统：

🗄️ 🐍 Python SDK

```bash # install sdk first pip install -U pyseekdb ``` ```python """ this example demonstrates the most common operations with embedding functions: 1. Create a client connection 2. Create a collection with embedding function 3. Add data using documents (embeddings auto-generated) 4. Query using query texts (embeddings auto-generated) 5. Print query results This is a minimal example to get you started quickly with embedding functions. """ import pyseekdb from pyseekdb import DefaultEmbeddingFunction # ==================== Step 1: Create Client Connection ==================== # You can use embedded mode, server mode, or OceanBase mode # For this example, we'll use server mode (you can change to embedded or OceanBase) # Embedded mode (local SeekDB) client = pyseekdb.Client( path="./seekdb.db", database="test" ) # Alternative: Server mode (connecting to remote SeekDB server) # client = pyseekdb.Client( # host="127.0.0.1", # port=2881, # database="test", # user="root", # password="" # ) # Alternative: Remote server mode (OceanBase Server) # client = pyseekdb.Client( # host="127.0.0.1", # port=2881, # tenant="test", # OceanBase default tenant # database="test", # user="root", # password="" # ) # ==================== Step 2: Create a Collection with Embedding Function ==================== # A collection is like a table that stores documents with vector embeddings collection_name = "my_simple_collection" # Create collection with default embedding function # The embedding function will automatically convert documents to embeddings collection = client.create_collection( name=collection_name, #embedding_function=DefaultEmbeddingFunction() # Uses default model (384 dimensions) ) print(f"Created collection '{collection_name}' with dimension: {collection.dimension}") print(f"Embedding function: {collection.embedding_function}") # ==================== Step 3: Add Data to Collection ==================== # With embedding function, you can add documents directly without providing embeddings # The embedding function will automatically generate embeddings from documents documents = [ "Machine learning is a subset of artificial intelligence", "Python is a popular programming language", "Vector databases enable semantic search", "Neural networks are inspired by the human brain", "Natural language processing helps computers understand text" ] ids = ["id1", "id2", "id3", "id4", "id5"] # Add data with documents only - embeddings will be auto-generated by embedding function collection.add( ids=ids, documents=documents, # embeddings will be automatically generated metadatas=[ {"category": "AI", "index": 0}, {"category": "Programming", "index": 1}, {"category": "Database", "index": 2}, {"category": "AI", "index": 3}, {"category": "NLP", "index": 4} ] ) print(f"\nAdded {len(documents)} documents to collection") print("Note: Embeddings were automatically generated from documents using the embedding function") # ==================== Step 4: Query the Collection ==================== # With embedding function, you can query using text directly # The embedding function will automatically convert query text to query vector # Query using text - query vector will be auto-generated by embedding function query_text = "artificial intelligence and machine learning" results = collection.query( query_texts=query_text, # Query text - will be embedded automatically n_results=3 # Return top 3 most similar documents ) print(f"\nQuery: '{query_text}'") print(f"Query results: {len(results['ids'][0])} items found") # ==================== Step 5: Print Query Results ==================== for i in range(len(results['ids'][0])): print(f"\nResult {i+1}:") print(f" ID: {results['ids'][0][i]}") print(f" Distance: {results['distances'][0][i]:.4f}") if results.get('documents'): print(f" Document: {results['documents'][0][i]}") if results.get('metadatas'): print(f" Metadata: {results['metadatas'][0][i]}") # ==================== Step 6: Cleanup ==================== # Delete the collection client.delete_collection(collection_name) print(f"\nDeleted collection '{collection_name}'") ``` 更多详情请参考[用户指南](https://github.com/oceanbase/pyseekdb)。

🗄️ SQL

```sql -- Create table with vector column CREATE TABLE articles ( id INT PRIMARY KEY, title TEXT, content TEXT, embedding VECTOR(384), FULLTEXT INDEX idx_fts(content) WITH PARSER ik, VECTOR INDEX idx_vec (embedding) WITH(DISTANCE=l2, TYPE=hnsw, LIB=vsag) ) ORGANIZATION = HEAP; -- Insert documents with embeddings -- Note: Embeddings should be pre-computed using your embedding model INSERT INTO articles (id, title, content, embedding) VALUES (1, 'AI and Machine Learning', 'Artificial intelligence is transforming...', '[0.1, 0.2, ...]'), (2, 'Database Systems', 'Modern databases provide high performance...', '[0.3, 0.4, ...]'), (3, 'Vector Search', 'Vector databases enable semantic search...', '[0.5, 0.6, ...]'); -- Example: Hybrid search combining vector and full-text -- Replace '[query_embedding]' with your actual query embedding vector SELECT title, content, l2_distance(embedding, '[query_embedding]') AS vector_distance, MATCH(content) AGAINST('your keywords' IN NATURAL LANGUAGE MODE) AS text_score FROM articles WHERE MATCH(content) AGAINST('your keywords' IN NATURAL LANGUAGE MODE) ORDER BY vector_distance APPROXIMATE LIMIT 10; ``` 对于python 开发者, 推荐使用sqlalchemy 来操作数据

