在工业互联网、智慧能源等 AIoT 核心场景中，新版 KWDB 3.0 的「多模一库」架构正在重塑数据处理的新范式。

作者： ShunWah(顺华)
公众号： "顺华星辰运维栈"主理人。

持有认证： OceanBase OBCA/OBCP、MySQL OCP、OpenGauss、崖山 DBCA、金仓KingBase KCA/KCP、KaiwuDB KWCA/KWCP、亚信 AntDBCA、翰高 HDCA、GBase 8a/8c/8s、Galaxybase GBCA、Neo4j ScienceCertification、NebulaGraph NGCI/NGCP、东方通 TongTech TCPE 等多项权威认证。

获奖经历： 崖山YashanDB YVP、浪潮KaiwuDB MVP、墨天轮 MVP，担任 OceanBase 社区版主及布道师。曾在OceanBase&墨天轮征文大赛、OpenGauss、TiDB、YashanDB、Kingbase、KWDB、Navicat Premium × 金仓数据库征文等赛事中多次斩获一、二、三等奖，原创技术文章常年被墨天轮、CSDN、ITPUB 等平台首页推荐。

CSDN_ID： shunwahma

墨天轮_ID：shunwah

ITPUB_ID： shunwah

IFClub_ID：shunwah

制作故障排查图片.png

前言：AIoT 时代的"数据割裂"痛点与 KWDB 破局之道

2025年11月12日，国产数据库领域迎来重要里程碑——KaiwuDB正式发布3.0版本。在国产数据库百花齐放的今天，这家背景雄厚却行事稳健的玩家，终于选择不再低调。此次发布绝非简单的产品迭代，而是一次整合了数据库核心、智能体工具、行业大模型大脑的"王炸式"战略进击，意在重新定义物联网数据基座的市场格局。

作为KaiwuDB推出的多模数据库，KWDB 3.0以"多模一库"为核心突破，实现了关系数据与时序数据的统一存储、管理与查询。传统方案中需要跨库同步的复杂操作，如今只需一条SQL即可完成跨模关联分析，实现毫秒级结果返回，彻底改变了多模数据处理的游戏规则。

本文我将从实战出发，通过从核心特性深度解读 → 单节点容器化部署 → 设备故障风险预警这一典型工业场景，完整演示KWDB 3.0的单节点部署、开发者中心使用及跨模查询能力，体验多模数据融合分析的高效玩法，探索全能型数据库的终极形态。

核心亮点：性能的质的飞跃

KaiwuDB 3.0在性能层面实现了碾压级的突破：

写入性能：相比2.2版本提升40%-216%，轻松应对海量数据写入场景
查询性能：平均提升50%，复杂查询场景下最高提升达600%
跨模分析：通过统一跨模分析架构，性能相对V2.0提升5-10倍

这些数字的背后，是KaiwuDB 3.0用技术实力击穿"高性能必然高成本"的行业痛点，让企业能够以更少的硬件资源承载更大的业务量，处理更复杂的查询需求。

在物联网数据呈爆炸式增长的时代，KaiwuDB 3.0 新版本的发布不仅是一次技术升级，更是对数据处理范式的一次重新定义。接下来，我通过实际部署和场景验证，深入探索这一"多模一库"全新体验。

一、KWDB 3.0 核心特性铺垫：为何能支撑跨模故障分析？

在进入实战前，我先按PPT了解 KWDB 3.0 支撑跨模分析的核心特性，理解其技术底层逻辑。

1. 多模存储引擎：一套架构兼容两类数据

KWDB 3.0 采用"统一内核 + 专用引擎"架构，底层共享存储与计算资源，上层为关系数据和时序数据提供专用处理引擎：

关系引擎：支持 BLOB/CLOB 大型对象、触发器、存储过程等完整 SQL 特性，保证关系数据的强一致性与复杂事务处理能力；
时序引擎：优化时序数据的高频写入与压缩存储，支持时间窗口查询、状态窗口分析（STATE_WINDOW）等专属功能，压缩比可达 10:1 以上。

两类数据存储在同一数据库实例中，通过"rdb.XXX"（关系库前缀）和"tsdb.XXX"（时序库前缀）区分，天然支持跨模关联，无需额外数据同步组件。

2. 跨模查询优化：毫秒级关联分析

KWDB 3.0 优化了跨模 JOIN 执行计划，针对"关系表主键 + 时序表标签"的关联场景，建立专用索引加速匹配。相比传统"导出+JOIN"的分钟级延迟，KWDB 跨模查询响应时间控制在毫秒级，完全满足设备故障实时预警的业务需求。

