数据的 Git,云原生超融合数据库
业界首个将 Git 式版本控制引入数据管理的数据库。在单一系统中统一事务处理、分析、向量和全文检索——MySQL 兼容、AI 原生、云原生。
一个自主 Agent 的可信度,取决于它脚下的数据层。Git for Data 让每个 Agent 拥有独立分支去试验,并以快照、时间旅行与一键回滚,确保探索永不演变成风险。
每个 Agent 零成本 fork 生产数据,在完全隔离的沙箱里尽情试验——放手去试、不破坏任何东西,只把有效结果安全合并回主干。
每一步前先打快照,任意历史状态可时间旅行,一键回滚,并保留不可篡改的审计轨迹——Agent 在真实数据上操作也零风险。
接入多模态数据,AI 驱动数据处理,运行混合工作负载
告别 4 套系统、多条 ETL 管道、数小时数据延迟和同步噩梦
业界首个内置 Git for Data 的数据库——数据的每一次变更都可追溯、可回滚、可协作
零拷贝快照技术,瞬间创建数据快照,无存储膨胀
查询任意历史时间点的数据,无需预先备份
在隔离分支中测试迁移和数据变换,安全合并
一键回滚到任意历史状态,无需全量恢复
追踪每一次数据变更,不可篡改的变更历史记录
内置向量检索、全文搜索和 Agent 数据沙箱——不再需要外部向量数据库
内置 IVF/HNSW 向量索引和全文检索引擎,支持数十亿级向量检索,直接支撑 RAG 应用和语义搜索。
Git for Data 的分支能力天然为 AI Agent 提供隔离的数据实验环境——每个 Agent 一个分支,互不干扰,安全合并。
作为 MatrixOne Intelligence 的核心数据引擎,与 MatrixPipeline、Genesis 等 AI 组件深度集成,为企业 AI 应用提供统一的数据底座。
from matrixone import Client
client = Client()
client.connect(database='demo')
# 向量搜索
query = [0.2, 0.3, 0.4, 0.25, 0.35]
results = client.query(
Article.title,
Article.embedding.l2_distance(query)
).filter(
Article.embedding.l2_distance(query) < 0.1
).execute()为融合、扩展与智能而生
基于共享存储的存算分离设计,每一层独立扩展
Raft 共享日志
S3 对象存储
从单机到分布式,从私有云到公有云,按需选择
主从架构,适合中小规模业务系统
单机 + S3 对象存储,兼顾简单与弹性
完全分布式部署,支持无限水平扩展
开启您的 AI 数据新篇章
Git4Data 把数据库当作仓库、把表当作受版本管理的对象,快照、分支、diff、merge 全部通过 SQL 扩展暴露。它在 MatrixOne 上实现,借助不可变对象存储与 MVCC,让这些操作的代价正比于改动量,而不是数据量。
1000 并发智能体:MatrixOne 400 秒完成,DoltDB 两小时未完成
把并发从 5 个提到 1000 个之后,差距不再是倍数问题。MatrixOne 用 400 秒跑完,DoltDB 两小时内没能结束。数据量再放大十倍(规模因子 1000),MatrixOne 的多数工作流仍是次线性增长。
四类端到端工作流——软件开发、故障复现、数据清洗、蒙特卡洛树搜索——五个并发智能体各跑 20 步,规模因子 100 下约 4700 万行。与 DoltDB 对比(热启动):
| 工作流 | MatrixOne | DoltDB | 提速 |
|---|---|---|---|
| 软件开发 | 122.1 s | 1,925.6 s | 15.8× |
| 故障复现 | 198.9 s | 1,677.3 s | 8.4× |
| 数据清洗 | 58.6 s | 1,084.2 s | 18.5× |
| 蒙特卡洛树搜索 | 39.8 s | 410.2 s | 10.3× |
Hongshen Gou, Zuyu Zhang, Yuze Sun, Peng Xu, Feng Tian, Long Wang, Jianguo Wang
智能体会并行探索大量候选数据状态,每一个都需要隔离、可复现、可审计,而且最好还是用同一套 SQL。代码版本控制撑不起这么大的数据量;关系数据库能管好数据,却几乎不原生提供分支、比较与合并。Git4Data 补的正是这一层。
阅读论文闪速熔炼中精矿在两三秒内完成熔化,渣含铜控制依赖精准的液位判断。江铜在 MOI 上构建炉前 AIoT 平台,传感器与图像进同一引擎,视觉模型以库内 UDF 运行,炉底铜损失下降 80%。
约 6000 名存款人与 1000 多家银行之间的资金流动,每月新增数百万条交易记录、累计数亿行。StoneCastle 分两步在 MOI 上重建数据栈:先用 HTAP 引擎替换 MySQL,再叠加自然语言问答。
MES 为了同时接住高频数采、复杂追溯与半结构化中间结果,被迫在 MySQL 之外加挂 InfluxDB 与 MongoDB,大量本该由数据库完成的计算被推到应用层。迁移到 MatrixOne 后架构回到单一数据库,整个过程不到一周。