orczhou.com

云数据库行业动态@2025-06-20

2025-06-20
标题：openGauss 发布 MCP Server支持SQL查询/运维管理等功能;阿里云PostgreSQL发布承诺型Serverless

重要更新

openGauss 发布 MCP Server^[1]，面相LLM提供更为便捷的SQL执行能力、此外还可以帮助开发者更为快捷的实现用户管理，安装，监控等能力（DataKit MCP Server）。

更新详情

RDS高可用系列和集群系列提升多可用区部署实例的SLA，双可用区统一提升至99.995%，三可用区及以上统一提升至99.997%。^[4]

RDS PostgreSQL发布承诺型Serverless能力，该能力是指在已购买的固定规格RDS PostgreSQL实例上（计费类型包括包年包月或按量付费）启用Serverless功能。^[5]

RDS PostgreSQL 17新增支持插件AI（rds_ai）（1.0.0）、高速全文检索（RUM）（1.3）、定时任务（pg_cron）（1.6）和pg_partman（5.2.4）；RDS PostgreSQL 14~15版本新增支持插件AI（rds_ai），版本为1.0.0。RDS PostgreSQL 13新增支持插件SQL限流（rds_ccl），版本为1.2^[6]

RDS PostgreSQL支持全球多活数据库，该方案基于RDS PostgreSQL的原生物理复制与数据传输服务（DTS），实现了一站式、高性价比的异地灾备解决方案^[7]

RDS PostgreSQL 高性能云盘的基准IO性能提升，IOPS最高提升22400，IO带宽最高提升350 MB/s。^[8]

RDS SQL Server支持对外网链路强制进行SSL加密 ^[10]

Azure(微软云)

Azure SQL 托管实例更快的管理操作^[14]

Azure Database for PostgreSQL 17 迁移服务支持^[17]

GCP(谷歌云)

Cloud SQL for MySQL 之前的版本升级到8.4，提供了更加便捷升级方式.^[20]

BigQuery 现在提供 Gemini 增强型 SQL 翻译功能

Oracle云

Data Studio 增强功能：使用 SQL 语法查询远程目录^[46]

火山云(字节)

veDB MySQL 支持了跨地域备份^[21]、支持修改最大连接数^[22]、存储空间上限调整^[23]等功能

文档数据库 MongoDB 支持包年包月实例转为按量计费实例^[24]、支持更多监控指标^[25]

AWS(亚马逊云)

Amazon RDS 在数据库预览环境中支持 MySQL 9.3 ^[50]

Amazon RDS for Db2 支持待机模式下的跨区域副本^[51]

腾讯云

云数据库 MySQL、TDSQL-C MySQL 针对数据库审计优化了配置日志投递至 Ckafka 成功后的界面展示等功能^[64]

参考链接

[1] https://mp.weixin.qq.com/s/jEDXFwRYtAWmZ11HV-W-1w

[4] https://help.aliyun.com/zh/rds/apsaradb-rds-for-mysql/the-sla-for-rds-instances-deployed-across-multiple-zones-is-increased

[5] https://help.aliyun.com/zh/rds/apsaradb-rds-for-postgresql/assured-serverless-apsaradb-rds-for-postgresql-instances-in-public-preview

[6] https://help.aliyun.com/zh/rds/apsaradb-rds-for-postgresql/release-notes-for-alipg

[7] https://help.aliyun.com/zh/rds/apsaradb-rds-for-postgresql/global-active-database/

[8] https://help.aliyun.com/zh/rds/apsaradb-rds-for-postgresql/product-function-change-general-cloud-disk-benchmark-io-performance-improvement

[10] https://help.aliyun.com/zh/rds/apsaradb-rds-for-sql-server/configure-ssl-encryption-for-an-apsaradb-rds-for-sql-server-instance

[14] https://azure.microsoft.com/updates?id=496292

[17] https://azure.microsoft.com/updates?id=496125

[20] https://cloud.google.com/sql/docs/mysql/upgrade-major-db-version-inplace

[21] https://www.volcengine.com/docs/6357/1578691

[22] https://www.volcengine.com/docs/6357/1578663

[23] https://www.volcengine.com/docs/6357/73614

[24] https://www.volcengine.com/docs/6447/71015

[25] https://www.volcengine.com/docs/6447/1555171

[46] https://docs.oracle.com/iaas/releasenotes/autonomous-database-serverless/2025-06-data-studio-enhancements-2.htm

[47] https://docs.oracle.com/iaas/releasenotes/autonomous-database-serverless/2025-06-select-ai-enhancements-1.htm