3. 易用性升级：开发者中心可视化操作

KaiwuDB Developer Center 3.0 支持关系库、时序库的可视化管理，从库表创建、数据写入到 SQL 编辑、结果导出全流程图形化操作，大幅降低多模数据管理门槛，即使是非专业 DBA 也能快速上手。

二、实战准备：单节点容器部署 KWDB 3.0（Docker Compose 方式）

本次实战采用 Docker Compose 部署 KWDB 3.0 单节点，无需复杂环境配置，快速搭建测试环境。

2.1 部署前提条件

环境要求	具体规格
硬件配置	4 核 8G 以上，SSD 硬盘（IOPS ≥ 500，读写速度 ≥ 30MB/s）
操作系统	CentOS 7（x86_64）、Ubuntu 22.04 等支持 Docker 的系统
软件依赖	Docker 20.10+、Docker Compose 1.20.0+
端口要求	开放 8080（Web 服务端口）、26257（数据库连接端口）

2.2 获取 KWDB 3.0 容器镜像

通过以下命令拉取官方镜像（或从 KWDB 官网下载离线镜像导入）：

2.2.1 从官网下载离线安装包

https://gitee.com/kwdb/kwdb/releases/tag/v3.0.0

2.2.2 上传 KaiwuDB 安装包到服务器

容器名 KWDB-3.0.0-ubuntu22.04-x86_64-docker.tar.gz 安装包

[root@worker3 kwdb]# ls
docker-compose.yml  KWDB-3.0.0-ubuntu22.04-x86_64-docker.tar.gz  kwdb-tsbs
[root@worker3 kwdb]#

2.2.3 解压安装包

[root@worker3 kwdb]# tar -zxvf KWDB-3.0.0-ubuntu22.04-x86_64-docker.tar.gz 
kwdb_install/
kwdb_install/deploy.sh
kwdb_install/add_user.sh
kwdb_install/.construction_var
kwdb_install/deploy.cfg
kwdb_install/packages/
kwdb_install/packages/.version
kwdb_install/packages/KaiwuDB.tar
kwdb_install/utils/
kwdb_install/utils/kaiwudb_upgrade.sh
kwdb_install/utils/kaiwudb_operate.sh
kwdb_install/utils/kaiwudb_log.sh
kwdb_install/utils/utils.sh
kwdb_install/utils/kaiwudb_install.sh
kwdb_install/utils/kaiwudb_cluster.sh
kwdb_install/utils/process_bar.sh
kwdb_install/utils/kaiwudb_common.sh
kwdb_install/utils/container_shell.sh
kwdb_install/utils/kaiwudb_hardware.sh
kwdb_install/utils/kaiwudb_uninstall.sh
[root@worker3 kwdb]#

2.2.4 进入解压目录，导入镜像

在 kaiwudb_install/packages 目录下导入 KaiwuDB.tar 文件，获取镜像名称。

[root@worker3 kwdb]# ls
docker-compose.yml  KWDB-3.0.0-ubuntu22.04-x86_64-docker.tar.gz  kwdb_install  kwdb-tsbs
[root@worker3 kwdb]# cd kwdb_install/
[root@worker3 kwdb_install]# cd packages/
[root@worker3 packages]# ls
KaiwuDB.tar
[root@worker3 packages]# docker load < KaiwuDB.tar 
3cc982388b71: Loading layer  80.42MB/80.42MB
80483dab05e2: Loading layer  87.23MB/87.23MB
f5b2559aa2e6: Loading layer  235.9MB/235.9MB
Loaded image: kwdb-x86_64:3.0.0
[root@worker3 packages]#

2.2.5 验证镜像导入成功

查看镜像

[root@worker3 packages]# docker images kwdb-x86_64:3.0.0
REPOSITORY    TAG       IMAGE ID       CREATED       SIZE
kwdb-x86_64   3.0.0     cca153fde039   12 days ago   400MB
[root@worker3 packages]#

