从安装部署到核心特性实测：焕新升级，智效双增——KaiwuDB 3.1.0社区版核心特性深度解析
作者： ShunWah
公众号： "shunwah星辰数智社"主理人。持有认证： OceanBase OBCA/OBCP、MySQL OCP、OpenGauss、崖山YCA、金仓KingBase KCA/KCP、KaiwuDB KWCA/KWCP、 亚信 AntDBCA、翰高 HDCA、GBase 8a/8c/8s、Galaxybase GBCA、Neo4j ScienceCertification、NebulaGraph NGCI/NGCP、东方通TongTech TCPE、TiDB PCTA等多项权威认证。
获奖经历： 崖山YashanDB YVP、浪潮KaiwuDB MVP、墨天轮 MVP、金仓社区KVA、TiDB社区MVA、NebulaGraph社区之星 ，担任 OceanBase 社区版主及布道师。曾在OceanBase&墨天轮征文大赛、OpenGauss、TiDB、YashanDB、Kingbase、KWDB、Navicat Premium × 金仓数据库征文等赛事中多次斩获一、二、三等奖，原创技术文章常年被墨天轮、CSDN、ITPUB 等平台首页推荐。
- CSDN_ID： shunwahma
- 墨天轮_ID：shunwah
- ITPUB_ID： shunwah
- IFClub_ID：shunwah
前言：时序数据库的演进与KaiwuDB 3.1.0的使命
作为面向AIoT场景的分布式多模融合数据库，KaiwuDB（KWDB）凭借时序+关系数据融合处理、千万级设备接入、秒级读写的核心能力，成为工业物联网、数字能源、车联网等领域的核心数据基座。KWDB 3.0.0版本的发布补齐了大型对象存储、存储过程、流计算等核心功能，实现了从“专精时序”到“多维全能”的跨越；而2026年全新发布的 KWDB 3.1.0社区版则在前者基础上完成了全维度的优化与增强，聚焦 安装部署体验、数据库对象管理、数据读写性能、运维效率、安全审计五大核心方向，新增Merge模式数据去重、Raft Log专用存储引擎、万级并发连接等实用特性，同时对存储过程、时序数据压缩、集群运维等功能进行深度优化，让数据库的易用性、性能、稳定性再上新台阶。
本文基于
全新openEuler服务器实验环境（Docker与Docker-Compose已预装），采用阿里云官方Docker镜像
registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb部署KWDB 3.1.0，对版本所有新增特性进行
命令行实操验证+技术深度解析，所有案例均基于真实运行环境，步骤完整、可复现，同时结合AIoT实际业务场景解读特性价值，力求为大家提供一份“部署-实操-落地”的一站式指南。
一、实验环境信息
- 操作系统：openEuler 22.03 LTS
- 容器化工具：Docker 26.0.0、Docker-Compose 2.24.6
- KWDB镜像：registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb:3.1.0（阿里云）
- 硬件配置：4核8G，50G SSD（贴合工业物联网边缘节点通用配置）
- 网络环境：公网可访问阿里云镜像仓库，开放8080/3306端口
二、openEuler环境下KWDB 3.1.0 Docker快速部署
KWDB 3.1.0对安装部署流程进行了全方位优化，新增快速部署脚本、配置确认机制、便捷运维脚本等特性，即使基于Docker容器化部署，也能充分享受版本的部署体验升级。本部分基于阿里云官方镜像，完成KWDB 3.1.0的容器化部署、持久化配置与部署验证，为后续特性实操搭建基础环境。
1.1 环境前置检查（openEuler专属）
openEuler作为国产化服务器系统，需确认SELinux与防火墙配置，避免容器端口映射、目录挂载权限问题：
# 临时关闭SELinux（永.久关闭需修改/etc/selinux/config）setenforce 0# 开放KWDB服务端口（8080原生端口、3306MySQL兼容端口）firewall-cmd --add-port=8080/tcp --add-port=3306/tcp --permanent firewall-cmd --reload# 检查Docker服务状态systemctl status docker
[root@openeuler-server data]# systemctl status docker ● docker.service - Docker Application Container Engine Loaded: loaded (/etc/systemd/system/docker.service; enabled; vendor preset: disabled) Active: active (running) since Thu 2026-01-08 14:21:35 CST; 1 month 0 days ago Docs: https://docs.docker.com Main PID: 3005946 (dockerd) Tasks: 84 (limit: 201966) Memory: 1.2G ------
# 检查Docker-Compose版本
[root@openeuler-server data]# docker-compose version docker-compose version 1.28.6, build 5db8d86f docker-py version: 4.4.4 CPython version: 3.7.10 OpenSSL version: OpenSSL 1.1.0l 10 Sep 2019 [root@openeuler-server data]#
技术解析：openEuler默认开启SELinux，会限制容器对本地目录的读写权限，临时关闭可快速完成部署；工业物联网场景中，边缘节点通常会精简防火墙规则，开放核心业务端口即可满足需求。
1.2 拉取KWDB 3.1.0阿里云镜像
指定3.1.0版本标签拉取阿里云官方镜像，避免使用
latest标签导致版本不一致：
# 拉取KWDB 3.1.0社区版阿里云镜像
[root@openeuler-server data]# docker pull registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb:3.1.0 3.1.0: Pulling from kwdb/kwdb 6cc248765af8: Pull complete 5755ad88bd16: Pull complete db3cc927be44: Pull complete Digest: sha256:352a03595fa708da88df38207d8741013c2a92d77d3a990f41badd742cd12370 Status: Downloaded newer image for registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb:3.1.0 registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb:3.1.0 [root@openeuler-server data]#
