Base de datos vectorial de código abierto que almacena objetos y vectores juntos y combina la búsqueda por similitud con filtros estructurados.
16,9 mil1,4 milGoOtherActualizado hace 2 horas
dingodb/dingo
Base de datos vectorial distribuida de código abierto que combina SQL compatible con MySQL y búsqueda vectorial sobre datos estructurados y no estructurados.
Alternativa open source a:Pinecone
- Estrellas
- 1,704
- Forks
- 263
- Issues abiertos
- 8
- Último commit
- hace 29 días
¿Qué es?
DingoDB es una base de datos vectorial multimodal distribuida desarrollada por DataCanvas. Reúne tablas relacionales y vectores en un mismo sistema, para que las aplicaciones puedan almacenar registros estructurados y embeddings, y ejecutar upserts y consultas vectoriales mediante una interfaz SQL unificada compatible con el protocolo MySQL.
La base de datos admite recuperación híbrida, que combina índices escalares tradicionales con índices vectoriales, y crea índices en tiempo real. Los datos se dividen automáticamente en shards, que se subdividen y fusionan a medida que el volumen de datos aumenta o disminuye. La alta disponibilidad está integrada, por lo que no se necesitan componentes externos para la replicación. Para conjuntos de datos muy grandes, ofrece búsqueda vectorial basada en disco para reducir el uso de memoria y puede cambiar entre tipos de índices según la escala de los datos.
Se puede acceder mediante SQL, SDK y API. El proyecto ofrece guías de despliegue con Docker y Ansible; la capa de almacenamiento está a cargo del proyecto complementario Dingo-Store, que utiliza el protocolo Raft para garantizar una alta consistencia.
Funciones clave
- 01Interfaz SQL unificada, compatible con el protocolo MySQL, para datos estructurados y vectoriales.
- 02Recuperación híbrida que combina índices escalares y varios tipos de índices vectoriales.
- 03Fragmentación automática de datos, con tamaño dinámico y división y fusión de shards.
- 04Alta disponibilidad integrada, sin componentes externos.
- 05Creación de índices en tiempo real en segundo plano.
- 06Búsqueda vectorial basada en disco para conjuntos de datos grandes, con menor uso de memoria.
Casos de uso
- Implementar búsqueda semántica cuando los embeddings y los registros de negocio residen en la misma base de datos.
- Crear aplicaciones con generación aumentada por recuperación que filtren vectores por campos estructurados.
- Almacenar grandes colecciones de embeddings que superan la memoria disponible.
- Sustituir una base de datos relacional y un almacén vectorial independientes por un único sistema.
Inicio rápido
- 1
Consulta la documentación oficial para ver las opciones de configuración
- 2
Despliega en un único nodo con Docker siguiendo la guía enlazada
Antes de usarlo
- El README no incluye un comando de instalación directo, por lo que la configuración depende de documentación externa.
- La documentación se centra principalmente en el despliegue con Docker o Ansible, así que se necesita algo de trabajo de infraestructura.
Temas
Preguntas frecuentes
- ¿Qué es dingo?
- Base de datos vectorial distribuida de código abierto que combina SQL compatible con MySQL y búsqueda vectorial sobre datos estructurados y no estructurados. DingoDB es una base de datos vectorial multimodal distribuida desarrollada por DataCanvas. Reúne tablas relacionales y vectores en un mismo sistema, para que las aplicaciones puedan almacenar registros estructurados y embeddings, y ejecutar upserts y consultas vectoriales mediante una interfaz SQL unificada compatible con el protocolo MySQL.
- ¿dingo es gratuito? ¿Qué licencia tiene?
- dingo es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿dingo sigue mantenido?
- Mantenimiento activo. El último commit de dingo fue el 23 sept 2026.
- ¿Para qué puedo usar dingo?
- Implementar búsqueda semántica cuando los embeddings y los registros de negocio residen en la misma base de datos. Crear aplicaciones con generación aumentada por recuperación que filtren vectores por campos estructurados. Almacenar grandes colecciones de embeddings que superan la memoria disponible. Sustituir una base de datos relacional y un almacén vectorial independientes por un único sistema.
- ¿Cómo se instala dingo?
- Consulta la documentación oficial para ver las opciones de configuración Despliega en un único nodo con Docker siguiendo la guía enlazada
- ¿Dónde consigo dingo?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/dingodb/dingo
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Una base de datos de búsqueda nativa para IA que almacena datos vectoriales, de texto completo, estructurados y semiestructurados en un solo motor compatible con MySQL, para la memoria y la recuperación de agentes.
3,2 mil420C++Apache-2.0Actualizado hace 14 minutos
Qdrant es un motor de búsqueda de similitud vectorial y una base de datos vectorial basado en Rust, con filtros por payload, para búsquedas semánticas y recomendaciones.
35,2 mil2,8 milRustApache-2.0Actualizado hace 53 minutos
Una base de datos vectorial de código abierto que se integra en las aplicaciones para realizar búsquedas de similitud con baja latencia, sin ejecutar un servidor.
16,1 mil1 milC++Apache-2.0Actualizado hace 4 horas
Biblioteca de recuperación y base de datos embebida para IA multimodal, con búsqueda vectorial, de texto completo y SQL sobre datos en formato Lance.
Bases de datos y almacenamiento#vector-database#semantic-search#similarity-search#multimodal#embedded-database
11,7 mil1,1 milRustApache-2.0Actualizado hace 4 horas
Epsilla es una base de datos vectorial open source en C++ para búsquedas de similitud entre embeddings, con filtros de metadatos, búsqueda híbrida e integraciones de recuperación para LLM.
87445C++Apache-2.0Actualizado hace 19 días