查看 Markdown在金融行业数字化转型与信创建设持续推进的背景下，如何让国产数据库更好地支撑海量数据检索、实时分析与智能应用，成为越来越多企业关注的话题。
8 月 7 日，围绕 “达梦数据库 × Easysearch 金融行业搜索与分析加速方案”，我们开展了一场技术主题分享与交流活动。 由 极限科技技术专家杨帆 从金融行业实际业务需求出发，深入介绍了 达梦数据库与 Easysearch 的协同架构，并围绕数据同步、查询卸载、性能优化以及国产化生态合作等问题，与参会伙伴展开了深入交流。
本次分享的核心方案，是通过 “达梦数据库 + CDC 实时同步 + Easysearch” 构建事务与检索分析分离的架构：达梦继续承担核心事务处理和主数据管理，Easysearch 则承接全文搜索、海量数据检索、多维分析以及 AI 检索等场景，让两套系统各司其职，共同提升数据服务能力。
一、为什么需要“数据库 + 搜索引擎”？ #
传统关系型数据库在 OLTP 场景下具有强一致性、事务处理和数据管理等优势，但当业务逐渐面临海量数据全文检索、多维聚合分析以及复杂搜索体验等需求时，单纯依赖数据库往往会面临新的挑战。
例如在金融场景中，交易明细、合同与制度文件、客户信息、日志数据等都需要被快速检索；与此同时，大量报表、聚合分析和历史数据查询又可能与核心交易业务争抢 CPU、IO 等资源。
分享中提到，达梦擅长 OLTP 事务处理、强一致性、数据安全与审计等能力，而在全文检索、相关性排序以及海量检索分析等方面，则可以通过 Easysearch 进行能力补充。
因此，方案的核心思路并不是简单地“用 Easysearch 替换数据库”，而是：
让数据库专注事务，让搜索引擎专注搜索与分析。
达梦负责写入、更新、事务一致性以及主数据管理；Easysearch 则负责从海量数据中快速“找出来、关联起来”，承接搜索、聚合、向量检索及 AI 等查询型负载。
二、CDC：连接事务库与检索分析库的关键纽带 #
在这样的架构中，如何让达梦中的数据及时同步到 Easysearch，是大家非常关注的问题。
本次方案采用 CDC 实时同步 的方式，整体链路包括三个阶段：
全量同步 → 增量同步 → 持续运行
首先将达梦存量数据同步至 Easysearch，建立数据基线；随后通过 CDC 持续捕获 INSERT、UPDATE、DELETE 等数据变化，并实时同步到 Easysearch，最终形成持续运行的数据同步链路。
在分享介绍的测试验证中，达梦 DM8 × Easysearch 已完成兼容认证测试，全量同步和增量同步均验证通过；在 CDC 高压同步测试中，万级变更可在 30 秒内完成同步，并实现读写一致、无积压。
三、现场技术交流：从“方案介绍”走向“实际问题” #
相比单向的技术分享，本次活动更加精彩的部分，是分享结束后的互动交流。
围绕方案在真实生产环境中的落地，参会伙伴提出了多个非常有针对性的问题，分享老师也结合方案设计和实际经验进行了逐一解答。
1. CDC 延迟一般是多少？ #
CDC 是整个架构实现近实时数据同步的关键，因此大家首先关注了：
从达梦发生数据变更，到 Easysearch 可以查询到数据，中间通常存在多大的延迟？
这个问题实际上不仅涉及 CDC 本身，还与源端产生变更的速度、网络、同步任务处理能力以及目标端写入性能等多个因素相关。
在常规业务负载下，CDC 增量同步延迟可控制在秒级；如果业务变更量更高，可通过 Easysearch 动态扩容分片、增加 CDC 同步并发等方式进一步降低延迟，满足金融级近实时数据一致性要求。
2. 哪些查询适合留在达梦？哪些查询适合放到 Easysearch？ #
这是现场非常有代表性的一个问题。
实际上，“哪些数据进入 Easysearch”并不是简单按照表来划分，而更应该按照 业务访问模式和查询类型 来判断。
例如：
- 强事务、强一致性的核心业务操作，继续留在达梦；
- 精确查询、事务处理以及主数据维护，继续由达梦负责；
- 全文搜索、模糊查询、相关性排序等场景，可以交给 Easysearch；
- 海量数据检索、多维聚合分析、历史数据查询等，可以通过 Easysearch 进行查询卸载；
- 面向 AI 的向量检索、混合检索和 RAG 等场景，则可以进一步利用 Easysearch 的搜索能力。
这种“按负载类型进行职责分工”的方式，也是整个方案设计的核心。
3. 从搜索到分析：Easysearch 还能解决什么？ #
除了传统的全文检索，本次分享还介绍了 Easysearch 在海量数据分析、向量检索以及 AI 场景中的应用。
在全文搜索方面，Easysearch 支持 IK、拼音、HanLP 等中文分词能力，并提供 BM25 相关性评分、Function Score、高亮、同义词、搜索建议等能力。
在海量数据分析方面，则可以通过倒排索引、列式 Doc Values 以及聚合能力，承接交易明细分析、日志检索、客户行为分析以及风控等场景。
而在 AI 场景中，Easysearch 还可以进一步提供向量检索和全文检索融合能力，为 RAG、语义搜索、智能客服、推荐以及反欺诈等应用提供检索底座。
这意味着，数据库中的结构化数据经过同步之后，并不只是多了一个“搜索入口”，而是可以进一步形成 搜索、分析与 AI 多种数据服务能力。
4. 在国产数据库信创领域，达梦与 Easysearch 有哪些合作空间？ #
二者都是信创全栈适配的国产自主产品，合作空间非常广阔：
首先是联合解决方案落地：面向金融、运营商、政企等行业，提供“事务库 + 检索分析库”的信创标准架构，满足等保、密评要求，规避开源组件协议风险；
其次是国产化替代场景：Easysearch 可作为 Elasticsearch 的平滑替代产品，与达梦组合形成“去 IOE + 去开源 Elastic ”的全栈信创方案，目前已在中国移动、中国一汽等标杆项目中验证；
此外还有AI场景拓展：二者结合可支撑金融 RAG 知识库、智能风控、语义合规审查等 AI 应用，为信创环境下的智能化转型提供底座。
四、一次分享，也是一次技术碰撞 #
从达梦数据库到 Easysearch，从 CDC 到查询卸载，再到全文搜索、海量分析和 AI 检索，本次交流虽然围绕的是一个具体的技术方案，但大家讨论的其实是一个更加普遍的问题：
在信创和数字化转型背景下，如何让不同类型的数据基础设施发挥各自的优势，并最终服务于业务？
达梦与 Easysearch 的组合，并不是简单的“1+1”，而是通过职责分离，让事务处理、数据管理、搜索、分析和 AI 各自发挥所长。
技术分享有终点，技术交流没有终点。
感谢分享嘉宾的精彩内容，也感谢每一位参会伙伴的积极参与和深度交流。
期待下一次，我们继续围绕 搜索、数据库、数据分析、AI 与信创技术，碰撞出更多新的思路与实践。
达梦 × Easysearch，探索国产数据基础设施协同的新可能。
参考资源：
- PPT下载：https://searchkit.cn/slides/347
- 达梦官网：https://dameng.com
- Easysearch 官网：https://easysearch.cn
