GreptimeDB v0.12 发布，开源 Rust 时序数据库

GreptimeDB 是由格睿科技开发的开源时序数据库，基于 Rust 语言构建，以云原生、高性能、低成本为核心优势。根据现有信息，其最新版本 v0.12 的具体特性尚未在提供的摘要中明确提及，但结合 GreptimeDB 的发展历程和技术路线，可以推测其可能延续以下核心优势：

1. 云原生架构
   支持分布式部署，分离计算与存储，利用云对象存储（如 S3）实现低成本存储，存储成本降低 50 倍，同时具备无限水平扩展能力。

2. 高性能与存储优化
   采用自研存储引擎 Mito，支持列式存储与自适应压缩（30 倍无损压缩），提升查询性能与资源利用率。分布式并行查询引擎优化高基数场景，支持实时分析。

3. 多协议兼容
   支持 SQL、PromQL、InfluxDB 行协议、OpenTelemetry 等，无缝对接现有监控与分析工具，降低迁移成本。

4. 边缘计算与车云协同
   轻量级二进制文件可部署于车端或边缘设备，结合云端企业版实现边云数据协同，降低车端流量成本至 1/10。

5. 生态扩展
   近期版本（如 v0.10）引入向量搜索功能，与蚂蚁集团 VSAG 索引库合作，检索性能提升 5 倍，支持图片嵌入等 AI 场景。

6. 未来演进方向
   根据 Roadmap，GreptimeDB 计划在 2024 年推出智能索引、流计算组件 Greptime Flow、日志引擎等，进一步强化时序数据处理能力。

GreptimeDB 在其发展过程中引入了向量搜索功能

功能特点

1. 与先进索引库合作：GreptimeDB 与蚂蚁集团的 VSAG 索引库进行合作。VSAG 索引库是一种高效的向量索引结构，通过这种合作，GreptimeDB 在向量搜索方面的检索性能得到了显著提升，据相关信息表明检索性能提升了 5 倍。这意味着在处理大规模向量数据时，GreptimeDB 能够更快地找到与查询向量最相似的向量数据，大大提高了搜索效率。
2. 支持多种 AI 场景：能够支持如图片嵌入等 AI 场景。以图片为例，GreptimeDB 可以将图片转换为向量表示并存储在数据库中，当需要查找相似图片时，通过向量搜索功能可以快速定位到相关图片。这对于图像识别、图像搜索等应用场景非常有帮助，使得 GreptimeDB 可以在 AI 领域的应用中发挥重要作用。
3. 融入整体数据库架构：向量搜索功能是集成在 GreptimeDB 整体的数据库架构中的，与数据库的其他功能（如时序数据处理、SQL 查询等）能够很好地协同工作。用户可以在同一个数据库系统中同时处理时序数据和进行向量搜索，无需额外搭建复杂的多系统架构，降低了系统的复杂度和管理成本。

应用场景

• 图像搜索：在图像数据库中，用户可以上传一张图片，通过 GreptimeDB 的向量搜索功能找到与之相似的其他图片，可应用于电商平台的商品图片搜索、图片素材库的搜索等场景。
• 文本推荐：将文本转换为向量后，根据用户输入的文本向量，搜索与之相似的文本内容，为用户推荐相关的文章、新闻等，适用于新闻资讯平台、知识管理系统等。
• AI 模型训练数据筛选：在 AI 模型训练过程中，需要从大量的数据中筛选出与训练目标相似的数据。GreptimeDB 的向量搜索功能可以帮助快速定位这些数据，提高模型训练的效率和质量。