[50] https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/MySQL.Concepts.VersionMgmt.html#mysql-preview-environment-version-9-3

[51] https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/db2-replication.html

[64] https://cloud.tencent.com/document/product/236/81406

[65] https://cloud.tencent.com/document/product/1003/61568
云数据库行业动态@2025-06-06

2025-06-06
标题：MariaDB收购高可用产品Galera;ClickHouse融资$3.5亿;Snowflake $2.5亿收购Crunchy Data

重要更新

在Databricks以10 亿美元收购Neon后，Snowflake以2.5亿美元收购Crunchy Data，一家深度PostgreSQL产品服务商。来自“fairchild”的评论：“它预示着AI Agent将成为数据库资源的主要消费者和创建者，这将从根本上改变数据库的交互模式——从人类驱动转变为机器驱动”。^[2]

MariaDB 宣布收购高可用产品 Galera Cluster。这两个产品一直以来合作紧密，MariaDB通过此次收购，可以向客户提供更具竞争力的企业级高可用方案；而对于Galera Cluster则可以获得更多可靠的客户。^[1]

ClickHouse 宣布融资3.5亿美元C轮融资，本次融资将主要用于全球化业务推进、AI与分析能力增强等方向。

其他建议关注的重要更新：

Amazon Neptune 宣布推出 MCP（模型上下文协议）服务器^[75]

TDSQL-C MySQL 版发布全球数据库功能，帮助企业构建高可用、低延迟、强一致的全球数据库架构。^[83]

Aurora DSQL 现已全面GA ^[78]

更新详情

阿里云

RDS MySQL标准版高可用云盘主实例新增128核512 GB规格（mysql.x4.16xlarge.2c）。^[4]

RDS PostgreSQL支持创建集群系列实例。集群系列实例采用计算与存储分离、一主多备的架构^[5]

RDS SQL Server新增异地容灾功能，该功能基于SQL Server分布式可用性组（Distributed Availability Groups，DAG）和DTS跨地域网络能力 ^[6]

Azure(微软云)

Azure Database for PostgreSQL 在 PG 17 中支持 pg_cron 扩展 ^[9]

Azure Database for PostgreSQL 的 SSD v2 支持高可用性 ^[11]

Azure Database for PostgreSQL 支持原地升级到 PostgreSQL 17 ^[12]

Azure Cosmos DB for MongoDB (vCore) 触发器和 Azure Functions 的绑定 ^[14]

GCP(谷歌云)

Cloud SQL for SQL Server 现在提供最大服务器内存推荐功能 ^[35]

Spanner 现已支持 BigQuery 的跨区域联合查询，这使得 BigQuery 用户能够从其 BigQuery 区域以外的区域查询 Spanner 表^[36]

您现在可以通过 BigQuery Sharing 功能共享 Pub/Sub 流数据^[39]

Cloud SQL for SQL Server 现在将查询洞察和索引顾问支持扩展至读副本^[43]

Oracle云

HeatWave 支持版本 9.3.1^[50]

火山云(字节)

云数据库 MySQL 版对于本地盘实例，当实例的 CPU 核数大于等于 8 时，支持为实例配置最大 8T 的存储空间。^[15]

云数据库 MySQL 版为 MySQL 5.7 实例提供 Statement Outline 能力 ^[16]

云数据库 MySQL 版默认支持 InnoDB 存储引擎，不支持 MyISAM、Memory 或 Archive 存储引擎。并支持自动转换为 InnoDB 存储引擎的功能。^[17]

云数据库 PostgreSQL 支持克隆数据库^[18]

云数据库 PostgreSQL 支持创建逻辑备份并支持下载与恢复^[19]

云数据库 SQL Server 支持在创建数据库账号时指定 Login SID ^[20]

缓存数据库 Redis 版支持 512MiB 规格 ^[21]

缓存数据库 Redis 版开放 Proxy 自研命令^[22]

文档数据库 MongoDB 版新增支持将包年包月实例转换为按量计费实例 ^[51]

百度云

GaiaDB 更新相应计算节点规格集群的磁盘最大存储容量^[59]

Redis内存型支持清空过期数据^[60]

AWS(亚马逊云)

((2025-05-30)) Performance Insights 的生命周期结束信息(End-of-life information for Performance Insights)^[61]

RDS 支持 MariaDB 10.11.13 和 11.4.7 ^[62]

Amazon RDS for PostgreSQL 扩展支持版本 R2 11.22-rds.20250508 和 12.22-rds.20250508^[66]

成本优化中心支持针对 Amazon Aurora 的建议^[71]

Amazon Neptune 数据库现已在 AWS 加拿大西部（卡尔加里）和亚太地区（墨尔本）区域推出^[74]