2.3 编写 Docker Compose 配置文件

创建 docker-compose.yml 文件，配置如下（非安全模式，适合测试环境）：

[root@worker3 kwdb]# vim docker-compose.yml version: '3.3'services:
  kaiwudb-container:
    image: "kwdb-x86_64:3.0.0"
    container_name: kaiwudb-3.0
    hostname: kaiwudb-3.0
    ports:
      - 8080:8080
      - 26257:26257
    ulimits:
      memlock: -1
    networks: 
      - default
    restart: on-failure
    ipc: shareable
    privileged: true
    environment:
      - LD_LIBRARY_PATH=/kaiwudb/lib
    tty: true
    working_dir: /kaiwudb/bin
    command: 
      - /bin/bash
      - -c
      - |
        /kaiwudb/bin/kwbase start-single-node --insecure --listen-addr=0.0.0.0:26257 --advertise-addr=127.0.0.1:26257 --http-addr=0.0.0.0:8080 --store=/kaiwudb/deploy/kaiwudb

2.4 启动 KWDB 服务

在 docker-compose.yml 所在目录执行以下命令，后台启动容器：

# 创建数据目录# 启动服务[root@worker3 kwdb]# mkdir kwdb-data[root@worker3 kwdb]# docker-compose up -dCreating network "kwdb_default" with the default driver
Creating kaiwudb-3.0 ... done[root@worker3 kwdb]## 查看容器状态（确保状态为 Up）docker ps | grep kaiwudb-3.0

3.5 验证部署成功

通过查看容器日志验证服务状态：

[root@worker3 kwdb]# docker ps
CONTAINER ID   IMAGE               COMMAND                  CREATED          STATUS          PORTS                                                                                      NAMES
5641387de630   kwdb-x86_64:3.0.0   "/kaiwudb/bin/kwbase…"   40 seconds ago   Up 39 seconds   0.0.0.0:8080->8080/tcp, :::8080->8080/tcp, 0.0.0.0:26257->26257/tcp, :::26257->26257/tcp   kaiwudb-3.0
[root@worker3 kwdb]# docker logs -f kaiwudb-3.0
*
* WARNING: RUNNING IN INSECURE MODE!
* 
* - Your cluster is open for any client that can access 0.0.0.0.
* - Any user, even root, can log in without providing a password.
* - Any user, connecting as root, can read or write any data in your cluster.
* - There is no network encryption nor authentication, and thus no confidentiality.
* 
* Check out how to secure your cluster on KWDB website
*
*
* INFO: Replication was disabled for this cluster.
* When/if adding nodes in the future, update zone configurations to increase the replication factor.
*
KWDB node starting at 2025-11-23 03:30:56.553971229 +0000 UTC (took 0.5s)
build:                3.0.0 @ 2025/11/11 02:23:47 (go1.21.13)
sql:                 postgresql://root@127.0.0.1:26257?sslmode=disable
RPC client flags:    /kaiwudb/bin/kwbase  --host=127.0.0.1:26257 --insecure
logs:                /var/lib/kwdb/logs
temp dir:            /var/lib/kwdb/kwbase-temp724004501
external I/O path:   /var/lib/kwdb/extern
store[0]:            path=/var/lib/kwdb
storage engine:      rocksdb
status:              initialized new cluster
clusterID:           a72219d6-0162-43eb-b62a-bcc2cc8d705a
nodeID:              1

恭喜！到这里 KaiwuDB 3.0 已成功启动，从日志可以看到数据库已成功启动，运行在 insecure 模式下。

3.6 测试连接数据库

3.6.1 在容器内使用 `kwbase sql` 命令行（推荐用于测试）

# 在容器内执行root@kaiwudb-3:/kaiwudb/bin# ./kwbase sql --insecure --host=127.0.0.1

你会看到类似输出：

## Welcome to the KWDB SQL shell.# All statements must be terminated by a semicolon.# To exit, type: \q.## Server version: KaiwuDB 3.0.0 (x86_64-linux-gnu, built 2025/11/11 02:23:47, go1.21.13, gcc 11.4.0) (same version as client)# Cluster ID: a72219d6-0162-43eb-b62a-bcc2cc8d705a## Enter \? for a brief introduction.#root@127.0.0.1:26257/defaultdb>

3.6.2 – 查看版本

SELECT version();
root@127.0.0.1:26257/defaultdb> SELECT version();
                                       version
--------------------------------------------------------------------------------------
  KaiwuDB 3.0.0 (x86_64-linux-gnu, built 2025/11/11 02:23:47, go1.21.13, gcc 11.4.0)
(1 row)
Time: 603.13µs
root@127.0.0.1:26257/defaultdb>

