从 DBA 视角看 OceanBase seekdb

大家好，这里是公众号 DBA学习之路，分享一些学习数据库路上的知识和经验。

@TOC

前言

随着 AI 技术的快速发展，AI 应用的快速演进正悄然改变着数据架构的格局。传统的“事务数据库+向量数据库+检索引擎”拼凑方案，虽然能满足功能需求，却带来了显著的数据一致性问题与运维复杂性。

OceanBase 团队近期开源的seekdb，正是瞄准这一痛点，尝试从架构层面提供一体化解决方案。

seekdb 介绍

OceanBase seekdb（以下简称 seekdb）是一款AI 原生混合搜索数据库，基于 Apache 2.0 协议开源。其核心理念在于“AI Inside”，在一个数据库引擎内原生融合了向量、文本、JSON、时空等多模数据的存储、索引与检索能力，并内置了嵌入模型、推理等 AI 功能。

对 DBA 而言，seekdb 的核心价值在于 “简化” ：

1. 架构简化：将原先需要多套系统协同的 AI 数据栈，收敛到单一数据库内，消除了数据同步延迟与一致性问题。
2. 运维简化：一套安装包、一种监控体系、统一的备份恢复策略，大幅降低了运维负担。
3. 开发简化：提供标准的 SQL 接口和 AI Functions，支持从文档到向量数据的“Document-in / Data-out”端到端流程，减少了应用层大量的“胶水代码”。

安装部署

seekdb 延续了 OceanBase 在部署上的友好设计，提供多种方式，适应从开发测试到生产部署的不同场景。

部署前准备：

• 确保系统内核版本 ≥ 3.10.0。
• 预留至少 1 核 2GB 内存（用于基础测试），生产环境建议根据负载垂直扩展。
• 安装 MySQL 客户端或 OBClient。

本文分别演示其中三种安装方式。

yum 安装

本文采用 yum install 方式进行部署：

## 添加 seekdb 镜像源
yum install -y yum-utils
yum-config-manager --add-repo https://mirrors.aliyun.com/oceanbase/OceanBase.repo
## 安装 seekdb
yum install -y seekdb obclient

源码编译

也可以使用源码编译：

# 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

rpm 安装

最简单的是用 rpm 进行安装：

rpm -ivh seekdb-1.0.0.0-100000262025111218.el7.x86_64.rpm

安装完成后，启动 seekdb：

systemctl start seekdb
systemctl enable seekdb
systemctl status seekdb

安装 mysql8 客户端：

rpm -e --nodeps $(rpm -qa | grep mariadb)
rpm -ivh mysql-community-common-8.0.43-1.el8.x86_64.rpm
rpm -ivh mysql-community-client-plugins-8.0.43-1.el8.x86_64.rpm
rpm -ivh mysql-community-libs-8.0.43-1.el8.x86_64.rpm
rpm -ivh mysql-community-client-8.0.43-1.el8.x86_64.rpm

连接 seekdb：

mysql -h127.0.0.1 -uroot -P2881 -A oceanbase

或者安装 obclient：

yum install -y obclient
obclient --version
obclient -h127.0.0.1 -uroot -P2881 -A oceanbase

向量搜索

向量搜索是 AI 应用的基石，seekdb 使其变得像创建普通索引一样简单。

创建向量索引

支持主流的 HNSW 索引，并指定相似度度量方式（如 L2 距离）：

obclient(root@(none))[lucifer]> CREATE TABLE t1(
    id INT PRIMARY KEY,
    doc VARCHAR(200),
    embedding VECTOR(3),
    VECTOR INDEX idx1(embedding) WITH (distance=L2, type=hnsw)
    );

写入与混合查询

数据插入同时包含文本和其对应的向量（通常由外部 AI 模型生成）：

将现实世界的对象（文字、图片、音频等）转换成数字数组表示：

• 文本 “苹果” → AI 模型 → 1.2, 0.7, 1.1
• 文本 “香蕉” → AI 模型 → [0.6, 1.2, 0.8]
• 文本 “胡萝卜” → AI 模型 → [5.3, 4.8, 5.4]

obclient(root@(none))[lucifer]> INSERT INTO t1
VALUES (1, '苹果', '[1.2,0.7,1.1]'),
        (2, '香蕉', '[0.6,1.2,0.8]'),
        (3, '橙子','[1.1,1.1,0.9]'),
        (4, '胡萝卜', '[5.3,4.8,5.4]'),
        (5, '菠菜', '[4.9,5.3,4.8]'),
        (6, '西红柿','[5.2,4.9,5.1]');

obclient(root@(none))[lucifer]> SELECT * FROM t1;
+------+-----------+---------------+
| id   | doc       | embedding     |
+------+-----------+---------------+
|    1 | 苹果      | [1.2,0.7,1.1] |
|    2 | 香蕉      | [0.6,1.2,0.8] |
|    3 | 橙子      | [1.1,1.1,0.9] |
|    4 | 胡萝卜    | [5.3,4.8,5.4] |
|    5 | 菠菜      | [4.9,5.3,4.8] |
|    6 | 西红柿    | [5.2,4.9,5.1] |
+------+-----------+---------------+

