YashanDB多模数据融合探索：一套架构搞定“结构化+非结构化+AI向量”管理?

本文基于 YashanDB 架构技术负责人李伟超在“2024国产数据库创新生态大会·根技术专场”的演讲整理。

背景：多模数据时代来了，数据库准备好了吗？

在今天的数字世界里，数据早已不止是表格里的“行与列”。图像、BIM模型、GIS数据、文本、向量……各类异构数据不断涌现。传统关系型数据库面对这些“非结构化挑战”越来越吃力。

YashanDB 正在探索一条路：如何用一套架构，实现对空间、BIM、图、向量等多模态数据的统一存储与融合查询?这既是工程难题，也是AI+时代数据库的突围路径。

现实挑战有哪些？

1）智慧城市建设的痛点

空间数据来源杂、模型不一，标准混乱

数据存储分散、处理效率低，烟囱式架构难以支撑实时性需求

CIM/BIM 平台对数据库性能要求极高

多时态、多粒度空间+建模数据融合难度大

2）AI大模型的数据瓶颈

超高维向量存储(上亿条，动辄PB级)

模型知识更新滞后，不能实时反应新数据

多模态数据融合不足，难支撑具身智能、世界模型等新范式

技术路线：从底层架构破局

存算分离架构
分离计算与存储资源，实现按需扩展
支持冷数据下沉至低成本对象存储
采用 PN 组调度机制，提供本地缓存加速，兼顾分离与性能
YashanDB V23.3 版本已全面支持，架构升级不再只是纸上谈兵。

联邦查询：跨库异构访问一步到位
支持跨 Hive、Iceberg、Hudi、Oracle 等多种数据库与数据湖

兼容 HDFS、S3、OSS 存储协议

接入异构文件格式(CSV/Parquet/ORC)

可加速外部数据查询，支持 HTAP 混合负载

多模数据管理实践：不仅存得下，还能查得快

空间数据（GIS）

已推出 YashanDB for GIS 模块，支持空间原语、空间平台双能力，并服务于多个客户场景(智慧城市、金融网点选址等)。

BIM 数据

一套系统直接解析与管理复杂 BIM 数据格式，统一关系型、半结构化、文件型存储，不再依赖多个数据库拼凑。

图数据

支持图建模

支持 SQL 扩展语法(PGQL)

初步实现图数据与关系数据的联合查询

向量数据（AI）

支持向量数据的存储与检索

使用索引加速相似性查询

探索向量+属性混合检索逻辑，提升准确性同时降低计算复杂度

战略目标：打造“全模融合”数据平台

YashanDB 的多模管理目标非常明确：

一套存储引擎托管多类型数据

一套 SQL 实现跨模态查询

一套资源调度策略适配不同负载

一个平台对接多数据源联邦分析

结语：多模数据不是未来，是现在

在智慧城市、金融科技、AI模型、工业制造等领域，多模态数据已不是“未来趋势”，而是当下刚需。

YashanDB 所推进的融合式数据库路径，不仅是一种技术选择，更是回应“数据资产价值最大化”的产业趋势。

多模数据融合不是“支持某个数据类型”，而是从架构层面“重新思考数据的管理方式”。