Banco de dados vetorial open source que armazena objetos e vetores juntos, combinando busca por similaridade vetorial com filtros estruturados.
16,9 mil1,4 milGoOtherAtualizado há 2 horas
dingodb/dingo
Um banco de dados vetorial distribuído e open source que combina SQL compatível com MySQL e busca vetorial em dados estruturados e não estruturados.
Alternativa open source a:Pinecone
- Estrelas
- 1,704
- Forks
- 263
- Issues abertas
- 8
- Último commit
- há 29 dias
O que é?
O DingoDB é um banco de dados vetorial multimodal distribuído, desenvolvido pela DataCanvas. Ele reúne tabelas relacionais e vetores em um único sistema, permitindo que aplicações armazenem registros estruturados e embeddings juntos e executem upserts e consultas vetoriais por meio de uma interface SQL unificada, compatível com o protocolo MySQL.
O banco de dados oferece recuperação híbrida, combinando índices escalares tradicionais com índices vetoriais, e cria índices em tempo real. Os dados são divididos automaticamente em shards, que são separados ou mesclados conforme o volume de dados aumenta ou diminui. A alta disponibilidade já vem integrada, sem necessidade de componentes externos para replicação. Para conjuntos de dados muito grandes, oferece busca vetorial baseada em disco para reduzir o uso de memória e pode alternar entre tipos de índice conforme a escala dos dados.
O acesso pode ser feito por SQL, SDKs e APIs. O projeto oferece guias de implantação com Docker e Ansible, e a camada de armazenamento é gerenciada pelo projeto complementar Dingo-Store, que usa o protocolo Raft para garantir consistência forte.
Recursos principais
- 01Interface SQL unificada, compatível com o protocolo MySQL, para dados estruturados e vetoriais.
- 02Recuperação híbrida que combina índices escalares e vários tipos de índices vetoriais.
- 03Sharding automático de dados, com tamanho dinâmico dos shards e divisão e mesclagem.
- 04Alta disponibilidade integrada, sem componentes externos.
- 05Criação de índices em tempo real, em segundo plano.
- 06Busca vetorial baseada em disco para grandes conjuntos de dados, com menor uso de memória.
Casos de uso
- Executar buscas semânticas quando embeddings e registros de negócios estão no mesmo banco de dados.
- Criar aplicações com geração aumentada por recuperação que filtram vetores por campos estruturados.
- Armazenar grandes coleções de embeddings que excedem a memória disponível.
- Substituir um banco de dados relacional e um repositório vetorial separados por um único sistema.
Início rápido
- 1
Consulte a documentação oficial para conhecer as opções de configuração
- 2
Implante em um único nó com Docker, seguindo o guia vinculado
Antes de usar
- O README não fornece um comando de instalação direto, então a configuração depende de documentação externa.
- A documentação do deploy se concentra principalmente em Docker ou Ansible, o que exige algum trabalho de infraestrutura.
Tópicos
Perguntas frequentes
- O que é dingo?
- Um banco de dados vetorial distribuído e open source que combina SQL compatível com MySQL e busca vetorial em dados estruturados e não estruturados. O DingoDB é um banco de dados vetorial multimodal distribuído, desenvolvido pela DataCanvas. Ele reúne tabelas relacionais e vetores em um único sistema, permitindo que aplicações armazenem registros estruturados e embeddings juntos e executem upserts e consultas vetoriais por meio de uma interface SQL unificada, compatível com o protocolo MySQL.
- dingo é gratuito? Qual é a licença?
- dingo é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- dingo ainda é mantido?
- Manutenção ativa. O último commit de dingo foi em 23 de set. de 2026.
- Para que posso usar dingo?
- Executar buscas semânticas quando embeddings e registros de negócios estão no mesmo banco de dados. Criar aplicações com geração aumentada por recuperação que filtram vetores por campos estruturados. Armazenar grandes coleções de embeddings que excedem a memória disponível. Substituir um banco de dados relacional e um repositório vetorial separados por um único sistema.
- Como instalar dingo?
- Consulte a documentação oficial para conhecer as opções de configuração Implante em um único nó com Docker, seguindo o guia vinculado
- Onde consigo dingo?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/dingodb/dingo
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um banco de dados de busca nativo para IA que armazena dados vetoriais, de texto completo, estruturados e semiestruturados em um único mecanismo compatível com MySQL, para memória e recuperação de agentes.
3,2 mil420C++Apache-2.0Atualizado há 14 minutos
O Qdrant é um mecanismo de busca por similaridade vetorial e banco de dados vetorial baseado em Rust, com filtragem por payload, voltado a busca semântica e recomendações.
35,2 mil2,8 milRustApache-2.0Atualizado há 53 minutos
Um banco de dados vetorial open source que roda dentro da aplicação e oferece busca por similaridade com baixa latência, sem precisar de um servidor.
16,1 mil1 milC++Apache-2.0Atualizado há 4 horas
Uma biblioteca de recuperação e banco de dados embarcados para IA multimodal, com busca vetorial, full-text e SQL em dados armazenados no formato Lance.
Bancos de dados e armazenamento#vector-database#semantic-search#similarity-search#multimodal#embedded-database
11,7 mil1,1 milRustApache-2.0Atualizado há 4 horas
Epsilla é um banco de dados vetorial open source em C++ para busca por similaridade em embeddings, com filtros por metadados, busca híbrida e integração com sistemas de recuperação para LLMs.
87445C++Apache-2.0Atualizado há 19 dias