Amazon Neptune 宣布推出 MCP（模型上下文协议）服务器^[75]

Aurora DSQL 现已全面推出^[78]

腾讯云

云数据库 MySQL 发布新版本 CPU 弹性扩容功能，支持自动及自定义扩展 CPU，可轻松应对突发压力，保障线上业务稳定性^[81]

TDSQL-C MySQL 版发布全球数据库功能，帮助企业构建高可用、低延迟、强一致的全球数据库架构。^[83]

TDSQL-C MySQL 版8.0内核版本更新3.1.16.001，提升数据库性能与稳定性。^[84]

参考链接

[1] https://www.businesswire.com/news/home/20250527634819/en/MariaDB-Acquires-Galera-Cluster

[2] https://www.wsj.com/articles/snowflake-to-buy-crunchy-data-for-250-million-233543ab

[3] https://clickhouse.com/blog/clickhouse-raises-350-million-series-c-to-power-analytics-for-ai-era

[4] https://help.aliyun.com/zh/rds/apsaradb-rds-for-mysql/primary-apsaradb-rds-for-mysql-instance-types

[5] https://help.aliyun.com/zh/rds/apsaradb-rds-for-postgresql/rds-cluster-edition#cba0a8c4138u7

[6] https://help.aliyun.com/zh/rds/apsaradb-rds-for-sql-server/geo-disaster-recovery/

[9] https://azure.microsoft.com/updates?id=495130

[11] https://azure.microsoft.com/updates?id=491483

[12] https://azure.microsoft.com/updates?id=495135

[14] https://azure.microsoft.com/updates?id=491267

[19] https://www.volcengine.com/docs/6438/1554707

[20] https://www.volcengine.com/docs/6899/1253611

[21] https://www.volcengine.com/docs/6293/72111

[49] https://docs.oracle.com/iaas/releasenotes/mysql-database/heatwave-rest.htm

[50] https://docs.oracle.com/iaas/releasenotes/mysql-database/heatwave-931.htm

[51] https://www.volcengine.com/docs/6447/1555171

[59] https://cloud.baidu.com/doc/GaiaDB/s/elt5qt0i9

[60] https://cloud.baidu.com/doc/SCS/s/ym10cc9fw

[61] https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/USER_PerfInsights.html

[62] https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/MariaDB.Concepts.VersionMgmt.html

[66] https://aws.amazon.com/about-aws/whats-new/2025/06/amazon-rds-postgresql-extended-support-versions-r2-11-22-rds-20250508-12-22-rds-20250508

[71] https://aws.amazon.com/about-aws/whats-new/2025/06/cost-optimization-hub-recommendations-amazon-aurora

[74] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-neptune-database-aws-calgary-melbourne-regions

[75] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-neptune-mcp-server

[78] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-aurora-dsql-generally-available/

[81] https://cloud.tencent.com/document/product/236/96835

[83] https://cloud.tencent.com/document/product/1003/118899

[84] https://cloud.tencent.com/document/product/1003/61515
使用Oracle云上的MySQL 9.x作为向量存储

2025-05-25
MySQL的向量处理现状

向量数据库或者说向量处理是，个人认为，最为重要数据库AI能力。目前，各个数据库都在围绕着向量数据库构建更为丰富的LLM/AI相关功能。而MySQL 9最为重要的特性之一就是新增了向量处理能力。当前的版本主要包括了：(a) 向量数据类型；(b) 简单的向量处理函数。其中部分向量处理函数放在了MySQL的企业版或云版本中。

因为当前MySQL 9系列的版本均为创新版（并不是稳定版），所以相关功能还会不断的迭代和发展。期待未来做出更多丰富功能：(a) 新增向量相似性搜索功能；(b) 并将完整的向量处理能力放到社区版中。后续依旧会持续关注这部分的产品能力。

本文测试环境为Oracle Cloud，你可以参考在 Oracle 云上免费测试数据库^[3]文中创建一个免费的MySQL实例进行测试。

MySQL中的向量数据类型

向量数据存储

在MySQL 9中新增了数据类型vector用来存储向量数据^[1]，简单的使用方式如下：

create table vector_t01 ( id int, s_v_01 vector(390), s_v_02 vector(390) );

这里表示s_v_01、s_v_02均为390维的向量，每个维度在MySQL中使用4 bytes的单精度浮点类型存储。

写入向量数据

为了测试使用方便，这里使用string_to_vector对向量进行转换并进行存储：

insert into vector_t01 values (1,string_to_vector('[1,2,3]'),string_to_vector('[4,5,6]'));