3.6.3 退出 SQL 客户端：

root@127.0.0.1:26257/defaultdb> \q
root@kaiwudb-3:/kaiwudb/bin#

三、可视化操作：KaiwuDB Developer Center

部署完成后，通过 KaiwuDB 开发者中心进行可视化操作，无需记忆复杂命令，高效管理多模数据。

3.1 安装开发者中心

3.1.1 环境要求

操作系统：Windows 10
软件依赖：OpenJRE 8+；
硬件：24G 内存、500G 硬盘空间。

3.1.2 安装步骤

从 KWDB 官网下载对应操作系统的安装包（如 KaiwuDB_Developer_Center-3.0.0-win-x86_64.zip）；
(https://www.kaiwudb.com/download)

KaiwuDB_Developer_Center-3.0.0-win-x86_64.zip

解压安装包，双击 KaiwuDB-Developer-Center.exe（Windows）或对应可执行文件启动；

首.次启动无需额外配置，直接进入主界面。

3.2 连接 KWDB 数据库

3.2.1 新建连接

启动开发者中心后，点击"新建连接"；
配置连接参数（非安全模式）：
- 主机：部署 KWDB 的服务器 IP（如 127.0.0.1）；
- 端口：26257（默认数据库端口）；
- 数据库：defaultdb（默认数据库）；
- 认证方式：选择"数据库原生认证"；
- 用户名：root（默认用户）；
- 密码：空（非安全模式无需密码）；

连接配置界面

点击"测试连接"，显示"连接成功"后，点击"确定"完成连接。

连接成功验证

3.2.2 连接成功界面

连接后，左侧"数据库导航区"会显示默认的数据库连接，即可开始创建库表和数据操作。

连接成功界面

四、Developer Center 可视化核心实战：跨模分析设备故障风险

本次通过 KaiwuDB Developer Center 进行可视化操作实战模拟“风机设备故障预警”场景：通过关系表存储风机基础信息，时序表存储传感器实时数据，再通过跨模查询关联两类数据，筛选出温度过高或振动异常的设备，实现故障风险预警。

4.1 场景说明

关系数据：风机 ID、名称、型号、安装日期、安装位置（经纬度）；
时序数据：风机的温度（阈值 ≤75℃）、振动值（阈值 ≤4.5），按分钟级采集；
分析目标：查询近 24 小时内，型号为 WindTurbine-X3 的风机中，平均温度超过 75℃ 或最大振动值超过 4.5 的设备，输出设备名称、型号、异常指标及安装位置。

4.2 步骤 1：创建关系库与关系表（设备基础信息）

4.2.1 创建关系库

在左侧导航区，右键单击 关系数据库 → 选择“新建关系数据库”；

输入数据库名称 rdb.device_manage，点击“确定”；

新建的关系库会显示在 rdb 根节点下，继承系统默认权限。

4.2.2 创建关系表（存储设备基础信息）

右键单击 rdb.device_manage → 选择public模式，“新建表”；
在表设计界面，填写表名 devices，添加以下字段：

字段名	数据类型	长度	是否非空	主键	描述
id	VARCHAR	32	是	是	设备唯一 ID
name	VARCHAR	100	是	否	设备名称
model	VARCHAR	50	是	否	设备型号
install_date	DATE	-	是	否	安装日期
loc	VARCHAR	50	是	否	安装位置（经纬度）

点击“保存”，在弹出的 SQL 预览窗口确认语句无误后，点击“执行”，完成表创建。

4.2.3 插入测试数据

双击 devices 表，切换到“数据”页签；

点击“添加新行”，插入以下 3 条测试数据：

id	name	model	install_date	loc
WT-001	风机A	WindTurbine-X3	2023-01-15	39.908823, 116.397470
WT-002	风机B	WindTurbine-X3	2023-02-20	39.918823, 116.407470
WT-003	风机C	WindTurbine-X4	2023-03-10	39.928823, 116.417470

点击“保存”，数据插入成功。

4.3 步骤 2：创建时序库与时序表（传感器数据）

4.3.1 创建时序库

在左侧导航区，右键单击 时序数据库 → 选择“新建时序数据库”；

输入数据库名称 tsdb.sensor_data，点击“确定”，时序库创建完成。

4.3.2 创建时序表（存储传感器数据）

右键单击 tsdb.sensor_data → 选择“新建时序表”；

在“属性”页签填写表名 sensors；
切换到“字段”页签，添加以下字段（时序表第一列必须为 TIMESTAMP 且非空）：

字段名	数据类型	是否非空	描述
ts	TIMESTAMP	是	数据采集时间戳
device_id	VARCHAR	是	关联设备 ID
temperature	FLOAT	否	设备温度（℃）
vibration	FLOAT	否	设备振动值