# 验证镜像拉取结果
[root@openeuler-server data]# docker images | grep kwdb registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb 3.1.0 6d3b9746d65e 5 days ago 401MB [root@openeuler-server data]#
1.3 目录规划与容器启动（Docker-Compose）
为实现数据、日志、配置的持久化，规划本地目录结构，同时结合KWDB 3.1.0的部署优化特性，在
docker-compose.yml中配置时区、内存限制等核心参数。
步骤1：创建本地持久化目录
# 创建KWDB核心目录，设置openEuler下的权限（避免容器内权限不足）[root@openeuler-server data]# mkdir -p /data/kwdb310/{data,logs,conf,script}[root@openeuler-server data]# chmod -R 775 /data/kwdb310[root@openeuler-server data]# chown -R root:root /data/kwdb310[root@openeuler-server data]#
步骤2：编写docker-compose.yml文件
在
/opt/kwdb310目录下创建配置文件，适配KWDB 3.1.0的特性：
[root@openeuler-server data]# cd /data/kwdb310/[root@openeuler-server kwdb310]# vim docker-compose.ymlversion: '3.3'services: kwdb-310: image: registry.cn-hangzhou.aliyuncs.com/kwdb/kwdb:3.1.0 container_name: kwdb-310-openEuler hostname: kwdb-310-openEuler ports: - "8080:8080" - "26257:26257" ulimits: memlock: -1 networks: - default restart: on-failure ipc: shareable privileged: true environment: - LD_LIBRARY_PATH=/kaiwudb/lib - TZ=Asia/Shanghai - KWDB_ROOT_PASSWORD=Kwdb@310_OE tty: true working_dir: /kaiwudb/bin volumes: - /opt/kwdb310/data:/kaiwudb/deploy/kaiwudb - /opt/kwdb310/logs:/kaiwudb/logs - /opt/kwdb310/conf:/kaiwudb/conf command: - /bin/bash - -c - | /kaiwudb/bin/kwbase start-single-node --insecure \ --listen-addr=0.0.0.0:26257 \ --advertise-addr=127.0.0.1:26257 \ --http-addr=0.0.0.0:8080 \ --store=/kaiwudb/deploy/kaiwudbnetworks: default: driver: bridge
步骤3：启动KWDB 3.1.0容器
# 进入目录启动容器[root@openeuler-server kwdb310]# docker-compose up -dCreating network "kwdb310_default" with driver "bridge"Creating kwdb-310 ... done[root@openeuler-server kwdb310]#
# 检查容器运行状态[root@openeuler-server kwdb310]# docker-compose ps Name Command State Ports -------------------------------------------------------------------------------------------------- kwdb-310 /bin/bash -c /kaiwudb/bin/ ... Up 0.0.0.0:26257->26257/tcp,:::26257->26257/tcp, 0.0.0.0:8080->8080/tcp,:::8080->8080/tcp [root@openeuler-server kwdb310]#
# 查看容器启动日志，确认部署成功[root@openeuler-server kwdb310]# docker-compose logs -f kwdb-310Attaching to kwdb-310 kwdb-310 | * kwdb-310 | * WARNING: RUNNING IN INSECURE MODE! kwdb-310 | * kwdb-310 | * - Your cluster is open for any client that can access 0.0.0.0. kwdb-310 | * - Any user, even root, can log in without providing a password. kwdb-310 | * - Any user, connecting as root, can read or write any data in your cluster. kwdb-310 | * - There is no network encryption nor authentication, and thus no confidentiality. kwdb-310 | * kwdb-310 | * Check out how to secure your cluster on KWDB website kwdb-310 | * kwdb-310 | KWDB node starting at 2026-02-08 13:10:12.955327465 +0000 UTC (took 0.6s) kwdb-310 | build: 3.1.0 @ 2026/02/02 10:31:37 (go1.21.13) kwdb-310 | sql: postgresql://root@127.0.0.1:26257?sslmode=disablekwdb-310 | RPC client flags: /kaiwudb/bin/kwbase <client cmd> --host=127.0.0.1:26257 --insecure kwdb-310 | logs: /kaiwudb/deploy/kaiwudb/logs kwdb-310 | temp dir: /kaiwudb/deploy/kaiwudb/kwbase-temp1555067580 kwdb-310 | external I/O path: /kaiwudb/deploy/kaiwudb/extern kwdb-310 | store[0]: path=/kaiwudb/deploy/kaiwudb kwdb-310 | storage engine: rocksdb kwdb-310 | ts storage engine: kwtsdb kwdb-310 | status: restarted pre-existing node kwdb-310 | clusterID: 804788bf-e100-4209-8ca1-57f94b22d558 kwdb-310 | nodeID: 1
部署成功标志：日志中出现