查询向量数据

使用 VECTOR_TO_STRING

使用 SELECT 直接查询向量数据的话，则返回的是二进制形式，可以使用函数VECTOR_TO_STRING做一次转换：

select id,VECTOR_TO_STRING(s_v_01),VECTOR_TO_STRING(s_v_02) FROM vector_t01; +------+---------------------------------------+---------------------------------------+ | id | VECTOR_TO_STRING(s_v_01) | VECTOR_TO_STRING(s_v_02) | +------+---------------------------------------+---------------------------------------+ | 1 | [1.00000e+00,2.00000e+00,3.00000e+00] | [4.00000e+00,5.00000e+00,6.00000e+00] | +------+---------------------------------------+---------------------------------------+

如果不使用VECTOR_TO_STRING则返回的是底层的二进制存储内容：

select id,s_v_01,s_v_02 FROM vector_t01; +------+--------------+--------------+ | id | s_v_01 | s_v_02 | +------+--------------+--------------+ | 1 | �? @ @@ | �@ �@ �@ | +------+--------------+--------------+

十六进制查询

如果使用十六进制展示，则有：

select id,hex(s_v_01),hex(s_v_02) FROM vector_t01; +------+--------------------------+--------------------------+ | id | hex(s_v_01) | hex(s_v_02) | +------+--------------------------+--------------------------+ | 1 | 0000803F0000004000004040 | 000080400000A0400000C040 | +------+--------------------------+--------------------------+

这里的0000803F0000004000004040一共是3个bytes，每个byte表示一个分量，例如：0000803F表示第一个分量，即为单精度浮点型的1.0（感兴趣的可以尝试做个转换，这里不再详述）。

计算向量距离

目前，MySQL 支持最为常见的“距离”的计算，具体包括：点积（默认）、欧式距离、余弦距离的计算：

-- s_v_01: (1,2,3) -- s_v_01: (4,5,6) SELECT DISTANCE(s_v_01,s_v_02,"DOT") as dis_dot, DISTANCE(s_v_01,s_v_02,"COSINE") as dis_cos, DISTANCE(s_v_01,s_v_02,"EUCLIDEAN") as dis_ecu FROM vector_t01; +---------+----------------------+-------------------+ | dis_dot | dis_cos | dis_ecu | +---------+----------------------+-------------------+ | 32 | 0.025368213653564453 | 5.196152210235596 | +---------+----------------------+-------------------+

需要注意的是，目前该距离计算函数（DISTANCE^[2]）仅在Oracle Cloud或MySQL企业版本中提供。后续还将持续关注MySQL所提供的向量产品能力、以及其他GenAI相关功能。

参考链接

[1] MySQL 9.0 Reference Manual :: 13.3.5 The VECTOR Type

[2] MySQL 9.1 Reference Manual :: 14.21 Vector Functions

[3] 在 Oracle 云上免费测试数据库
云数据库行业动态@2025-05-23

2025-05-23
标题：OceanBase发布PowerRAG 、共享存储和桌面版;AWS支持PostgreSQL 18;庆祝MySQL 30活动将与成都举行

重要更新

OceanBase发布PowerRAG 、共享存储和桌面版^[1]。其中PowerRAG功能是由OB Cloud上的OceanBase提供的全新功能，支持文档存储、分片到向量检索等功能^[2]；“共享存储”则可以更好的适配各类云存储架构；桌面版则可以在2c6g的环境完成OceanBase部署与体验。

ACMUG（中国MySQL用户组）组织的庆祝MySQL 30周年，暨ACMUG年度分享，将于23~24日于成都举行，感兴趣的可以去现场与MySQLer们面基。时间：5月23日-24日（13:00-17:50）；地址：成都市武侯区吉庆四路188号IMC国际广场成都书声科技(叫叫)四楼演播厅^[3]。

更新详情

阿里云

RDS MySQL全球多活数据库（GAD）支持更多海内外地域。^[4]

RDS MySQL标准版云盘只读实例新增128核512 GB规格。^[5]

RDS PostgreSQL的大版本升级功能在蓝绿部署和本地升级等模式的基础上，新增了零停机模式^[6]

RDS SQL Server新增监控指标sqlserver.alwayson_lagsecs^[7]

Azure(微软云)

Cosmos DB支持使用 DiskANN 进行过滤向量搜索^[10]

Azure Backup 为 Azure Database for PostgreSQL 提供存储备份^[11]

Azure SQL支持JSON 索引^[13]

DocumentDB 中支持向量搜索^[20]

Cosmos DB 支持全局二级索引^[22]

GCP(谷歌云)

Spanner 现已支持 BigQuery 的跨区域联合查询^[32]