切换到“标签”页签，添加主标签（时序表必须至少一个主标签，非空）：
- 标签名： device_id；
- 数据类型：VARCHAR；
- 长度：32；
- 主标签：勾选“是”；
- 是否非空：勾选“是”；

点击“保存”，在 SQL 预览窗口确认语句无误后，点击“执行”，时序表创建完成。

CREATE TABLE sensors (
	"ts" timestamp NOT NULL DEFAULT 'now()',
	temperature float NULL,
	vibration float NULL
) TAGS ( 
	 device_id varchar(32) NOT NULL )
 PRIMARY TAGS ( 	 
	device_id ) 
 RETENTIONS 0DAY
 ACTIVETIME 1DAY
 PARTITION INTERVAL 10DAY;
COMMENT ON TABLE "tsdb.sensor_data".sensors IS '存储传感器数据';
-- Column comments
COMMENT ON COLUMN "tsdb.sensor_data".sensors."ts" IS '数据采集时间戳';
COMMENT ON COLUMN "tsdb.sensor_data".sensors.temperature IS '设备温度（℃）';
COMMENT ON COLUMN "tsdb.sensor_data".sensors.vibration IS '设备振动值';
-- Tag comments
COMMENT ON COLUMN "tsdb.sensor_data".sensors.device_id IS '关联设备 ID';

4.3.3 插入测试数据

右键单击 sensors 表 → 选择“编辑数据”；

点击“添加新行”，插入以下 5 条分钟级采集的测试数据：

ts	device_id	temperature	vibration
NOW() - INTERVAL ‘1 hour’	WT-001	76.2	4.6
NOW() - INTERVAL ‘50 minutes’	WT-001	77.8	4.8
NOW() - INTERVAL ‘2 hours’	WT-002	73.5	4.2
NOW() - INTERVAL ‘1.5 hours’	WT-002	74.1	4.3
NOW() - INTERVAL ‘3 hours’	WT-003	68.9	3.9

点击“保存”，时序数据插入成功。

五、命令行核心实战：通过命令行跨模分析设备故障风险

刚才已经使用 Developer Center 可视化实战体验：跨模分析设备故障风险，接下来本次命令行实战模拟"风机设备故障预警"场景：通过关系表存储风机基础信息，时序表存储传感器实时数据，再通过跨模查询关联两类数据，筛选出温度过高或振动异常的设备，实现故障风险预警。

5.1 场景说明

关系数据：风机 ID、名称、型号、安装日期、安装位置（经纬度）；
时序数据：风机的温度（阈值 ≤75℃）、振动值（阈值 ≤4.5），按分钟级采集；
分析目标：查询近 24 小时内，型号为 WindTurbine-X3 的风机中，平均温度超过 75℃ 或最大振动值超过 4.5 的设备，输出设备名称、型号、异常指标及安装位置。

5.2 步骤 1：创建关系库与关系表（设备基础信息）

5.2.1 通过命令行创建关系数据库

首先通过命令行创建关系数据库：

root@127.0.0.1:26257/defaultdb> CREATE DATABASE rdb_device_manage;
CREATE DATABASE
Time: 5.623904ms
root@127.0.0.1:26257/defaultdb>

5.2.2 创建关系表（存储设备基础信息）

创建设备信息表并插入测试数据：

– 创建 devices 表

root@127.0.0.1:26257/defaultdb> CREATE TABLE rdb_device_manage.public.devices (
    id VARCHAR(32) PRIMARY KEY,
    name VARCHAR(100) NOT NULL,
    model VARCHAR(50) NOT NULL,
    install_date DATE NOT NULL,
    loc VARCHAR(50) NOT NULL
);
CREATE TABLE
Time: 4.3448ms
root@127.0.0.1:26257/defaultdb>

– 插入测试数据

root@127.0.0.1:26257/defaultdb> INSERT INTO rdb_device_manage.public.devices (id, name, model, install_date, loc)
VALUES
('WT-001', '风机A', 'WindTurbine-X3', '2023-01-15', '39.908823, 116.397470'),
('WT-002', '风机B', 'WindTurbine-X3', '2023-02-20', '39.918823, 116.407470'),
('WT-003', '风机C', 'WindTurbine-X4', '2023-03-10', '39.928823, 116.417470');
INSERT 3
Time: 4.174616ms
root@127.0.0.1:26257/defaultdb>

