1.核心定位

openGauss是企业级开源关系型数据库，适配多核硬件与混合业务场景的关系型数据库产品，与PostgreSQL相比，他拥有更完善的事务处理机制，大大降低性能波动的概率；针对多核 CPU（尤其是 ARM 架构鲲鹏处理器）做了底层优化，解决传统数据库在 NUMA 架构下 “多核扩展瓶颈” 问题，可充分释放硬件算力。
从业务场景看，openGauss 重点瞄准金融、政务等对数据库 “高性能、高可靠、高安全” 要求严苛的领域，例如支撑银行核心交易系统、政务敏感数据存储等提供企业级数据库能力，打破商业数据库垄断。

2.核心优势

2.1. 高性能：两路鲲鹏 150 万 tpmC，NUMA 多核优化效果显著

2.1.1 NUMA 多核优化

通过线程绑核避免线程在不同 NUMA 节点间频繁切换，结合 NUMA 化数据结构改造（如分区 CLOG 缓冲池、并行 WAL 写入），减少跨节点内存访问延迟，解决传统数据库 “五把大锁”（Clog、WALInsert 等）的并发瓶颈；

2.1.2 智能执行技术

支持 SQL-Bypass 选路执行，简单查询可跳过复杂优化流程直接执行，减少计算开销；同时提供面向实时场景的内存引擎（MOT），免锁设计使事务延迟低至毫秒级；
智能执行技术的核心是 “让执行器更高效地运行计划”（如 LLVM 编译、向量化执行），而这依赖 SQL 处理流程输出的 “优化后物理执行计划”

例如，SQL 处理流程将 SELECT * FROM t1 WHERE age>30 解析为 SeqScan + Filter 算子” 的执行计划后，智能执行技术才能对 Filter 条件（age>30）启用 LLVM 编译，减少执行损耗

可以通过以下示例代码，开启 / 关闭 LLVM 动态编译，对比执行耗时（验证智能执行技术）

-- 1.1 创建大表并插入测试数据（模拟 10000数据，放大优化效果）
CREATE TABLE test_llvm_optimize (
    id BIGSERIAL PRIMARY KEY,
    value1 INT,
    value2 BIGINT,
    value3 VARCHAR(100),
    value4 NUMERIC(10,2)
);
 
-- 插入 10000条测试数据（可通过 generate_series 快速生成）
INSERT INTO test_llvm_optimize (value1, value2, value3, value4)
SELECT 
    random()*10000 AS value1,
    random()*10000 AS value2,
    'test_' || CAST(random()*10000 AS VARCHAR) AS value3,
    random()*10000.00 AS value4
FROM generate_series(1, 10000);
 
-- 1.2 关闭 LLVM 动态编译，执行复杂计算查询并记录耗时
SET enable_codegen = off; -- 关闭 LLVM
SELECT 
    value1,
    COUNT(*) AS cnt,
    SUM(value2) AS sum_val2,
    AVG(value4) AS avg_val4,
    MAX(value3) AS max_val3
FROM test_llvm_optimize
WHERE value1 BETWEEN 1000 AND 5000
GROUP BY value1
HAVING COUNT(*) > 50
ORDER BY sum_val2 DESC
LIMIT 100;
 
-- 1.3 开启 LLVM 动态编译，重复查询对比耗时
SET enable_codegen = on; -- 开启 LLVM
SELECT 
    value1,
    COUNT(*) AS cnt,
    SUM(value2) AS sum_val2,
    AVG(value4) AS avg_val4,
    MAX(value3) AS max_val3
FROM test_llvm_optimize
WHERE value1 BETWEEN 1000 AND 5000
GROUP BY value1
HAVING COUNT(*) > 50
ORDER BY sum_val2 DESC
LIMIT 100;

2.1.3 存储引擎适配

行存引擎优化随机读写（适合 OLTP），列存引擎通过向量化执行提升分析查询效率（适合 OLAP），混合场景下性能比单一引擎数据库高 30%~50%。

2.2 高可靠：RTO<10s，Paxos 协议保障主备切换一致性

RTO（恢复时间目标）<10s：在 60% 负载、70 万 + tpmC 压力下，主节点故障后，备节点可在 10秒内完成接管，业务中断时间短，满足金融交易、运营商计费等 “不能停” 的核心场景需求；

RPO（恢复点目标）=0：主备节点通过实时日志同步（WAL 日志即时传输），确保主节点故障时备节点无数据丢失，数据完整性 100% 保障。

2.3 高安全：全密态加密 + 防篡改账本，覆盖数据全生命周期防护

openGauss 针对 “数据上云”“敏感数据保护” 等企业痛点，构建了从 “传输 - 存储 - 计算 - 运维” 的全链路安全防护

2.3.1 全密态计算：数据 “可用不可见”：

基于可信执行环境（TEE，支持 Intel SGX 与华为鲲鹏 SEC），客户端将数据加密后传输至数据库，数据库在密态下完成等值查询、范围查询等计算，全程不接触明文；
采用 “根密钥 - 主密钥 - 列加密密钥” 三级密钥管理，密钥由 KMS 服务统一管控，避免密钥泄露风险，满足金融、政务等对数据隐私要求极高的场景（如医保数据、交易流水加密存储）。