BigQuery 发布“连续查询”允许您构建长期有效、连续处理的 SQL 语句，这些语句可以实时分析、处理 BigQuery 中传入的数据并执行机器学习 (ML) 推理。^[33]

Cloud SQL for MySQL 现已支持次要版本 8.0.42^[39]

Spanner 支持创建预过滤向量索引，该索引仅索引数据库中符合特定过滤条件的行。使用预过滤向量索引可以将搜索限制为仅适用于满足过滤条件的行，从而提高近似最近邻 (ANN) 搜索器的性能和召回率 ^[42]

Oracle云

HeatWave支持更完整的网络安全组功能^[43]

AWS(亚马逊云)

Aurora、RDS 支持查看开源引擎主要版本的支持日期^[45]

RDS 支持 MariaDB 10.5.29 和 10.6.22 ^[47]

Aurora Global Database 引入了对最多 10 个辅助区域集群的支持^[48]

PostgreSQL 18 Beta 1 现已在 Amazon RDS 数据库预览环境中推出^[59]

参考链接

[1] https://mp.weixin.qq.com/s/Ax8Iov00ebfjsCy3Afub_Q

[2] https://www.oceanbase.com/docs/common-oceanbase-cloud-1000000002951473

[3] https://mp.weixin.qq.com/s/3dDU3PH9huyJytM_g3t93w

[4] https://help.aliyun.com/zh/rds/apsaradb-rds-for-mysql/what-is-a-global-active-database/

[5] https://help.aliyun.com/zh/rds/apsaradb-rds-for-mysql/read-only-apsaradb-rds-for-mysql-instance-types

[6] https://help.aliyun.com/zh/rds/apsaradb-rds-for-postgresql/upgrade-the-major-engine-version-of-an-apsaradb-rds-for-postgresql-instance/

[7] https://help.aliyun.com/zh/rds/apsaradb-rds-for-sql-server/view-standard-monitoring

[10] https://azure.microsoft.com/updates?id=491237

[11] https://azure.microsoft.com/updates?id=491576

[13] https://azure.microsoft.com/updates?id=494265

[20] https://azure.microsoft.com/updates?id=492016

[22] https://azure.microsoft.com/updates?id=491257

[32] https://cloud.google.com/bigquery/docs/spanner-federated-queries#cross_region_queries

[33] https://cloud.google.com/bigquery/docs/continuous-queries-introduction

[39] https://cloud.google.com/sql/docs/mysql/upgrade-minor-db-version

[42] https://cloud.google.com/spanner/docs/find-approximate-nearest-neighbors#filter-vector-index

[43] https://docs.oracle.com/iaas/releasenotes/mysql-database/heatwave-nsg.htm

[45] https://docs.aws.amazon.com/AmazonRDS/latest/AuroraUserGuide/extended-support-viewing-support-dates.html

[47] https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/MariaDB.Concepts.VersionMgmt.html

[48] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-aurora-global-database-support-10-secondary-region-clusters

[59] https://aws.amazon.com/about-aws/whats-new/2025/05/postgresql-18-beta-1-amazon-rds-database-preview/

[60] https://aws.amazon.com/about-aws/whats-new/2025/05/aws-transform-net-generally-available

在Schema-Less场景下使用MySQL：MySQL JSON Path的使用

2025-05-18

随着 MySQL 对 JSON 类型的原生支持，操作 JSON 数据已变得非常高效与强大。在过去数年的版本中，MySQL 也在不断地增强 JSON 处理相关的功能。在 JSON 处理中需要非常频繁的使用“JSON Path” 语法，而这部分又是略微复杂的部分，本文将系统的介绍如何在 MySQL 中使用 JSON Path，包括语法规则、各种通配符用法、递归匹配等高级技巧，并通过丰富示例帮助开发者快速掌握。

什么是 JSON Path？

JSON Path 是一种表示法，用来描述如何在 JSON 文档中定位数据。类似于文件系统路径，JSON Path 指引着从 JSON 根节点出发，逐步深入结构内部。在 MySQL 中，几乎所有的 JSON相关的函数都会使用到，包括：JSON_EXTRACT()、JSON_SET()、JSON_REPLACE()、JSON_REMOVE()、JSON_CONTAINS()等。

我们看到的场景的写法类似于：$.name、$.colors[0]、$.store**.price等。

基础语法说明

JSON Path的基础语法，遵循以下规则：

$：表示 JSON 文档的根节点。
.：用于访问对象中的属性。
["key"]：另一种访问对象属性的方式，适合处理特殊字符的 key。
[index]：访问数组中的元素。
*：通配符，匹配所有子元素。
**：递归通配符，匹配所有嵌套层级的元素
[start to end]：数组范围选择