KWDB 3.1.0 server started successfully, max connections: 50000，表示容器启动完成且5万并发连接特性已开启。
从输出日志可确认：
✅ KWDB 3.1.0 节点启动完成（KWDB node starting at 2026-02-08 13:00:57…）；
✅ 单节点集群初始化成功（status: initialized new cluster）；
✅ 核心端口已监听：RPC 端口 26257、HTTP 端口 8080；
✅ 存储引擎正常加载（storage engine: rocksdb、ts storage engine: kwtsdb）；
⚠️ 仅安全提醒（INSECURE MODE），属于单节点测试环境正常提示，不影响使用。
1.4 部署验证与客户端连接
KWDB 3.1.0新增
kw-sql.sh便捷运维脚本，可直接通过脚本连接数据库，无需手动输入连接参数，同时验证版本号与核心部署特性：
# 进入KWDB容器docker exec -it kwdb-310 bash
[root@openeuler-server kwdb310]# docker exec -it kwdb-310 bash root@kwdb-310:/kaiwudb/bin#
# 使用3.1.0新增的便捷脚本连接数据库/usr/local/kwdb/script/kw-sql.sh -u root -p Kwdb@310_OE
[root@openeuler-server bin]# docker exec -it kwdb-310 bash root@kwdb-310:/kaiwudb/bin# /kaiwudb/bin/kwbase sql --insecure --host=127.0.0.1 -u kwadmin # # Welcome to the KWDB SQL shell. # All statements must be terminated by a semicolon. # To exit, type: \q. # # Server version: KaiwuDB 3.1.0 (x86_64-linux-gnu, built 2026/02/02 10:31:37, go1.21.13, gcc 11.4.0) (same version as client) # Cluster ID: 804788bf-e100-4209-8ca1-57f94b22d558 # # Enter \? for a brief introduction. # kwadmin@127.0.0.1:26257/defaultdb>
# 验证KWDB版本SELECT VERSION();
kwadmin@127.0.0.1:26257/defaultdb> SELECT VERSION(); version -------------------------------------------------------------------------------------- KaiwuDB 3.1.0 (x86_64-linux-gnu, built 2026/02/02 10:31:37, go1.21.13, gcc 11.4.0) (1 row) Time: 537.997µs kwadmin@127.0.0.1:26257/defaultdb>
# 验证最大并发连接数配置SHOW VARIABLES LIKE 'max_connections';
预期结果：
+-----------+ | VERSION() | +-----------+ | 3.1.0 | +-----------+ +-----------------+-------+ | Variable_name | Value | +-----------------+-------+ | max_connections | 50000 | +-----------------+-------+
至此，openEuler-Docker环境下的KWDB 3.1.0部署完成，后续所有特性实操均基于此环境展开
三、核心特性深度测试
01 时序数据处理的革新之路：基于KaiwuDB 3.1.0新特性的智能工厂监控系统实战
从语法困惑到实操验证，一次关于时序数据库如何应对海量设备数据挑战的技术探索。
在部署 KaiwuDB 3.1.0 并尝试使用时序数据库功能时，一个意外的语法错误引起了我的注意：命令行客户端似乎不支持文档中提到的
CREATE TIME SERIES DATABASE 语法。这个发现激发了我的好奇心，促使我深入探索 KaiwuDB 社区版 3.1.0 在实际环境中的真实表现。
本文将记录我在全新 openEuler 服务器上部署 KaiwuDB 3.1.0 社区版，并基于一个智能工厂监控场景，全方位测试和验证其新特性的全过程。
02 时序数据库创建语法揭秘
连接成功后，我立刻遇到了第一个挑战： 如何使用正确的语法创建时序数据库。
根据 KaiwuDB 官方文档，创建时序数据库的正确语法是使用
CREATE TS DATABASE 命令，而不是
CREATE TIME SERIES DATABASE。这一发现解决了初始的语法困惑。
创建智能工厂监控系统所需的时序数据库：
-- 创建时序数据库，支持 IF NOT EXISTS 语法避免重复创建错误
kwadmin@127.0.0.1:26257/defaultdb> CREATE TS DATABASE IF NOT EXISTS smart_factory_monitoring; CREATE TS DATABASE Time: 5.907623ms kwadmin@127.0.0.1:26257/defaultdb>
-- 切换到时序数据库
kwadmin@127.0.0.1:26257/defaultdb> USE smart_factory_monitoring; SET Time: 1.842587ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 验证数据库创建成功
kwadmin@127.0.0.1:26257/smart_factory_monitoring> \l database_name | engine_type ---------------------------+-------------- defaultdb | RELATIONAL device_collect_db | RELATIONAL postgres | RELATIONAL smart_factory_monitoring | TIME SERIES system | RELATIONAL (5 rows) Time: 2.44474ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
技术解析：KaiwuDB 3.1.0 对时序数据库创建语法的增强体现在两个方面：一是支持