– 验证关系表

root@127.0.0.1:26257/defaultdb> SELECT * FROM rdb_device_manage.public.devices;
    id   | name  |     model      |       install_date        |          loc
---------+-------+----------------+---------------------------+------------------------
  WT-001 | 风机A | WindTurbine-X3 | 2023-01-15 00:00:00+00:00 | 39.908823, 116.397470
  WT-002 | 风机B | WindTurbine-X3 | 2023-02-20 00:00:00+00:00 | 39.918823, 116.407470
  WT-003 | 风机C | WindTurbine-X4 | 2023-03-10 00:00:00+00:00 | 39.928823, 116.417470
(3 rows)
Time: 1.045043ms
root@127.0.0.1:26257/defaultdb>

5.3 步骤 2：创建时序库与时序表（传感器数据）

5.3.1 通过命令行创建时序数据库

创建时序数据库用于存储传感器数据：

– 创建时序数据库

root@127.0.0.1:26257/defaultdb> CREATE TS DATABASE tsdb_sensor_data;
CREATE TS DATABASE
Time: 4.891201ms
root@127.0.0.1:26257/defaultdb>

5.3.2 创建时序表（存储传感器数据）

创建传感器数据表并插入测试数据：

-- 创建 sensors 表
root@127.0.0.1:26257/defaultdb> CREATE TABLE tsdb_sensor_data.sensors (
    ts TIMESTAMP NOT NULL,
    temperature FLOAT,
    vibration FLOAT
) TAGS (
    device_id VARCHAR(32) NOT NULL
) PRIMARY TAGS (
    device_id
);
CREATE TABLE
Time: 12.280812ms
root@127.0.0.1:26257/defaultdb>

-- 插入测试数据
root@127.0.0.1:26257/defaultdb> INSERT INTO tsdb_sensor_data.sensors (ts, device_id, temperature, vibration)
                             -> 
                             -> SELECT 
                             -> 
                             ->     NOW() - INTERVAL '1 hour', 'WT-001', 76.2, 4.6
                             -> 
                             -> UNION ALL
                             -> 
                             -> SELECT 
                             -> 
                             ->     NOW() - INTERVAL '50 minutes', 'WT-001', 77.8, 4.8
                             -> 
                             -> UNION ALL
                             -> 
                             -> SELECT 
                             -> 
                             ->     NOW() - INTERVAL '2 hours', 'WT-002', 73.5, 4.2
                             -> 
                             -> UNION ALL
                             -> 
                             -> SELECT 
                             -> 
                             ->     NOW() - INTERVAL '1.5 hours', 'WT-002', 74.1, 4.3
                             -> 
                             -> UNION ALL
                             -> 
                             -> SELECT 
                             -> 
                             ->     NOW() - INTERVAL '3 hours', 'WT-003', 68.9, 3.9;
INSERT 5
Time: 52.501082ms
root@127.0.0.1:26257/defaultdb>

-- 验证时序表
root@127.0.0.1:26257/defaultdb> SELECT * FROM tsdb_sensor_data.sensors ORDER BY ts DESC LIMIT 5;
               ts               | temperature | vibration | device_id
--------------------------------+-------------+-----------+------------
  2025-11-23 06:02:15.306+00:00 |        77.8 |       4.8 | WT-001
  2025-11-23 05:52:15.306+00:00 |        76.2 |       4.6 | WT-001
  2025-11-23 05:22:15.306+00:00 |        74.1 |       4.3 | WT-002
  2025-11-23 04:52:15.306+00:00 |        73.5 |       4.2 | WT-002
  2025-11-23 03:52:15.306+00:00 |        68.9 |       3.9 | WT-003
(5 rows)
Time: 2.852642ms
root@127.0.0.1:26257/defaultdb>

