TDSQL Nexa 在一套系统内融合宽表、分析、搜索与多模数据处理能力，支撑从数据产生、分析到应用的全链路。本文介绍 TDSQL Nexa 的典型应用场景、各场景的数据形态与关键能力，并提供场景选型速查表，帮助您结合业务需求选择合适的使用方式。
场景一：企业知识库与 RAG 问答
业务描述：企业通常需要把规章制度、产品资料、客服工单、研报等分散的文档沉淀为统一知识库，并通过检索增强生成（RAG）构建智能问答、智能客服与智能投研等应用。传统方案需要将向量库、关系数据库与全文检索系统拼装在一起，数据在多套系统间靠 ETL 同步，链路长、口径易不一致。
数据形态：原始文档、切片、向量、元数据。
关键能力：
混合检索：向量近邻检索、倒排全文检索与标量过滤在同一搜索引擎内完成，支持 HNSW、IVF 等索引算法与 BQ、PQ、SQ 等量化压缩方式。
过滤条件下推：过滤条件在检索过程中下推执行，保障大规模数据下的检索效率。
增量更新：文档经 AI 计算引擎完成解析拆分与 Embedding 化后写入，数据变更经 NTS 引擎实时同步，写入即可被检索。
接口兼容：提供兼容 Elasticsearch、OpenSearch 的 HTTP 接口与 SQL 接口，既有应用与工具链可平滑迁移。
收益：文档、切片、向量与元数据在同一系统内闭环管理，免除跨系统同步链路；知识检索与知识库的数据管理能力同源，数据视图一致；兼容开源接口，迁移成本低。
场景二：智能推荐与个性化
业务描述：零售电商、内容平台等业务需要在海量商品与内容中实现个性化推荐：一方面要存储并频繁更新用户画像、物品特征等宽而稀疏的标签数据，另一方面要基于向量相似度完成候选召回，并对用户实时行为快速响应。
数据形态：用户与物品特征（标签、画像）、行为事件、向量。
关键能力：
宽表引擎单表支持万列级动态列，新增标签只需写入新列，无需预定义表结构或执行 DDL。
多主架构支持高并发写入，集群吞吐随节点数线性提升，从容应对大促等流量峰值。
搜索引擎提供高性能向量检索能力，支撑相似内容召回。
数据变更经 NTS 引擎实时同步，用户新产生的行为数据写入后即可参与召回。
收益：特征存储与召回检索在同一系统内闭环，免除特征在多套系统间的同步链路；标签体系可随业务灵活扩展；实时行为即时生效，支撑个性化的推荐体验。
场景三：语义搜索与内容检索
业务描述：站内搜索、内容检索等业务既要支持精确的关键词匹配，也要理解用户的语义意图，使同一含义的不同表述也能命中目标内容，并支持在检索结果上叠加条件筛选与分析。
数据形态：文本与内容数据、向量、结构化属性。
关键能力：
向量索引：支持 HNSW、IVF 等多种索引算法与多种量化压缩方式、距离度量，可在召回精度与存储成本之间灵活权衡。
倒排索引：面向文本的分词倒排结构，支持多语言分词与自定义词典，提供多种查询匹配模式与排序规则。
多维数值索引：支撑范围查询与多条件组合过滤，满足"语义相似加条件筛选"的组合诉求。
检索结果可直接交由分析引擎完成复杂聚合与多维分析。
收益：关键词检索与语义检索在同一引擎内完成，无需分别维护全文检索与向量检索两套系统；具备 PB 级向量与文档数据的存储与检索能力；兼容 Elasticsearch、OpenSearch 接口，既有搜索应用可平滑迁移。
场景四：AI Agent 记忆与上下文存储
业务描述：Agent 应用需要统一、一致的上下文，以及一套可以直接调用的数据工具。对话记忆、长期记忆、工具调用产生的结构化记录、Agent 运行轨迹等多类数据，若分散在多套语义各异、口径不一的数据系统中，Agent 既难以获得完整的数据视图，也难以可靠地完成数据操作。
数据形态：会话与记忆数据（向量与关系）、Agent 运行轨迹、工具调用元数据。
关键能力：
搜索引擎既可作为 Agent 应用的检索底座，也可承载 Agent Trace 等运行时数据。
宽表引擎提供高并发点查与 ACID 事务，支撑记忆与业务数据的可靠读写。
访问层提供 SQL、HTTP 与 MCP 等接入方式，为 AI Agent 提供标准化的数据调用入口。
核心引擎让多个引擎对外表现为一个数据库，应用只需表达需求，无需关心由哪个引擎执行、如何协同。
收益：Agent 通过统一接口获得一致的数据视图与数据操作能力；记忆检索与业务数据处理在同一系统内完成；运行时可观测数据与应用数据同库存储，便于回溯与诊断。
场景五：多模态内容管理（图文音视频）
业务描述：智能驾驶、具身智能等模型训练场景，以及传媒内容行业的素材管理，都需要对图片、文本、音频、视频等非结构化数据进行规模化加工：解析、切分、去重、脱敏、打标签、向量化，再将产物用于检索与分析。
数据形态：多媒体原始文件、解析产物（切片、帧、转码结果）、标签、向量。
关键能力：
AI 计算引擎提供开箱即用的分布式处理算子，覆盖文档解析拆分、视频抽帧与拆条、音频转码、数据去重、质量过滤、敏感信息脱敏、模型推理打标签、Embedding 化等常见加工环节。
作业运行于全托管的弹性算力之上，统一纳管 CPU 与 GPU 异构资源，无需自行运维集群。
处理产生的向量、标签与元数据直接写入搜索引擎与宽表引擎，写入即可被检索。
处理结果可经实时入湖沉淀为 Lance、Iceberg 等开放表格式，供其他引擎直接读取。
收益：数据加工与数据服务在同一系统内衔接，省去外部 ETL 链路；处理产物无需在系统间搬运，写入即可被检索；湖上数据采用开放格式，避免数据孤岛与格式锁定。
场景六：风控与实时分析
业务描述：金融风控、实时运营分析等业务既要保障在线交易与事件的高并发可靠写入，又要对新流入的数据即时开展复杂的多维分析，同时还需要基于实体画像与相似度计算识别风险。
数据形态：交易与事件流水（结构化数据）、实体画像与标签、向量。
关键能力：
宽表引擎提供 ACID 事务与高并发写入点查，保障在线业务的可靠性。
分析引擎采用列式存储与分布式向量化并行计算，支撑复杂报表与多维聚合分析。
多维数值索引支撑范围查询与多条件组合过滤，配合向量检索完成实体相似度计算。
数据变更经 NTS 引擎实时同步，新数据写入后即可参与分析。
收益：在线事务与分析能力在同一系统内闭环，免除传统的跨系统 ETL 链路；风控所需的结构化过滤与语义相似计算可组合完成；分析引擎兼容 MySQL 接口，既有 BI 与报表工具可直接接入。
场景选型速查
场景 | 主要数据模型 | 关键能力 |
向量 + 关系 + 全文 | 混合检索、过滤条件下推、增量更新 | |
宽表（标签与特征）+ 向量 | 动态列、多主高并发写入、实时同步与召回 | |
向量 + 全文 | 向量索引与量化压缩、倒排全文、多维条件过滤 | |
向量 + 关系 + 运行日志 | 混合检索、MCP 接入、高并发点查 | |
多媒体文件 + 标签 + 向量 | 多模态处理算子、全托管弹性算力、实时入湖 | |
关系 + 宽表 + 分析列存 | ACID 事务、分布式并行分析、实时同步 |
相关文档
快速入门
产品概述