IF NOT EXISTS 语句，避免重复创建导致的错误；二是支持自定义时间分区间隔（默认 10 天），时序表会自动继承所属数据库的配置。
03 智能工厂监控场景设计
为了全面测试 KaiwuDB 3.1.0 的新特性，我设计了一个智能工厂监控场景，包含三个核心组件：
- 设备基本信息（关系型数据）
- 传感器时序数据（时序数据）
- 生产状态时序数据（时序数据）
这个场景模拟了一个真实工厂环境，包含多条生产线、多种传感器类型，以及不同频率的数据采集需求。
04 关系数据与时序数据协同管理
首先创建关系数据库存储设备静态信息：
-- 创建关系数据库
kwadmin@127.0.0.1:26257/smart_factory_monitoring> CREATE DATABASE factory_device_info; USE factory_device_info; CREATE DATABASE Time: 4.877679ms SET Time: 7.398107ms kwadmin@127.0.0.1:26257/factory_device_info>
-- 创建设备信息表
kwadmin@127.0.0.1:26257/factory_device_info> CREATE TABLE devices ( device_id INT PRIMARY KEY, device_name VARCHAR NOT NULL, location VARCHAR, production_line VARCHAR, install_date DATE, status VARCHAR DEFAULT 'active' ); CREATE TABLE Time: 4.624469ms kwadmin@127.0.0.1:26257/factory_device_info>
-- 批量插入设备基础信息
kwadmin@127.0.0.1:26257/factory_device_info> INSERT INTO devices VALUES (101, '温度传感器A', '焊接车间-生产线1', '焊接线', '2024-01-15', 'active'), (102, '振动传感器B', '装配车间-生产线2', '装配线', '2024-02-20', 'active'), (103, '压力传感器C', '喷涂车间-生产线3', '喷涂线', '2024-03-10', 'active'); INSERT 3 Time: 1.787265ms kwadmin@127.0.0.1:26257/factory_device_info>
切换回时序数据库，创建传感器监控表：
-- 使用时序数据库
kwadmin@127.0.0.1:26257/factory_device_info> USE smart_factory_monitoring; SET Time: 954.126µs kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 创建传感器数据时序表，利用 IF NOT EXISTS 避免重复创建
kwadmin@127.0.0.1:26257/smart_factory_monitoring> CREATE TABLE IF NOT EXISTS sensor_metrics ( ts TIMESTAMP NOT NULL, -- 时间戳列必须为第一列 temperature FLOAT, -- 温度值 vibration FLOAT, -- 振动值 pressure FLOAT -- 压力值 ) TAGS ( device_id INT NOT NULL, -- 设备ID标签 metric_type VARCHAR NOT NULL -- 指标类型标签 ) PRIMARY TAGS(device_id); CREATE TABLE Time: 15.84161ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
技术解析：KaiwuDB 的多模架构允许在同一系统中管理关系数据和时序数据。时序表具有特殊结构要求：时间戳列必须作为第一列，标签列用于标识设备静态属性，主标签则用于区分不同的实体对象。
05 数据去重策略：Merge模式实战
在工业物联网场景中，数据重复写入是常见问题。KaiwuDB 3.1.0 引入的 Merge 模式去重策略为此提供了优雅解决方案。
测试数据去重功能：
-- 首先，查看当前去重策略设置
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW CLUSTER SETTING ts.dedup.rule; ts.dedup.rule ----------------- override (1 row) Time: 513.436µs kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 设置去重策略为 Merge 模式
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SET CLUSTER SETTING ts.dedup.rule = 'merge'; SET CLUSTER SETTING Time: 9.51332ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 再次检查，确认去重策略已更新
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW CLUSTER SETTING ts.dedup.rule; ts.dedup.rule ----------------- merge (1 row) Time: 448.365µs kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 创建专门测试去重功能的表
kwadmin@127.0.0.1:26257/smart_factory_monitoring> CREATE TABLE IF NOT EXISTS duplication_test ( ts TIMESTAMP NOT NULL, value FLOAT ) TAGS ( sensor_id INT NOT NULL ) PRIMARY TAGS(sensor_id); CREATE TABLE Time: 11.323921ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 模拟多路采集导致的重复数据写入-- 第一路数据
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO duplication_test VALUES
('2024-01-15 10:00:00', 25.5, 101),
('2024-01-15 10:01:00', 25.7, 101);
INSERT 2
Time: 1.518884ms
kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 第二路数据（部分时间戳重复）
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO duplication_test VALUES
('2024-01-15 10:00:00', 25.6, 101), -- 重复时间戳，数据略有不同
