ITPub博客

MARS3 Bucket 如何让并行收益真正延续到计算

近日，YMatrix 正式收到国际顶尖开源社区盛会 —— PGConf.Russia 2026 的官方邀请。YMatrix 创始人兼 CEO 姚延栋将代表团队作主题技术分享，向全球开发者展示“超融合 AI 数据库”的硬核实力。

2026年3月6日-8日，以“ALL in 企业AI”为主题的2026用友全球生态大会在北京圆满落幕。YMatrix作为用友战略生态合作伙伴受邀出席本次大会。

近期，我们为海外某国最大的银行进行了分布式数仓 PoC，并最终赢下该项目。该项目的现场 PoC 经历让我们第一次从国外客户的视角审视了数据仓库究竟要满足客户的什么需求，给予了我们很多启发。接下来，我们会通过详细介绍 YMatrix 在该项目现场 PoC 的一些经历与思考，和大家分享我们认知到的海外客户对数据库的不同产品观和评价体系。01项目背景：替换银行 Oracle 的数仓客户是某国 Top 1

目录1. MatrixBench 开源了！再认识它一下2. 为什么选择 MatrixBench？3. 开源：MatrixBench 的边界无限扩展4. 诚恳邀请你的加入MatrixBench 开源了！再认识它一下市场上，各种数据库 Benchmark 标准百花齐放，各大数据库厂商也醉心于展示自家产品一骑绝尘的高性能，彰显在某一应用场景冠绝群雄的姿态。去年六月，我们随 YMatrix 4.5（注2）

12 月的新能源汽车销售市场异常火热，特别是理想汽车，凭借新车 L8/L9， 斩获 SUV 品类销冠，并成为首个单月交付量超过 2W 的“造车新势力”。如此亮眼的“逆袭”表现，理想的制胜策略到底是什么？而“互联网造车”崇尚的数据驱动，又究竟如何发挥作用？作为数据驱动的底层基础设施，数据库对车企是否真的至关重要？本文希望通过 YMatrix 与理想汽车的合作案例，探讨这些问题。刚刚过去的 12 月，

前言随着互联网行业的多年发展，数据量增大，很多用户使用 Greenplum6 的大数据平台，逐渐发现了性能上的缺陷，包括复杂查询、大数据量的关联分析查询出现了性能瓶颈，已经无法满足客户的需求。YMatrix 针对以上客户的需求做了大量优化，并经过客户真实场景以及 TPCH、TPCDS 等专业的测试模型进行了测试对比，结果显示 YMatrix 在数仓模型的查询场景性能是 Greenplum6 的 4

近期，在 YMatrix 5.0 发布会上，四维纵横创始人 & CEO 姚延栋分享了《返璞归真，以简驭繁 —— YMatrix 超融合数据库 5.0 发布》的主题演讲。在本次演讲中，介绍 YMatrix 超融合数据库的发展历程及现阶段的技术痛点，深入阐释了万物智联时代数据库的最佳形态。本文根据现场演讲内容整理而成。一、数据库的未来：超融合数据库这十来年，我们见证很多大数据和数据库产品的潮起

导读：杭州自动化技术研究院院长徐赤先生受邀在 YMatrix 5.0 发布会上发表演讲，介绍他在智能工厂建设领域的一些思考和探索。本文是演讲的文字版摘要，主要内容包括：未来工厂建设的现实困境构建工厂大脑未来工程建设的新路径案例实践分享嘉宾｜徐赤 杭州自动化技术研究院院长一未来工厂建设的现实困境1. 难：各个系统的协调难、招人难、选择难。特别是供应商选择，由于供应商良莠不齐，开始沟通的都很

导读：YMatrix 最近推出了 5.0 版本，同等条件下 SSB 性能比 ClickHouse 官方数据提升了 24%。本文将介绍新版本使用的性能优化技术，及最终的优化效果。 内容要点：高性能时序数据引擎的技术栈多核并行时序存储引擎 MARS 向量化执行器高效编码链观测能力   作者 ｜YMatrix 性能优化方向负责人  王勇一时序分析场景的前

近日，YMatrix 5.0 正式发布，通过 138 项优化，实现了性能的全方位突破。其中针对单表查询分析性能，我们进行了 SSB 基准测试，对标大宽表性能标杆 ClickHouse。结果显示：YMatrix 在两种测试数据规模下，分别比 CK 提升了 24% 及 37%。详细的测试报告如下：01 测试结论Star Schema Benchmark（以下简称 SSB）是目前业界

回顾历史，数据库的发展经历了从单一到多元的变化。上世纪60年代，网状和层状数据库揭开了数据库系统发展的帷幕；1970年，来自IBM实验室的Edgar F. Codd发表了《大型共享数据库数据的关系模型》论文，提出基于集合论和谓词逻辑的关系模型，为关系型数据库技术奠定了理论基础。之后关系型数据库快速发展，并为整个数据库生态培育了坚实肥沃的发展土壤。1993年，Codd进一步提出联机分析处理（OLAP

在 5.0 版本中，我们关注全场景性能表现，包括写入能力、时序查询能力、单表 OLAP 分析、多表关联 OLAP 分析、Machine Learning 性能以及 OLTP 能力等方面，在生产场景下的写入速度实现了 1.52 亿数据点/秒。哪怕是对写入能力要求最高的时序场景，也可以轻松满足高并发、低延迟的写入需求。

性能加持下的超融合，才是真正的超融合。选择YMatrix，一次选型支持所有数据类型，满足所有复杂分析需求，降低选型和开发运维成本。