5.4 步骤 3：跨模查询实现故障风险预警

执行核心的跨模查询，关联关系数据和时序数据，实现设备故障风险预警：

-- 跨模查询：分析设备故障风险
root@127.0.0.1:26257/defaultdb> SELECT
    d.name AS "设备名称",
    d.model AS "设备型号",
    d.loc AS "安装位置",
    ROUND(AVG(s.temperature), 1) AS "近24小时平均温度(℃)",
    MAX(s.vibration) AS "近24小时最大振动值",
    CASE
        WHEN MAX(s.vibration) > 4.5 AND AVG(s.temperature) > 75 THEN '高风险'
        WHEN MAX(s.vibration) > 4.5 OR AVG(s.temperature) > 75 THEN '中风险'
        ELSE '正常'
    END AS "风险等级"
FROM
    tsdb_sensor_data.sensors s
JOIN
    rdb_device_manage.public.devices d
    ON s.device_id = d.id
WHERE
    s.ts > NOW() - INTERVAL '24 hours'
    AND d.model = 'WindTurbine-X3'
GROUP BY
    d.name, d.model, d.loc
HAVING
    MAX(s.vibration) > 4.5
    OR ROUND(AVG(s.temperature), 1) > 75
ORDER BY
    "风险等级" DESC;
  设备名称 |    设备型号    |       安装位置        | 近24小时平均温度(℃) | 近24小时最大振动值 | 风险等级
-----------+----------------+-----------------------+---------------------+--------------------+-----------
  风机A    | WindTurbine-X3 | 39.908823, 116.397470 |                  77 |                4.8 | 高风险
(1 row)
Time: 3.305424ms
root@127.0.0.1:26257/defaultdb>

跨模查询成功执行并返回了预期的结果。

查询结果解读：

风机A 被正确识别为 高风险 设备；
其 近24小时平均温度 为 77.0℃（超过了75℃的阈值）；
其 近24小时最大振动值 为 4.8（超过了4.5的阈值）；
由于温度和振动值都超标，根据 CASE 语句的逻辑，风险等级被判定为 高风险。

这个结果完美验证了 KWDB 3.0 “多模一库” 的核心能力： 在一个查询中无缝关联关系型数据（设备信息）和时序型数据（传感器读数），并通过标准的 SQL 语法进行聚合、过滤和分析。

六、进阶实战：结合 KWDB 3.0 新特性优化分析

6.1 利用"最值上下文查询"获取异常时刻详情

通过子查询获取异常温度发生的具体时间点及对应振动值：

root@127.0.0.1:26257/defaultdb> SELECT
    d.name AS 设备名称,
    s.ts AS 异常温度采集时间,
    s.temperature AS 异常温度值,
    s.vibration AS 对应振动值
FROM
    tsdb_sensor_data.sensors s  -- 使用新的时序数据库名称 tsdb_sensor_data
JOIN
    rdb_device_manage.public.devices d  -- 使用新的关系数据库名称 rdb_device_manage
    ON s.device_id = d.id
WHERE
    s.temperature = (
        -- 子查询中同样需要使用新的数据库名称
        SELECT MAX(temperature)
        FROM tsdb_sensor_data.sensors
        WHERE device_id = 'WT-001'
          AND ts > NOW() - INTERVAL '24 hours'
    )
AND
    d.id = 'WT-001';
  设备名称 |       异常温度采集时间        | 异常温度值 | 对应振动值
-----------+-------------------------------+------------+-------------
  风机A    | 2025-11-23 06:02:15.306+00:00 |       77.8 |        4.8
(1 row)
Time: 3.341938ms
root@127.0.0.1:26257/defaultdb>

执行结果示例：

设备名称	异常温度采集时间	异常温度值	对应振动值
风机A	2024-05-20 09:10:00	77.8	4.8

6.2 利用"自定义变量"简化多设备批量查询

使用变量定义查询参数，提升 SQL 的复用性和可维护性：

root@127.0.0.1:26257/defaultdb> SET @target_model = 'WindTurbine-X3';
-- 定义自定义变量：温度阈值
SET @temp_threshold = 75;
-- 定义自定义变量：振动阈值
SET @vib_threshold = 4.5;
-- 使用变量执行跨模查询
SELECT
    d.name AS 设备名称,
    ROUND(AVG(s.temperature), 1) AS 平均温度,
    MAX(s.vibration) AS 最大振动值
FROM
    tsdb_sensor_data.sensors s  -- 使用新的时序数据库名称
JOIN
    rdb_device_manage.public.devices d  -- 使用新的关系数据库名称
    ON s.device_id = d.id
WHERE
    s.ts > NOW() - INTERVAL '24 hours'
  AND d.model = @target_model
GROUP BY
    d.name
HAVING
    AVG(s.temperature) > @temp_threshold
    OR MAX(s.vibration) > @vib_threshold;
SET
Time: 534.714µs
SET
Time: 446.008µs
SET
Time: 242.498µs
  设备名称 | 平均温度 | 最大振动值
-----------+----------+-------------
  风机A    |       77 |        4.8
(1 row)
Time: 3.079654ms
root@127.0.0.1:26257/defaultdb>