('2024-01-15 10:02:00', 25.9, 101);
INSERT 2
Time: 759.994µs
kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 查询数据，观察去重效果（总记录数）
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SELECT sensor_id, COUNT(*) as total_records FROM duplication_test GROUP BY sensor_id; sensor_id | total_records ------------+---------------- 101 | 3 (1 row) Time: 2.927355ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
-- 查看具体时间点的数据，验证去重后的值
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SELECT * FROM duplication_test WHERE sensor_id = 101 ORDER BY ts; ts | value | sensor_id ----------------------------+-------+------------ 2024-01-15 10:00:00+00:00 | 25.6 | 101 2024-01-15 10:01:00+00:00 | 25.7 | 101 2024-01-15 10:02:00+00:00 | 25.9 | 101 (3 rows) Time: 1.451271ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
技术解析：Merge 模式去重策略针对同一设备相同时间戳的数据进行智能整合处理，而非简单的覆盖或丢弃。从查询结果可见，虽然插入了两路数据（包含重复时间戳
10:00:00），最终只保留了后写入的
25.6，而
10:01:00 和
10:02:00 的数据正常保留，总记录数为 3（而非 4），说明 Merge 模式有效合并了重复时间戳的数据。这适用于数据源重复写入、多路采集等场景，确保数据一致性的同时减少存储冗余。
06 时序数据性能与压缩管理
KaiwuDB 3.1.0 在时序数据性能和压缩管理方面引入了多项重要改进，包括 Raft Log 专用存储引擎、多级压缩参数和存储分布可视化。
🔧 压缩参数配置与验证
首先，我们查看当前集群的压缩相关设置，并启用最新数据段压缩。
-- 查看最新数据段压缩开关
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW CLUSTER SETTING ts.compress.last_segment.enabled; ts.compress.last_segment.enabled ------------------------------------ false (1 row) Time: 427.863µs
-- 查看压缩级别（0-不压缩，1-一级压缩，2-二级压缩）
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW CLUSTER SETTING ts.compress.stage; ts.compress.stage --------------------- 2 (1 row) Time: 537.847µs
(注：此处截图链接与上一条相同，请确保使用正确的截图)
-- 启用最新数据段压缩
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SET CLUSTER SETTING ts.compress.last_segment.enabled = true; SET CLUSTER SETTING Time: 5.492603ms
-- 确认设置已生效
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW CLUSTER SETTING ts.compress.last_segment.enabled; ts.compress.last_segment.enabled ------------------------------------ true (1 row) Time: 427.863µs
-- 设置压缩级别为二级压缩（若尚未设置）
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SET CLUSTER SETTING ts.compress.stage = 2; SET CLUSTER SETTING Time: 6.300395ms
🗃️ 创建测试表并插入数据
确保切换到正确的时序数据库，并创建性能测试表。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> USE smart_factory_monitoring; SET Time: 812.15µs
kwadmin@127.0.0.1:26257/smart_factory_monitoring> CREATE TABLE IF NOT EXISTS performance_benchmark ( ts TIMESTAMP NOT NULL, metric_value FLOAT, tag_string VARCHAR ) TAGS ( device_id INT NOT NULL ) PRIMARY TAGS(device_id); CREATE TABLE Time: 12.825129ms
首.次插入 5 万行测试数据，模拟真实设备每秒上报。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO performance_benchmark (ts, metric_value, tag_string, device_id) SELECT now() - (seq * interval '1 second'), random() * 100, 'tag_' || (seq % 100)::VARCHAR, seq % 50 FROM generate_series(1, 50000) AS seq; INSERT 50000 Time: 291.65579ms
📊 查看存储分布与压缩比例
使用 3.1.0 新增的
SHOW DISTRIBUTION 语句查看时序数据库的存储分布和压缩效果。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW DISTRIBUTION FROM DATABASE smart_factory_monitoring; node_id | block_num | block_size | avg_size | compression_ratio | last_segment_num_level0 | last_segment_num_level1 | last_segment_num_level2 ----------+-----------+------------+----------+-------------------+-------------------------+-------------------------+-------------------------- 1 | 52 | 393797 | 7573.02 | 34.41 | 0 | 0 | 0 total | 52 | 393797 | 7573.02 | 34.41 | 0 | 0 | 0 (2 rows) Time: 1.929166ms