JSON Path 基本示例

示例表与示例数据

创建带 JSON字段的表，并写入数据：

CREATE TABLE t1 (
    id INT PRIMARY KEY AUTO_INCREMENT,
    data JSON
);

INSERT INTO t1 (data) VALUES
('{
  "name": "Alice",
  "age": 25,
  "email": "alice@example.com"
}');

提取对象字段

这里使用基本的$.name引用根节点中属性为name的对象，示例如下：

mysql> SELECT JSON_EXTRACT(data, '$.name') FROM t1;
+------------------------------+
| JSON_EXTRACT(data, '$.name') |
+------------------------------+
| "Alice"                      |
+------------------------------+
1 row in set (0.00 sec)

也可以使用如下等价的写法data->'$.name'：

mysql> SELECT data->'$.name' FROM t1;
+----------------+
| data->'$.name' |
+----------------+
| "Alice"        |
+----------------+

访问数组元素

初始化如下数据：

-- truncate table t1;

INSERT INTO t1 (data) VALUES
('{
  "colors": ["red", "green", "blue"]
}');

先访问colors属性，再查找该数组对象的第一个元素（注意：编号是0），故 JSON Path 为$.colors[0]，示例如下：

mysql> SELECT data->'$.colors[0]' AS first_color FROM t1;
+-------------+
| first_color |
+-------------+
| "red"       |
+-------------+

访问数组的范围

除了像上述展示的，可以使用数值访问数组外，还可以使用0 to 1这样的语法表示一个范围，并访问数组中的多个元素：

mysql> SELECT data->'$.colors[0 to 1]' AS first_color FROM t1;
+------------------+
| first_color      |
+------------------+
| ["red", "green"] |
+------------------+

mysql> SELECT data->'$.colors[1 to 1]' AS first_color FROM t1;
+-------------+
| ["green"]   |
+-------------+

mysql> SELECT data->'$.colors[1 to 2]' AS first_color FROM t1;
+-------------------+
| ["green", "blue"] |
+-------------------+

使用通配符

准备示例数据

为了展示相关的示例，这里先给出一个更为复杂的示例数据：

CREATE TABLE t1 (
    id INT PRIMARY KEY AUTO_INCREMENT,
    data JSON
);
-- truncate table t1;

INSERT INTO t1 (data) VALUES
('{
  "store": {
    "book": [
      {
        "category": "fiction",
        "title": "Harry Potter",
        "price": 29.99
      },
      {
        "category": "fiction",
        "title": "Lord of the Rings",
        "price": 49.99
      }
    ],
    "bicycle": {
      "color": "red",
      "price": 19.95
    }
  }
}');

使用通配符查询所有book

则可以使用如下的搜索表达式：$.store.book[*]：

SELECT data->'$.store.book[*]' AS all_books 
FROM t1;

mysql> SELECT data->'$.store.book[*]' AS all_books
    -> FROM t1;
+--------------------------------------------------------------+
| all_books                                                    |
+--------------------------------------------------------------+
| [{"price": 29.99, "title"...}, {"price": 49.99, "title"...}] |
+--------------------------------------------------------------+

这里比较容易错误的写成：$.store.book.*、$.store.book.[*]或$.store.book*。

使用通配符递归查询

列出所有书店中的书名

依旧使用上述的数据，这里可以使用递归的通配符（**）查询结构中所有title属性的取值，则'$.store**.title'：

SELECT data->'$.store**.title' AS all_books 
FROM t1;
+---------------------------------------+
| all_books                             |
+---------------------------------------+
| ["Harry Potter", "Lord of the Rings"] |
+---------------------------------------+

当然，也可以改成直接从“根”处开始递归查找，即$**.title

mysql> SELECT data->'$**.title' AS all_books  FROM t1;
+---------------------------------------+
| all_books                             |
+---------------------------------------+
| ["Harry Potter", "Lord of the Rings"] |
+---------------------------------------+

类似的，我们还可以取出所有的价格：

SELECT 
  data->'$.store**.price' AS book_prices 
FROM t1;
+-----------------------+
| book_prices           |
+-----------------------+
| [29.99, 49.99, 19.95] |
+-----------------------+

小结

熟悉 MySQL JSON Path Syntax 可以让开发者更加高效操作 JSON 数据。更多参考：

The JSON Data Type @ MySQL Reference Manual

云数据库行业动态@2025-05-16

2025-05-16
标题: OceanBase创始人阳老师荣誉退休，致敬并祝福;Databricks10亿美金收购创新数据库Neon;MySQL 30周年中国区活动下周举行