语义相似的对象，向量在空间中的位置也相近。

执行向量搜索

假设我们需要找到所有 ‘水果’，其对应的向量为 [0.9, 1.0, 0.9]：

obclient(root@(none))[lucifer]> SELECT id, doc FROM t1
ORDER BY l2_distance(embedding, '[0.9, 1.0, 0.9]')
APPROXIMATE LIMIT 3;
+------+--------+
| id   | doc    |
+------+--------+
|    3 | 橙子   |
|    2 | 香蕉   |
|    1 | 苹果   |
+------+--------+

计算每个向量与查询向量的 L2 距离：

1. 苹果 [1.2, 0.7, 1.1]

L2 = √[(1.2-0.9)² + (0.7-1.0)² + (1.1-0.9)²]
   = √[0.3² + (-0.3)² + 0.2²]
   = √[0.09 + 0.09 + 0.04]
   = √0.22
   ≈ 0.47

2. 香蕉 [0.6, 1.2, 0.8]

L2 = √[(0.6-0.9)² + (1.2-1.0)² + (0.8-0.9)²]
   = √[(-0.3)² + 0.2² + (-0.1)²]
   = √[0.09 + 0.04 + 0.01]
   = √0.14
   ≈ 0.37

3. 橙子 [1.1, 1.1, 0.9]

L2 = √[(1.1-0.9)² + (1.1-1.0)² + (0.9-0.9)²]
   = √[0.2² + 0.1² + 0²]
   = √[0.04 + 0.01 + 0]
   = √0.05
   ≈ 0.22  ✅ 最小距离

4. 胡萝卜 [5.3, 4.8, 5.4]

L2 = √[(5.3-0.9)² + (4.8-1.0)² + (5.4-0.9)²]
   = √[4.4² + 3.8² + 4.5²]
   = √[19.36 + 14.44 + 20.25]
   = √54.05
   ≈ 7.35  ❌ 距离很远（蔬菜类）

结论：水果类（苹果、香蕉、橙子）向量聚集在一起，与蔬菜类距离很远。

这条查询展示了 seekdb 的核心优势：在单条 SQL 中，同时完成了全文检索（LIKE）、向量相似度计算（l2_distance）和综合排序，无需在应用层合并多个系统的结果。

典型应用场景

构建企业知识库与问答系统（RAG）

传统方案需管理数据库、ES、向量库三份数据及其同步链路。seekdb 将知识文档的全文索引、向量索引统一存储和管理，利用内置的文本分割、向量化能力，简化了 RAG Pipeline 的构建，并确保了数据源的强一致性。

智能代码检索与管理平台（AI Coding）

代码的元数据（如函数名、语言）、依赖关系（图数据）、代码片段向量可统一存储在 seekdb 中。通过混合搜索，既能根据函数名精确查找，也能根据自然语言描述模糊匹配相似代码块，简化了开发资产管理。

AI Agent 记忆与状态管理

Agent 的对话历史、工具调用结果、用户偏好等结构化与非结构化记忆，可作为一个完整的会话上下文存入 seekdb。利用其向量和 JSON 查询能力，能高效实现“记忆”的检索与关联，支撑 Agent 的长期运行。

MySQL 应用的平滑 AI 化升级

对于已有 MySQL 业务，seekdb 提供了高度兼容的入口。可以在不改动过多业务逻辑的情况下，为特定表新增向量列和索引，逐步试点 AI 功能（如智能推荐、语义搜索），实现渐进式技术升级。

写在最后

OceanBase seekdb 的出现，代表了一种新的思路：将 AI 所需的数据处理能力深度集成到关系型数据库内核中。对于 DBA 和架构师而言，它的主要吸引力在于：

• 统一运维：一套系统替代多套异构数据栈，降低复杂度与成本。
• 数据强一致：向量、文本、关系数据在同一事务内更新，避免脏读。
• 标准接口：使用熟悉的 SQL 和扩展函数，降低开发团队学习成本。
• 渐进式升级：兼容 MySQL 生态，便于现有业务探索 AI 能力。

当然，作为一款新兴开源产品，其在超大规模向量集群管理、生态工具链成熟度方面仍有演进空间。但对于正在寻求简化 AI 数据架构的团队，seekdb 无疑提供了一个值得深入评估和试点的选项。它将数据库从“被动存储”的角色，转向为“主动赋能”AI 应用的智能数据平台。

---