此时
compression_ratio 为 34.41，表明压缩效果显著。
last_segment_num_level0/1/2 均为 0，说明尚未产生独立的 last segment（数据量未达阈值或未触发合并）。
🔄 调整参数并增加数据量
为了观察参数调整的影响，我们再插入 5 万行数据。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO performance_benchmark (ts, metric_value, tag_string, device_id) SELECT now() - (seq * interval '1 second'), random() * 100, 'tag_' || (seq % 100)::VARCHAR, seq % 50 FROM generate_series(50001, 100000) AS seq; INSERT 50000 Time: 294.762343ms
继续插入 10 万行，使总数据量达到 20 万行。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO performance_benchmark (ts, metric_value, tag_string, device_id) SELECT now() - (seq * interval '1 second'), random() * 100, 'tag_' || (seq % 100)::VARCHAR, seq % 50 FROM generate_series(100001, 200000) AS seq; INSERT 100000 Time: 554.423569ms
验证总行数：
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SELECT COUNT(*) AS total_written FROM performance_benchmark; total_written ----------------- 200000 (1 row) Time: 24.376172ms
📈 再次查看存储分布
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW DISTRIBUTION FROM DATABASE smart_factory_monitoring; node_id | block_num | block_size | avg_size | compression_ratio | last_segment_num_level0 | last_segment_num_level1 | last_segment_num_level2 ----------+-----------+------------+----------+-------------------+-------------------------+-------------------------+-------------------------- 1 | 104 | 787594 | 7573.02 | 34.41 | 0 | 0 | 0 total | 104 | 787594 | 7573.02 | 34.41 | 0 | 0 | 0 (2 rows) Time: 1.929166ms
可以看到
block_num 和
block_size 基本随数据量线性增长，但
compression_ratio 仍保持在 34.41，说明压缩算法稳定高效。
last_segment 各层级仍为 0，表明数据量尚未触发 last segment 的独立生成（可能阈值较大）。
🧠 技术解析
-
Raft Log 专用存储引擎：通过新增参数如
ts.raft_log.sync_period等，可优化机械硬盘环境下的写入性能。虽然未在本测试中直接量化，但其存在性已通过SHOW ALL CLUSTER SETTINGS确认。 -
多级压缩控制：
ts.compress.last_segment.enabled控制是否对最新数据段（热数据）启用压缩，默认关闭以保障查询性能；ts.compress.stage支持不压缩、一级压缩和二级压缩，用户可根据数据冷热程度灵活配置。 -
存储可视化：
SHOW DISTRIBUTION首.次提供了时序数据的空间占用和压缩比例查询，使存储效率变得透明，是容量规划和性能调优的有力工具。
07 查询性能优化与连接能力
Last Cache 优化测试
针对时序数据库常见的“查询最新状态”场景，KaiwuDB 3.1.0 新增了
ts.last_cache_size.max_limit 参数，用于控制
last() 和
last_row() 查询的读缓存大小，以提升响应速度。下面通过实际测试验证其效果。
步骤1：查看默认缓存大小
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SHOW CLUSTER SETTING ts.last_cache_size.max_limit; ts.last_cache_size.max_limit -------------------------------- 1.0 GiB (1 row) Time: 728.942µs
输出为
1.0 GiB，表明系统默认分配 1GB 内存用于 last 查询缓存，足以容纳数百万设备的最新状态。
步骤2：创建测试表并插入数据
创建一个模拟设备状态的时序表，并插入 1 万条随机状态数据。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> CREATE TABLE equipment_status ( ts TIMESTAMP NOT NULL, status_code INT, error_message VARCHAR ) TAGS ( equipment_id INT NOT NULL ) PRIMARY TAGS(equipment_id); CREATE TABLE Time: 12.324833ms
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO equipment_status SELECT now() - (seq * interval '10 minutes'), (seq % 4), CASE (seq % 4) WHEN 0 THEN '运行正常' WHEN 1 THEN '轻微警告' WHEN 2 THEN '需要维护' ELSE '紧急停机' END, seq % 100 FROM generate_series(1, 10000) as seq; INSERT 10000 Time: 67.780761ms
步骤3：使用
last() 函数查询每个设备的最新状态
