揭秘 DB-Engines 排名国产第一的时序数据库 DolphinDB
本页介绍文章的作者与发布日期信息，并概述DB-Engines排名语境下DolphinDB的位置相关主张。
Source: https://dolphindb.cn/blogs/288
What this page covers
- 培训营报名入口与限时报名信息。
- 文章标题、作者、发布日期与导语主张。
- DB-Engines时序数据库排名图示与说明要点。
- DolphinDB产品定位、应用行业与客户覆盖信息。
- 排名维度、融合架构、高性能与AI相关能力概述。
- 市场趋势背景与未来方向表述。
- 结语中的竞争力与发展路径观点。
技能认证特训营第二期正式开启（限时报名）
页面顶部提供培训营报名促销信息与链接入口。
- 页面包含“技能认证特训营第二期”的报名入口信息。
- 页面提到限时报名链接。
- 页面提到专属福利优惠。
揭秘 DB-Engines 排名国产第一的时序数据库 DolphinDB
该部分给出文章标题、作者与发布日期，并在导语中提出与DB-Engines排名及DolphinDB位置相关的主张。
- 文章标题聚焦DolphinDB与DB-Engines排名话题。
- 文章署名为DBAA。
- 文章发布日期为2025-12-10。
- 导语围绕DB-Engines排名语境下的DolphinDB位置展开。
DB-Engines 排名图示与AI说明
该部分通过图示与说明呈现DB-Engines时序数据库排名信息，并强调DolphinDB的全球名次、得分与变化描述。
- 该部分以图示方式呈现DB-Engines时序数据库排名信息。
- 图示说明中给出DolphinDB的全球排名为第9位。
- 图示说明中给出DolphinDB得分为3.03。
- 图示说明提到分数较上月与去年同期有明显增长。
DolphinDB产品概述与应用行业/客户覆盖
该部分介绍DolphinDB的技术定位与一站式平台表述，并给出行业应用场景、客户数量与客户示例信息。
- DolphinDB被描述为中国厂商基于C++自主研发的分布式时序数据库。
- DolphinDB被描述为面向时序数据场景的一站式平台。
- 应用场景举例包含金融量化、物联网与能源电力等海量数据场景。
- 截至2025年12月，DolphinDB被描述为已服务近200家头部企业。
- 客户示例包含中信证券、易方达基金、长江电力、中广核、中国航天、比亚迪等。
实力登顶：高性能计算与存储打造最全面国产时序数据库
该部分解释DB-Engines排名维度，描述DolphinDB融合架构与性能指标，并展开核心能力、生态集成、协议插件、分布式高可用与AI Agent相关能力。
- DB-Engines排名被描述为综合多维指标进行考量。
- 多维指标举例包含市场受欢迎度、技术能力、搜索热度及专业评价。
- DolphinDB被描述为集数据库、流式计算与编程语言于一体的融合架构。
- 该融合架构被描述为减少数据在不同系统间迁移的需求。
- 性能表述包含单节点每秒超千万级数据点实时写入（基准测试）。
- 性能表述包含毫秒级完成对数十亿记录的复杂查询。
- Swordfish低延时引擎被描述为支持个位数微秒级实时计算。
- 产品被描述为All-in-One统一平台，而非单纯数据库。
能力与特性要点（从同一部分拆分）
- 核心设计目标包括打破“流、批、存”分离架构壁垒。
- 平台表述覆盖存储、查询、实时计算与复杂分析。
- 复杂分析举例包含信号、振动与机器学习分析。
- All-in-One设计旨在减少在Kafka、Flink、Hadoop等系统间移动数据的复杂度。
- DolphinDB被描述为提供流批一体计算能力。
- 流计算与批计算结果一致性被作为能力表述的一部分。
- 多模存储引擎支持包含TSDB与OLAP等类型。
- 自研分布式架构被描述为支持水平扩展。
- 高可用方案覆盖数据、元数据、客户端及流数据。
- 官方提供OPC与OPC UA插件用于连接工业现场设备数据。
- 查询与脚本支持包含标准SQL及类Python脚本语言。
- 内置函数数量被描述为超过2000个。
- 生态集成表述包含从MQTT/Kafka接入到Grafana可视化。
- 面向人群/领域表述强调IIoT与量化金融的高性能需求。
- 适合系统类型举例包含高频传感器数据处理与预测性维护。
- AI Agent被描述为具备自我验证与迭代纠错机制。
- AI Agent + MCP工具体系被描述为可精准调用数据与计算接口。