6.3 数据库对象管理与结构验证

查看所有数据库列表
root@127.0.0.1:26257/defaultdb> SELECT datname FROM pg_database WHERE datistemplate = false;
       datname
---------------------
  defaultdb
  postgres
  rdb_device_manage
  system
  tsdb_sensor_data
(5 rows)
Time: 1.220281ms
root@127.0.0.1:26257/defaultdb>

5.4 验证关系表结构

通过查询数据反向验证表结构：

-- 查询 devices 表的一行数据，通过返回的列名来确认表结构SELECT * FROM rdb_device_manage.public.devices LIMIT 1;
root@127.0.0.1:26257/defaultdb> SELECT * FROM rdb_device_manage.public.devices LIMIT 1;
    id   | name  |     model      |       install_date        |          loc---------+-------+----------------+---------------------------+------------------------
  WT-001 | 风机A | WindTurbine-X3 | 2023-01-15 00:00:00+00:00 | 39.908823, 116.397470
(1 row)
Time: 721.23µs
root@127.0.0.1:26257/defaultdb>

执行结果示例：
这个结果会清晰地显示出表中的所有列名： id, name, model, install_date, loc。

6.5 验证时序表结构

-- 查询 sensors 表的一行数据，通过返回的列名来确认表结构SELECT * FROM tsdb_sensor_data.sensors LIMIT 1;
root@127.0.0.1:26257/defaultdb> SELECT * FROM tsdb_sensor_data.sensors LIMIT 1;
               ts               | temperature | vibration | device_id--------------------------------+-------------+-----------+------------
  2025-11-23 03:52:15.306+00:00 |        68.9 |       3.9 | WT-003
(1 row)
Time: 1.259845ms
root@127.0.0.1:26257/defaultdb>

执行结果示例：
这个结果会显示出时序表的普通列和标签列： ts, temperature, vibration, device_id。其中， device_id 是我们定义的标签。

总结

本次"设备故障风险预警"实战，充分验证了新版 KWDB 3.0 "多模一库"的核心优势：

打破数据孤岛：关系数据与时序数据统一存储，跨模 JOIN 无需数据同步，操作更简洁；
性能大幅提升：毫秒级跨模查询响应，相比传统"分库+导出"方案，效率提升千倍；
易用性优秀：开发者中心可视化操作，库表创建、数据写入、SQL 执行全流程图形化，降低技术门槛；
功能适配场景：最值上下文查询、自定义变量等新特性，完美匹配工业设备故障分析的实际需求。

在 AIoT 数据爆发的时代，"多模一库"已成为数据库发展的核心趋势。KWDB 3.0 的发布不再局限于单一数据类型的存储与查询，而是以业务场景为核心，提供"一站式"多模数据解决方案。

无论是设备故障预警、能源消耗分析，还是智慧交通监控，KWDB 3.0 都能通过跨模分析能力，挖掘数据深层价值，为企业数字化转型提供高效支撑。其 开箱即用的便捷性、 毫秒级的查询性能和 完整的企业级功能，使其成为多模数据处理场景下的理想选择。

作为数据库国产化替代的重要力量，KWDB 3.0 的发布不仅在产品能力上达到了业界先进水平，更在用户体验和生态建设方面展现了强大的竞争力。

本次体验环境信息

数据库版本：KaiwuDB 3.0.0
Windows版本：Windows 10 专业版
部署方式：Docker Compose 单节点
客户端工具：KaiwuDB Developer Center 3.0.0
测试数据：模拟风机设备监控场景

参考相关资源

作者注：
——本文所有操作及测试均基于 CentOS 系统 Docker Compose 部署的 KaiwuDB v3.0.0 完成，核心围绕"多模一库"核心特性展开数据库实操与性能验证等关键环节。建议实际应用时参考 KaiwuDB 官方文档及对应版本适配指南。请注意，KaiwuDB 版本处于持续迭代中，部分语法或功能可能随更新发生变化，请以 KaiwuDB 官方文档最新内容为准。

——以上仅为个人思考与建议，不代表行业普遍观点。以上所有操作均需在具备足够权限的环境下执行，涉及生产环境时请提前做好备份与测试。文中案例与思路仅供参考，若与实际情况巧合，纯属无意。期待与各位从业者共同探讨更多可能！

「多模融合」KWDB 3.0 实战：终结“拼装式”数据架构新范式

在工业互联网、智慧能源等 AIoT 核心场景中，新版 KWDB 3.0 的「多模一库」架构正在重塑数据处理的新范式。