MatrixOne 1.1.0 Release

我们非常高兴地宣布：

MatrixOne内核1.1.0版本

正式发布啦！

项目文档网站

https://docs.matrixorigin.cn

MatrixOne是一款分布式超融合异构数据库，MatrixOne旨在提供一个云原生、高性能、高弹性、高度兼容MySQL的HSTAP数据库，让用户面对事务、分析、时序、流计算等混合负载时，通过MatrixOne一站式的完成整个数据处理过程。

重点关注 MatrixOne 1.1.0

MatrixOne在本迭代增加了多个重要功能，在整体HTAP的基础上增强了向量，流和时序方面的能力，进一步丰富了能力象限和适用范围。

向量数据类型

做为2023年AI与大模型热潮的数据基座能力，向量类型已经成为通用数据库的标配。本迭代MatrixOne支持了vecf32及vecf64的向量类型，分别对应float32和float64数据类型，同时支持了基本的算子和操作符，以及向量常见的求和，L1范数，L2范数，内积，余弦相似度等计算函数。用户使用的时候配合AI算法模型可以快速搭建一个AI应用。比如基于大语言模型LLM的RAG应用，如下图所示，用户仅需将自己的知识库调用OpenAI的Embedding接口生成向量数据存入MatrixOne中，再通过余弦相似度函数计算搜索最相似答案，再将答案通过OpenAI的Prompt接口交给LLM优化回答即可。

与专用的向量数据库不同的是，MatrixOne是一个高度兼容MySQL的通用数据库，用户几乎不需要额外的学习门槛即可快速上手，同时在构建AI应用的时候也可以将结构化数据与向量数据的处理合二为一。

时序能力

为了更好的处理数据快速流入的各类IoT场景，本迭代MatrixOne在时序方案的能力也大幅加强，具体体现在以下几点：

比INSERT INTO性能大幅提升的流式写入能力LOAD INTO INLINE。
支持建立按时间戳作为主键的专用时序表，并支持任意的维度/指标列。
增加在时序表上的滑动窗口能力，可以按不同的时间进行降采样查询。
支持针对空值的插值能力，并提供不同策略的插值方法。

Kafka Connector（beta）

本迭代在基础流计算的框架基础上实现了Kafka connector。用户可以通过CREATE DYNAMIC TABLE创建流式动态表，此类型的表是Append Only的表，同时用户可以通过CREATE SOURCE的方式配置外部数据源，本迭代已适配Kafka作为数据源，可以接入Kafka的Topic（JSON类型或者protobuf协议类型），接入后MatrixOne会自动将Kafka的Message写入到动态表中，用户可以对流式表进行窗口查询，或者与其他表一起进行关联查询。

自定义函数 UDF（beta）

本迭代MatrixOne开始支持用户编写自定义函数，目前第一个版本仅支持Python语言。在很多场景中数据库系统提供的系统函数并无法满足用户的业务需求，通过UDF的方式用户可以将业务的逻辑包装在Python文件中，并将其封装成SQL的函数，实现在SQL中直接调用。基于Python的UDF，用户可以非常方便的使用numpy和scikit-learn等Python的流行库，大幅度的提高MatrixOne在数据科学，机器学习及AI等领域的适用性。