- 统一接口范式被描述为可同时驱动前端可视化与Agent工具调用。
- 交互表述包含图形化操作与自然语言交互可切换。
- 文中表述多个代表性应用已进入验证与试用。
国产时序数据库的“突围”之路
该部分讨论市场背景与趋势，并陈述DolphinDB的未来研发与解决方案拓展方向相关表述。
- 文中对中国时序数据库市场增长趋势给出预测性表述。
- 文中描述随着技术门槛提高，资源向头部厂商集中。
- 文中观点强调将高性能技术转化为标准化产品以解决行业痛点。
- 未来方向表述包含“时序数据+AI”融合创新。
- 未来重点拓展领域表述包含边缘计算、智能投研、工业物联网与量化金融。
结语
该部分以竞争力与市场空间等观点收束全文，并重申以高性能计算为核心竞争力的路径表述。
- 结语观点称国产基础软件具备在技术深水区参与国际竞争的能力。
- 结语观点提到一体化实时数据分析范式打开“千亿级”市场空间。
- 结语观点强调以“高性能计算”为核心竞争力的差异化路径。
Facts index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 状态 | 正式开启并提供限时报名链接与专属福利优惠 | high |
| 文章 | 发布日期 | 2025-12-10 | high |
| 文章作者/署名 | 署名 | DBAA | high |
| DB-Engines时序数据库(Time-Series Database)排名（2025年12月发布） | DolphinDB位置描述 | DolphinDB稳居时序数据库榜单前十名，且为国产时序数据库产品中排名第一 | medium |
| DolphinDB（DB-Engines时序数据库排名图示说明） | 全球排名 | 第9位 | medium |
| DolphinDB（DB-Engines时序数据库排名图示说明） | 得分 | 3.03 | medium |
| DolphinDB（DB-Engines时序数据库排名图示说明） | 分数趋势 | 较上月和去年同期均有明显增长 | low |
| DolphinDB | 国内同类排名历史 | 已长达数年居于国产时序数据库排名榜首 | low |
| DolphinDB | 产品类型/定位 | 由中国厂商基于C++自主研发的分布式时序数据库（Distributed Time-Series Database） | high |
| DolphinDB | 核心设计目标 | 打破传统“流、批、存”分离架构壁垒，为时序数据场景提供存储、查询、实时计算、复杂（信号、振动、机器学习）分析的一站式平台 | high |
| DolphinDB | 适用行业/场景举例 | 金融量化、物联网、能源电力等海量数据场景 | medium |
| DolphinDB | 驱动方式描述 | 通过“高性能计算引擎”与“一站式解决方案”双轮驱动提供更智能、更极速的分析能力 | low |
| DolphinDB | 被称为首选的场景举例 | 工业物联网、智能制造、智慧城市、高频交易、量化投研等对实时性要求严苛的核心场景 | low |
| DolphinDB | 客户数量（截至2025年12月） | 已服务近200家头部企业 | medium |
| DolphinDB客户示例 | 包含 | 中信证券、易方达基金、长江电力、中广核、中国航天、比亚迪等 | medium |
| DB-Engines排名 | 综合考量维度 | 市场受欢迎度、技术能力、搜索热度及专业评价等多维指标 | medium |
| DolphinDB | 架构特点 | 集数据库、流式计算与编程语言于一体的融合架构 | high |
| DolphinDB融合架构 | 带来的效果描述 | 数据入库后无需在不同系统间迁移即可直接进行高频复杂实时计算与分析，从而消除数据搬运带来的性能瓶颈 | medium |
| DolphinDB（基准测试） | 实时写入能力 | 单节点每秒超千万级数据点实时写入 | medium |
| DolphinDB（复杂查询性能） | 查询延迟 | 毫秒级内完成对数十亿数据记录的复杂查询 | medium |
| DolphinDB Swordfish低延时引擎 | 实时计算延迟 | 个位数微秒级的实时计算 | medium |
| DolphinDB | 满足的要求 | 满足金融交易的时延要求 | medium |