重点更新

OceanBase创始人阳老师荣誉退休，致敬并祝福^[11]。

Redis 从SSPL协议改成更被社区接受的AGPL协议，并发布 8.0 版本^[10]。

Databricks 持续并购，将以 10 亿美元收购极具创新架构的开源数据库 Neon^[1][2] 。Neon 提供了Serverless、扩展能力极强、具备非常好的AI特性的数据库服务，Neon 在架构上最大限度的利用了云基础设施能力，如对象存储的性能/持久性/扩展性/可复制性等、EC2的快速扩展/随时可用等，再叠加了PostgreSQL极强的生态能力。

MySQL 30周年中国区活动将于下周再成都举行，感兴趣的可以去现场围观^[3]。时间：5月23日-24日（13:00-17:50）；地址：成都市武侯区吉庆四路188号IMC国际广场成都书声科技(叫叫)四楼演播厅^[3]。

其他值得关注的产品更新包括：

Google MCP 数据库工具箱支持 Bigtable 连接器 ^[63]

OCI上Oracle Database 23ai 支持使用数据库内转换模型与 Select AI RAG 结合使用，简化向量模型处理^[84]

更新详情

阿里云

RDS MySQL标准版云盘只读实例新增128核512 GB规格（mysqlro.x4.16xlarge.1c）[x]。

RDS MySQL 高可用系列升级为集群系列—高可用系列升级为集群系列时支持保留数据库代理。^[4]

Azure(微软云)

Cosmos DB for MongoDB 中的数据 API 发布 ^[5]

GCP(谷歌云)

BigQuery 新增多项 SQL 功能中^[9]

Bigtable Studio 支持导出查询结果 ^[13]

AlloyDB 支持在 AlloyDB Studio 中使用 IAM 身份验证 ^[27]

支持使用 Cloud SQL for PostgreSQL 备份迁移到 AlloyDB for PostgreSQL^[39]

Dataflow 支持构建向量嵌入的提取、转换和加载 (ETL) 数据到AlloyDB ^[41]

Cloud SQL Enterprise Plus 版支持AI 辅助故障排除 ^[44]

Google MCP 数据库工具箱支持 Bigtable 连接器 ^[63]

Oracle云

Oracle Database 23ai 支持使用数据库内转换模型与 Select AI RAG 结合使用，简化向量模型处理^[84]

火山云(字节)

云数据库 MySQL 支持恢复数据至原实例和批量回档场景下，支持极速恢复，加速恢复任务，提升整体恢复效率^[8]。

MongoDB 新增支持设置默认白名单，设置默认白名单后，新建实例时会自动选中默认白名单。^[89]

MongoDB 事件中心新增支持展示事件描述信息，当执行了按备份文件恢复新实例、按时间点恢复到新实例或恢复已删除实例操作后，您可以在事件中心找到对应的事件操作，并在事件描述中查看源实例和新实例的实例 ID 信息。^[90]

百度云

((2025-5-9)) PegaDB支持本地盘^[94]

AWS(亚马逊云)

RDS 支持 MySQL 8.0.42^[95] 8.4.5 ^[96]

Aurora MySQL 3.09（兼容 MySQL 8.0.40）现已正式发布^[99]

Aurora 和 RDS for PostgreSQL、MySQL 和 MariaDB 现提供 R8g 和 M8g 实例的预留实例^[101]

Aurora 和 RDS for PostgreSQL、MySQL 和 MariaDB 现提供适用于 R7i 和 M7i 实例的预留实例^[102]

RDS for PostgreSQL 支持次要版本 17.5、16.9、15.13、14.18 和 13.21^[109]

Aurora PostgreSQL Limitless 数据库现在支持 PostgreSQL 16.8^[111]

腾讯云

TDSQL-C MySQL 版、云数据库 MySQL发布数据库代理版本1.3.17。^[124][130]

TDSQL-C MySQL、云数据库 MySQL 只读分析引擎发布了全新内核版本1.2404.24.0与2.2410.6.0。^[125]

云数据 MySQL 支持备份保留设置功能，可避免实例误删除导致备份被立即销毁，确保数据可追溯和可恢复性。^[126]

TDSQL-C MySQL 版、云数据库 MySQL 只读分析引擎实例支持对实例配置进行变更。^[127][132]

TDSQL-C MySQL 版、云数据库 MySQL 只读分析引擎实例支持了多节点高可用能力。^[128][133]

TDSQL-C MySQL 版、云数据库 MySQL 只读分析引擎实例支持了配置告警能力。^[129][134]