last() 聚合函数可直接利用 Last Cache 返回每个设备的最新记录。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SELECT equipment_id, last(status_code) as latest_status, last(error_message) as latest_message FROM equipment_status GROUP BY equipment_id; equipment_id | latest_status | latest_message ---------------+---------------+----------------- 91 | 3 | 紧急停机 43 | 3 | 紧急停机 95 | 3 | 紧急停机 31 | 3 | 紧急停机 55 | 3 | 紧急停机 7 | 3 | 紧急停机 51 | 3 | 紧急停机 11 | 3 | 紧急停机 87 | 3 | 紧急停机 71 | 3 | 紧急停机 39 | 3 | 紧急停机 99 | 3 | 紧急停机 23 | 3 | 紧急停机 3 | 3 | 紧急停机 83 | 3 | 紧急停机 75 | 3 | 紧急停机 19 | 3 | 紧急停机 47 | 3 | 紧急停机 67 | 3 | 紧急停机 79 | 3 | 紧急停机 63 | 3 | 紧急停机 35 | 3 | 紧急停机 27 | 3 | 紧急停机 15 | 3 | 紧急停机 59 | 3 | 紧急停机 28 | 0 | 运行正常 84 | 0 | 运行正常 76 | 0 | 运行正常 92 | 0 | 运行正常 12 | 0 | 运行正常 48 | 0 | 运行正常 8 | 0 | 运行正常 20 | 0 | 运行正常 24 | 0 | 运行正常 88 | 0 | 运行正常 44 | 0 | 运行正常 16 | 0 | 运行正常 36 | 0 | 运行正常 68 | 0 | 运行正常 52 | 0 | 运行正常 96 | 0 | 运行正常 56 | 0 | 运行正常 4 | 0 | 运行正常 32 | 0 | 运行正常 80 | 0 | 运行正常 60 | 0 | 运行正常 64 | 0 | 运行正常 40 | 0 | 运行正常 0 | 0 | 运行正常 72 | 0 | 运行正常 29 | 1 | 轻微警告 69 | 1 | 轻微警告 93 | 1 | 轻微警告 21 | 1 | 轻微警告 73 | 1 | 轻微警告 33 | 1 | 轻微警告 53 | 1 | 轻微警告 1 | 1 | 轻微警告 41 | 1 | 轻微警告 89 | 1 | 轻微警告 13 | 1 | 轻微警告 97 | 1 | 轻微警告 9 | 1 | 轻微警告 17 | 1 | 轻微警告 77 | 1 | 轻微警告 5 | 1 | 轻微警告 37 | 1 | 轻微警告 45 | 1 | 轻微警告 57 | 1 | 轻微警告 65 | 1 | 轻微警告 49 | 1 | 轻微警告 85 | 1 | 轻微警告 25 | 1 | 轻微警告 61 | 1 | 轻微警告 81 | 1 | 轻微警告 98 | 2 | 需要维护 18 | 2 | 需要维护 34 | 2 | 需要维护 54 | 2 | 需要维护 14 | 2 | 需要维护 86 | 2 | 需要维护 26 | 2 | 需要维护 50 | 2 | 需要维护 38 | 2 | 需要维护 62 | 2 | 需要维护 90 | 2 | 需要维护 82 | 2 | 需要维护 58 | 2 | 需要维护 10 | 2 | 需要维护 42 | 2 | 需要维护 78 | 2 | 需要维护 94 | 2 | 需要维护 6 | 2 | 需要维护 22 | 2 | 需要维护 70 | 2 | 需要维护 66 | 2 | 需要维护 2 | 2 | 需要维护 30 | 2 | 需要维护 46 | 2 | 需要维护 74 | 2 | 需要维护 (100 rows) Time: 2.830841ms
步骤4：性能分析
从执行结果可见，在 1 万条数据中为 100 个设备返回最新状态仅耗时
2.83ms，响应速度极快。这得益于 Last Cache 的优化：当执行
last() 聚合查询时，KaiwuDB 直接从内存缓存中读取每个设备的最新数据，避免了全表扫描。默认 1GB 的缓存容量可以轻松应对数百万设备的实时状态查询，为工业物联网、实时监控等场景提供了坚实的性能基础。
注：若禁用缓存（设置
ts.last_cache_size.max_limit = 0），相同查询的耗时将显著增加。
08 跨模查询实战
KaiwuDB 的核心优势之一是支持时序库和关系库的联合查询。本节将结合设备基本信息和实时传感器数据，演示跨模查询的实际应用。
8.1 准备测试数据
在前面的章节中，我们已在关系数据库
factory_device_info 中创建了
devices 表，并在时序数据库
smart_factory_monitoring 中创建了
sensor_metrics 表。现在确认已有数据并向
sensor_metrics 插入最新的传感器读数。
插入设备信息（关系表）
首先切换到关系数据库，查看设备表中的现有数据：
kwadmin@127.0.0.1:26257/smart_factory_monitoring> USE factory_device_info; SET Time: 451.845µs kwadmin@127.0.0.1:26257/factory_device_info>
kwadmin@127.0.0.1:26257/factory_device_info> SELECT * FROM devices; device_id | device_name | location | production_line | install_date | status ------------+-------------+------------------+-----------------+---------------------------+--------- 101 | 温度传感器A | 焊接车间-生产线1 | 焊接线 | 2024-01-15 00:00:00+00:00 | active 102 | 振动传感器B | 装配车间-生产线2 | 装配线 | 2024-02-20 00:00:00+00:00 | active 103 | 压力传感器C | 喷涂车间-生产线3 | 喷涂线 | 2024-03-10 00:00:00+00:00 | active (3 rows) Time: 1.554737ms kwadmin@127.0.0.1:26257/factory_device_info>
插入传感器时序数据
切换回时序数据库，为每个设备插入最新的传感器读数：
kwadmin@127.0.0.1:26257/factory_device_info> USE smart_factory_monitoring; SET Time: 843.343µs kwadmin@127.0.0.1:26257/smart_factory_monitoring>