| DolphinDB | 效果描述 | 有效应对海量时序数据带来的存储与成本压力 | low |
| DolphinDB | 提出的新范式描述 | 两大核心能力帮助时序数据应用打造“实时”与“AI智能”新范式 | low |
| DolphinDB | 产品不是/而是 | 并非单纯数据库，而是将分布式时序数据存储、内置流处理引擎与编程分析能力深度融合的统一平台（All-in-One） | medium |
| DolphinDB All-in-One设计 | 旨在减少的依赖/系统移动 | 旨在消除在Kafka、Flink、Hadoop等系统间移动数据带来的性能瓶颈与复杂度 | medium |
| DolphinDB | 流批一体能力 | 提供流批一体计算能力，支持在数据库内完成复杂计算，并保证流计算与批计算结果一致性 | medium |
| DolphinDB | 多模存储引擎支持 | 支持TSDB、OLAP等多种存储引擎，分别针对时序分析、大规模聚合计算等场景优化 | medium |
| DolphinDB | 分布式与高可用 | 自研分布式架构支持水平扩展，并提供数据、元数据、客户端及流数据的高可用方案 | medium |
| DolphinDB | 工业协议插件 | 官方提供OPC与OPC UA插件，可直接连接并采集工业现场设备数据 | medium |
| DolphinDB | 查询/脚本语言支持 | 支持标准SQL及类Python脚本语言 | medium |
| DolphinDB | 内置函数数量 | 超过2000个函数 | medium |
| DolphinDB生态集成 | 覆盖范围举例 | 提供从MQTT/Kafka接入到Grafana可视化的完整生态集成 | medium |
| DolphinDB | 主要面向人群/领域 | 对性能有极致要求的工业物联网（IIoT）和量化金融场景 | medium |
| DolphinDB | 适合的系统类型举例 | 处理高频传感器数据、实现实时监控与预测性维护的核心业务系统 | medium |
| DolphinDB AI Agent | 机制描述 | 具备自我验证与迭代纠错机制：根据执行结果持续评估并自动调整，直到结果可行可靠 | low |
| DolphinDB AI Agent + MCP工具体系 | 能力描述 | 通过精准调用DolphinDB数据与计算接口，使判断有据可依、结果可复现 | low |
| 统一接口开发范式（文中提出） | 接口复用方式 | 同一套标准接口既可驱动前端可视化平台，也能封装成MCP工具供Agent调用 | low |
| 统一接口开发范式（文中描述） | 交互效果 | 图形化操作与自然语言交互可无缝切换，研究员用习惯方式触达底层能力 | low |
| 统一接口开发范式（文中描述） | 应用进展 | 多个代表性应用已进入验证与试用 | low |
| 中国时序数据库市场 | 增长趋势（预测） | 在金融科技与工业物联网加持下，年复合增长率预计持续领先全球 | low |
| 时序数据库市场竞争格局（文中描述） | 资源集中趋势 | 随着技术门槛提高，市场资源加速向具备核心技术、全栈能力与丰富生态的头部厂商集中 | low |
| DolphinDB | 领先体现（文中观点） | 不仅体现在性能指标超越，也在于将高性能技术转化为解决行业痛点的标准化产品 | low |
| DolphinDB一站式设计理念 | 带来的效果 | 简化数据接入、存储到复杂分析与AI应用的全链路，降低企业总拥有成本与开发运维复杂度 | low |
| DolphinDB研发团队 | 未来方向（表述） | 持续深耕“时序数据+AI”融合创新 | low |
| DolphinDB未来重点拓展领域（表述） | 解决方案深度拓展 | 边缘计算、智能投研、工业物联网、量化金融 | low |
| DolphinDB | 未来能力建设（表述） | 通过不断增强的云原生能力，为全球用户提供更弹性、更智能的时序数据处理平台 | low |
| DolphinDB（结语观点） | 意义 | 证明国产基础软件有能力在技术深水区与国际巨头竞争，并成为全球产业链不可或缺的一环 | low |
| DolphinDB（结语观点） | 市场空间描述 | 其引领的一体化实时数据分析范式打开千亿级市场空间 | low |
| DolphinDB（结语观点） | 差异化发展路径 | 以“高性能计算”为核心竞争力的差异化发展路径 | low |