基于湖库一体架构,统一管理结构化、半结构化与非结构化等多模态数据,一个系统承载事务处理、实时分析与 AI 工作负载。
逻辑表概述
更新时间:2026-11-16 20:22:57
本文档为逻辑表能力(Logical Table)的总概述文档,介绍其解决什么问题、基本概念,以及两类落地场景的差异。
逻辑表(Logical Table)是 OceanBase AI 数据库提供的一种数据组织方式。多个需要相互隔离的数据空间可以共用同一套底层物理表,通过 Namespace 区分彼此,而不必为每个空间单独建表。
背景
在常规用法中,业务上的一张表通常对应数据库中的一张物理表。当需要大量独立数据空间时(例如按用户、Agent、会话或应用划分),若仍为每个空间创建独立物理表,容易带来以下问题:
| 问题 | 说明 |
|---|---|
| 元数据负担加重 | 物理表数量随隔离空间增长,元数据管理成本上升,影响相关运维与查询开销。 |
| DDL 变更频繁 | 动态表结构或大量小应用场景下,频繁建表、改表会增加变更风险与运维复杂度。 |
| 存储难以复用 | 各隔离空间本可共用同一套物理存储与索引配置,却被拆到不同物理表中。 |
逻辑表的做法是:数据仍落在共享的物理表上,空间之间的隔离由 Namespace 完成,从而减少物理表数量与 DDL 压力。
对象模型
使用逻辑表时,对象层级如下。不同场景在 Namespace 之下存放的业务数据形态不同,上层隔离关系一致:
Client
└── Collection
└── Namespace
└── 业务数据
| 对象 | 说明 |
|---|---|
| Client | SDK 连接入口,用于连接数据库并管理 Collection。 |
| Collection | 顶层容器,对应一组共享的物理表及相关配置(如分区、索引等)。一个 Collection 下可以包含大量 Namespace。 |
| Namespace | 数据隔离的基本单元。不同 Namespace 的数据互不可见,读写在所属 Namespace 内完成。闪应用场景中,Namespace 对应 App。 |
| 业务数据 | Namespace 内实际存放的内容。Agent 混合搜索场景中是一条条固定结构的搜索记录;闪应用场景中为虚拟表及其行数据。 |
相关 SDK 需要开启 Namespace 模式后才能使用逻辑表(例如设置 use_namespace=True)。具体参数与调用方式见各场景文档。
落地场景
逻辑表是底层能力。当前文档按接口与数据模型分为以下两类场景。二者的隔离方式相同,但数据模型与 SDK 相互独立,不可混用。
| 对比项 | Agent 混合搜索场景 | 闪应用场景 |
|---|---|---|
| 适用场景 | Agent 记忆、知识库及多用户空间搜索 | 动态表结构、多应用虚拟表的 SQL 读写 |
| SDK | pyseekdb | json-table-sdk |
| 开发者如何读写 | 调用 SDK 的写入 / 查询接口;不必建表 | 先 CREATE TABLE 定义列,再 INSERT / SELECT 等 SQL |
| 一个 Namespace 里存什么 | 多条搜索记录。例如某 Agent 的若干条对话记忆,每条都有 id、文本、向量、元数据 | 用户自定义的多张表和行。例如一个小应用里可有 orders、users 等多张表(库内按 JSON 存放,用户侧仍按普通表使用) |
| 核心能力 | 向量搜索、全文搜索、混合搜索 | 虚拟表的创建与变更、SQL 读写、基于 JSON 的结构化查询、使用搜索索引进行查询加速 |
字段含义、索引、限制与操作示例等细节,见各场景文档。