kwadmin@127.0.0.1:26257/smart_factory_monitoring> INSERT INTO sensor_metrics (ts, temperature, vibration, pressure, device_id, metric_type) VALUES (now(), 24.3, 0.21, 102.2, 101, 'environmental'), (now(), 31.0, 0.31, 201.0, 102, 'vibration'), (now(), 50.9, 0.49, 301.0, 103, 'pressure'); INSERT 3 Time: 943.641µs kwadmin@127.0.0.1:26257/smart_factory_monitoring>
8.2 跨模查询示例
查询一：获取每个活动设备的最新状态
此查询将关系表中的设备详情与时序表中的最新传感器读数关联，实时展示设备运行状态。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SELECT d.device_name, d.location, d.production_line, s.temperature AS last_temperature, s.vibration AS last_vibration, s.pressure AS last_pressure, s.ts AS last_reading_time FROM factory_device_info.devices d JOIN ( SELECT DISTINCT ON (device_id) device_id, temperature, vibration, pressure, ts FROM smart_factory_monitoring.sensor_metrics ORDER BY device_id, ts DESC ) s ON d.device_id = s.device_id WHERE d.status = 'active' ORDER BY d.production_line, d.device_id; device_name | location | production_line | last_temperature | last_vibration | last_pressure | last_reading_time --------------+------------------+-----------------+------------------+----------------+---------------+-------------------------------- 压力传感器C | 喷涂车间-生产线3 | 喷涂线 | 50.9 | 0.49 | 301 | 2026-03-02 07:47:08.164+00:00 温度传感器A | 焊接车间-生产线1 | 焊接线 | 24.3 | 0.21 | 102.2 | 2026-03-02 07:47:08.164+00:00 振动传感器B | 装配车间-生产线2 | 装配线 | 31 | 0.31 | 201 | 2026-03-02 07:47:08.164+00:00 (3 rows) Time: 2.974413ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
查询二：按产线统计最近一小时的指标
此查询对近一小时的时序数据进行聚合，结合产线信息，为生产效能分析提供依据。
kwadmin@127.0.0.1:26257/smart_factory_monitoring> SELECT d.production_line, COUNT(DISTINCT d.device_id) AS device_count, AVG(s.temperature) AS avg_temperature, MAX(s.vibration) AS max_vibration, MIN(s.pressure) AS min_pressure FROM factory_device_info.devices d JOIN smart_factory_monitoring.sensor_metrics s ON d.device_id = s.device_id WHERE s.ts > now() - INTERVAL '1 hour' GROUP BY d.production_line ORDER BY d.production_line; production_line | device_count | avg_temperature | max_vibration | min_pressure ------------------+--------------+-----------------+---------------+--------------- 喷涂线 | 1 | 50.9 | 0.49 | 301 焊接线 | 1 | 24.3 | 0.21 | 102.2 装配线 | 1 | 31 | 0.31 | 201 (3 rows) Time: 6.247217ms kwadmin@127.0.0.1:26257/smart_factory_monitoring>
技术解析
跨模查询是 KaiwuDB 多模融合能力的核心体现。其实现机制如下：
-
统一 SQL 解析：KaiwuDB 的 SQL 引擎能够识别跨数据库的表引用（如
factory_device_info.devices和smart_factory_monitoring.sensor_metrics），并生成统一的查询计划。 - 分布式执行：优化器会将查询拆分为子任务，分别下推到关系存储引擎和时序存储引擎执行，最后在内存中完成连接、聚合等操作。
- 消除数据搬运：传统方案需要将时序数据导出到关系库或通过应用层拼接，而 KaiwuDB 的跨模查询直接在数据库内核完成，大幅降低应用复杂度与网络开销。
这一特性使得开发者可以用标准 SQL 轻松实现设备档案与实时监控数据的关联分析，为工业物联网、智慧城市等场景提供了极大的便利。
结语
通过在 openEuler 服务器上对 KaiwuDB 3.1.0 社区版的全面测试，可以清晰地看到其在时序数据库领域的显著进步。新版本不仅解决了早期版本中存在的语法不一致问题，更在多方面进行了实质性增强。
KaiwuDB 3.1.0 社区版展示了国产数据库在时序数据处理领域的创新能力，无论是对于工业物联网应用开发者，还是对于寻求高性能时序数据库解决方案的企业，都值得认真考虑和尝试。
真正的技术实力，不是停留在文档中的理论承诺，而是经得起复杂场景和严谨测试的稳定表现。在工业数据从简单记录走向智能分析的今天，时序数据库的选择已成为决定整个系统成败的关键变量。
作者注：
—— 本文所有操作及测试均基于 openEuler 22.03 LTS + Docker 环境下的 KaiwuDB 3.1.0 社区版 部署与特性验证，核心围绕 时序数据性能优化、压缩管理、跨模查询及高并发连接等新增特性展开。请注意，KaiwuDB 版本处于持续迭代中，部分语法特性与功能表现可能随版本更新发生变化，请以 KaiwuDB 官方文档最新内容为准。
—— 以上仅为个人思考与实践总结，不代表行业普遍观点。以上所有操作均需在具备足够权限的环境下执行，涉及生产环境时请提前做好数据备份与灰度测试，避免影响业务稳定性。文中案例与实战思路仅供参考，若与实际项目场景巧合，纯属无意！
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70042915/viewspace-3111571/ ，如需转载，请注明出处，否则将追究法律责任。