2.3.2 防篡改账本：数据可追溯、不可篡改：

• 支持创建 “账本表”，每笔数据增删改操作都会生成哈希摘要，记录到历史表与全局链中，通过哈希链校验可快速发现数据篡改；

实测中，对账本表数据的非法修改可在 10ms 内检测到，且能追溯修改人、修改时间、原始数据，满足审计合规要求（如金融行业反洗钱审计、政务数据溯源）。

2.3.3 多维度安全加固：

• 传输加密：支持 SSL/TLS 协议，避免数据传输过程中被窃取；
• 存储加密：支持数据文件透明加密，即使磁盘被盗也无法解析数据；
• 访问控制：细粒度权限管理（列级权限、行级安全）+ 多维度审计日志，防止越权访问与恶意操作。
  

2.4 易运维：AI 辅助调优、慢 SQL 诊断，降低 DBA 工作量

传统数据库运维（参数调优、慢 SQL 诊断、索引优化）依赖 DBA 经验，耗时且易出错，openGauss 通过 AI 技术实现 “自运维”，核心能力实测如下

2.4.1 AI 智能调优：

• 基于强化学习模型，可根据 workload 特征自动推荐参数配置（如 shared_buffers、work_mem 等），无需
  DBA 手动调试；

实测中，对 TPC-C workload 的参数调优后，性能比默认配置提升 40%，调优时间从传统的 “数天” 缩短至 “小时级”。

2.4.2 慢 SQL 诊断与优化：

• 支持慢 SQL 执行时间预测（准确率 99.37%），可提前识别上线业务中的潜在性能风险；
• 提供 “SQL 透视” 功能，通过可视化界面展示 SQL 语句相似性与执行代价，快速定位慢 SQL 根因（如缺少索引、Join 顺序不合理）；
• 内置索引推荐工具（gs_index_advise）

实测中为 lineitem 表推荐索引后，查询性能从 37888ms 提升至 1.85ms，性能提升超 2 万倍。

2.4.3 自动化运维工具：

• 提供 OM（运维管理）工具，支持一键安装、扩容、备份恢复；
• 内置 WDR 性能报告，可生成多维性能监控视图（CPU、IO、锁等待等），帮助
  DBA 快速定位性能瓶颈，减少 50% 以上的例行运维工作量。

可以通过下面的示例代码验证 “易运维” 优势：通过 gs_index_advise 工具（AI 驱动）自动推荐最优索引，避免 DBA 手动试错；

-- 3.1 创建无索引的大表（模拟慢 SQL 场景）
CREATE TABLE test_slow_sql (
    id BIGSERIAL,
    product_id INT,
    sale_date DATE,
    sale_count INT,
    sale_price NUMERIC(10,2)
);
 
-- 插入 50000条销售数据
INSERT INTO test_slow_sql (product_id, sale_date, sale_count, sale_price)
SELECT 
    random()*5000 AS product_id,
    CURRENT_DATE - (random()*730)::INT DAY AS sale_date,
    (random()*100)::INT + 1 AS sale_count,
    random()*1000.00 AS sale_price
FROM generate_series(1, 50000);
 
-- 3.2 执行慢 SQL（无索引，全表扫描）
EXPLAIN ANALYZE
SELECT 
    product_id,
    SUM(sale_count) AS total_sales,
    AVG(sale_price) AS avg_price
FROM test_slow_sql
WHERE sale_date BETWEEN '20243-01-01' AND '2024-12-31'
GROUP BY product_id
HAVING SUM(sale_count) > 1000;
 
-- 3.3 使用 openGauss 内置索引推荐工具（AI 辅助运维）
SELECT * FROM gs_index_advise(
    'test_slow_sql', -- 表名
    'SELECT product_id, SUM(sale_count) AS total_sales, AVG(sale_price) AS avg_price FROM test_slow_sql WHERE sale_date BETWEEN ''2024-01-01'' AND ''2024-12-31'' GROUP BY product_id HAVING SUM(sale_count) > 1000' -- 慢 SQL 语句
);
 
-- 3.4 按推荐创建索引后，重新执行查询（验证优化效果）
-- 假设推荐索引：(sale_date, product_id) INCLUDE (sale_count, sale_price)
CREATE INDEX idx_test_slow_sql_sale_date_product ON test_slow_sql (sale_date, product_id) INCLUDE (sale_count, sale_price);
 
-- 重新执行查询，对比耗时
EXPLAIN ANALYZE
SELECT 
    product_id,
    SUM(sale_count) AS total_sales,
    AVG(sale_price) AS avg_price
FROM test_slow_sql
WHERE sale_date BETWEEN '2024-01-01' AND '2024-12-31'
GROUP BY product_id
HAVING SUM(sale_count) > 1000;

3.总结与展望

openGauss 不只是个性能能打的开源数据库，开源化的核心推手。它靠 “技术自己能掌控”，打破了商业数据库的垄断；靠 “大家一起建开源生态”，帮企业降低了数字化转型的成本；还靠 “针对性解决场景问题”，搞定了企业核心业务里的痛点。

往后，随着智能技术、新硬件和安全需求深度结合，openGauss 大概率会成为 “下一代企业级数据库” 的标杆，给全球数据库技术发展和产业升级拿出我们的方案。