((2025-05-09)) 云数据库 SQL Server 支持表级别账号授权，可针对某一个账号对表的权限进行授予^[135]

参考链接

[1] https://www.reuters.com/technology/databricks-buy-startup-neon-1-billion-wsj-reports-2025-05-14/

[2] https://www.databricks.com/blog/databricks-neon

[3] https://mp.weixin.qq.com/s/V3NN1LOqRObScudH-aZVYA

[4] https://help.aliyun.com/zh/rds/apsaradb-rds-for-mysql/upgrade-an-apsaradb-rds-for-mysql-instance-from-rds-high-availability-edition-to-rds-cluster-edition

[5] https://azure.microsoft.com/updates?id=491008

[6] https://azure.microsoft.com/updates?id=490995

[7] https://azure.microsoft.com/updates?id=489702

[8] https://www.volcengine.com/docs/6313/171450

[9] https://cloud.google.com/bigquery/docs/reference/standard-sql/data-types#group_with_structs

[10] https://antirez.com/news/151

[11] https://mp.weixin.qq.com/s/j-CgF6CaP-kylz7aB2gWxA

[13] https://cloud.google.com/bigtable/docs/manage-data-using-console

[27] https://cloud.google.com/alloydb/docs/manage-data-using-studio#authentication

[39] https://cloud.google.com/sql/docs/postgres/backup-recovery/migrate-cloud-sql-to-alloydb

[41] https://cloud.google.com/alloydb/docs/ai/build-etl-pipeline-alloydb-dataflow

[84] https://docs.oracle.com/iaas/releasenotes/autonomous-database-serverless/2025-05-indb-transformer-with-select-ai-rag.htm

[89] https://www.volcengine.com/docs/6447/101172

[90] https://www.volcengine.com/docs/6447/100903

[94] https://cloud.baidu.com/doc/SCS/s/Illxg0vy4

[95] https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/MySQL.Concepts.VersionMgmt.html

[96] https://docs.aws.amazon.com/AmazonRDS/latest/UserGuide/MySQL.Concepts.VersionMgmt.html

[99] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-aurora-mysql-3-09-compatible-mysql-8-0-40-generally-available

[101] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-aurora-rds-postgresql-mysql-mariadb-reserved-instances-8g-m8g

[102] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-aurora-rds-postgresql-mysql-mariadb-reserved-instances-r7i-m7i

[109] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-rds-postgresql-supports-new-minor-versions/

[111] https://aws.amazon.com/about-aws/whats-new/2025/05/amazon-aurora-postgresql-limitless-database-postgresql-16-8

[124] https://cloud.tencent.com/document/product/236/89741

[125] https://cloud.tencent.com/document/product/236/115774

[126] https://cloud.tencent.com/document/product/236/118344

[127] /document/product/236/118296

[128] /document/product/236/118297

[129] /document/product/236/117338

[130] https://cloud.tencent.com/document/product/1003/89751

[131] https://cloud.tencent.com/document/product/1003/109576

[132] /document/product/1003/118299

[133] /document/product/1003/118300

[134] /document/product/1003/115672

[135] https://cloud.tencent.com/document/product/238/43236

云数据库行业动态@2025-06-20

重要更新

更新详情

Azure(微软云)

GCP(谷歌云)

Oracle云

火山云(字节)

AWS(亚马逊云)

腾讯云

参考链接

云数据库行业动态@2025-06-06

重要更新

更新详情

阿里云

Azure(微软云)

GCP(谷歌云)

Oracle云

火山云(字节)

百度云

AWS(亚马逊云)

腾讯云

参考链接

使用Oracle云上的MySQL 9.x作为向量存储

MySQL的向量处理现状

MySQL中的向量数据类型

向量数据存储

写入向量数据

查询向量数据

使用 VECTOR_TO_STRING

十六进制查询

计算向量距离

参考链接

云数据库行业动态@2025-05-23

重要更新

更新详情

阿里云

Azure(微软云)

GCP(谷歌云)

Oracle云

AWS(亚马逊云)

参考链接

在Schema-Less场景下使用MySQL：MySQL JSON Path的使用

什么是 JSON Path？

基础语法说明

JSON Path 基本示例

示例表与示例数据

提取对象字段

访问数组元素

访问数组的范围

使用通配符

准备示例数据

使用通配符查询所有book

使用通配符递归查询

列出所有书店中的书名

小结

云数据库行业动态@2025-05-16

重点更新

更新详情

阿里云

Azure(微软云)

GCP(谷歌云)

Oracle云

火山云(字节)

百度云

AWS(亚马逊云)

腾讯云

参考链接