## 📚 使用场景 ### 📖 RAG 应用针对智能聊天机器人、知识库及领域专家系统等 RAG（检索增强生成）场景，seekdb 提供了一套完整的 RAG Pipeline 解决方案。该方案整合了文档解析处理、向量嵌入（Embedding）、结果重排序（Rerank）及大语言模型（LLM）交互能力，支持向量、全文与标量的混合搜索，可在单一数据库实例内完成从文档输入到数据输出的端到端处理（Doc In Data Out）。以知识库场景为例，seekdb 能够从知识库中高效检索事实信息，为 LLM 提供精准、实时的数据支撑，既提升了生成内容的准确性，又增强了生成过程的可解释性。 ### 💻 AI 辅助编程面向 AI 辅助编程场景，seekdb 支持对代码仓库构建向量和全文索引，基于代码关键词或代码语义进行高效的代码搜索和生成补全。同时，seekdb 提供了高效的数据组织能力，支持代码片段的结构化存储（如语法树、依赖关系图谱）与非结构化存储（如原始代码文本），并通过动态元数据管理实现对代码属性（如语言类型、函数名、参数列表）的灵活扩展与高效查询。 ### 🎯 AI Agent 平台类应用 seekdb 为 AI Agent 开发提供了一站式的数据解决方案，支持快速启动和嵌入式部署，可及时拉起服务以满足敏捷开发需求。其高性能引擎保障高频增删改操作和实时查询能力，有效消除数据库性能瓶颈对 AI 开发效率的影响。内置向量搜索、全文搜索及混合搜索功能，配合灵活的元数据管理和会话管理能力，同时集成记忆存储模块，无需引入其他库即可快速构建完备的 AI Agent，显著降低系统复杂度和开发门槛。 ### 🔍 语义搜索引擎针对电商商品搜索与推荐、多媒体内容检索、图片搜索、人脸识别等语义搜索场景，seekdb 提供了完整的向量搜索解决方案。支持对接主流向量嵌入模型，将文本或图像特征以向量形式存储在 seekdb 中，并通过高性能索引实现高效的相似度计算，快速返回与查询内容最匹配的结果。同时，seekdb 的 Semantic Index 功能进一步简化了开发流程，用户只需提交文本查询即可自动完成向量嵌入和结果重排序（Rerank），无需关注底层复杂实现，显著降低 AI 应用与数据库的集成门槛，使语义搜索更加易用且高效。 ### ⬆️ MySQL 应用现代化和 AI 化升级 seekdb 继承了 OceanBase 单机存储引擎、执行引擎、事务引擎、高级查询优化器的完整能力，高度兼容 MySQL，并在此基础上扩展了 AI 能力。小规格适用于物联网边缘设备、小型应用开发和实验教学等场景，中大规格适用于各行业 OLTP、HTAP 或 AI 业务场景。 ## 🌟 生态系统与集成

更多详情请参考[用户指南](docs/user-guide/README.md)。

--- ## 🤝 社区与支持

--- ## 🛠️ 开发 ### 从源码构建 ```bash # Clone the repository git clone https://github.com/oceanbase/seekdb.git cd seekdb bash build.sh debug --init --make mkdir ~/seekdb mkdir ~/seekdb/bin cp build_debug/src/observer/observer ~/seekdb/bin cd ~/seekdb ./bin/observer ``` 本例中, 使用 $HOME/seekdb 作为测试目录, 开发者可以酌情使用一个空目录作为测试工作目录, 更多详细说明请参见[开发者指南](docs/developer-guide/zh/README.md)。 ### 贡献我们欢迎贡献！请查看我们的[贡献指南](CONTRIBUTING.md)开始。 --- ## 📄 许可证 OceanBase seekdb 采用 [Apache License, Version 2.0](LICENSE) 许可证。