🌊 面向 Agentic AI 的事件流
RisingWave 是一个面向 Agentic AI 的事件流处理平台。它持续从数据库、事件流和 Webhook 中摄取数据，进行增量处理，并以低延迟提供最新结果，用一个系统取代了传统的事件流处理技术栈（例如 Debezium + Kafka + Flink + 服务数据库）。
60 秒上手
curl -L https://risingwave.com/sh | sh有关 Docker、Kubernetes 及其他选项，请参阅快速入门指南。
问题
智能体（Agents）和实时应用需要始终新鲜且可低延迟查询的数据。标准方法将 Debezium 用于 CDC、Kafka 用于传输、Flink 用于处理，以及数据库用于服务串联起来。每一跳都会增加延迟，每个系统都会增加运维开销。
RisingWave 取代了整个技术栈：摄取、处理、服务、存储。
工作原理
从任意来源摄取
RisingWave 覆盖完整的数据谱系进行摄取：
- Webhooks：来自 SaaS 应用程序和外部系统的基于 HTTP 的事件摄取
- 数据库变更：通过读取事务日志，从 PostgreSQL、MySQL 及其他数据库进行原生 CDC
- 事件流：Kafka、Pulsar、Kinesis 及其他消息代理
- 历史数据：从 S3、数据仓库及其他存储系统进行批量摄取
所有来源都统一在相同的 SQL 接口之下。流和表可以自由连接。
持续处理
RisingWave 对摄取的数据执行增量计算。当上游数据发生变化时，仅重新计算受影响的结果。端到端的新鲜度低于 100 毫秒。
这是 RisingWave 所做一切背后的核心机制：始终最新的物化视图，无需在每次查询时进行全量重新计算。
低延迟服务
查询结果维护在 RisingWave 的内部行存储中，并以 10-20 毫秒的 p99 延迟提供服务。代理和应用程序使用标准 SQL 直接查询此层。无需轮询，无需缓存预热，无需 TTL 管理。
存储于 Apache Iceberg™
为了实现长期保留和分析访问，RisingWave 写入 Apache Iceberg™ 表。它直接托管 Iceberg REST catalog，并处理表维护——包括压缩、小文件优化和快照清理——无需外部工具。Iceberg 查询通过 Apache DataFusion 执行，这是一个向量化查询引擎。由于 Iceberg 是一种开放格式，数据也可被 Spark、Trino、DuckDB 及其他引擎读取。
行存储和 Iceberg 层服务于不同的目的：行存储用于低延迟服务，Iceberg 用于持久化、开放格式存储和分析查询。RisingWave 同时管理这两者。
用例
- 监控与告警：针对阈值对流式指标进行持续评估
- 特征存储：在相同管道上计算批处理和流式特征，并从同一系统提供服务
- 实时仪表盘：增量更新的物化视图，无需计划刷新
- 实时增强：在交付下游之前，将实时事件与历史参考数据在传输过程中进行关联
- 流式湖仓：向开放格式表进行持续、精确一次的数据摄入，并自动执行压缩和快照管理
设计决策
极致成本效率
内部状态、表和物化视图存储在对象存储（S3 或等效服务）中，其成本大约比 RAM 低 100 倍。这实现了无需数据再平衡的弹性扩展，并能在数秒内完成故障恢复。对于延迟敏感型工作负载，弹性磁盘缓存 将热数据固定在本地 SSD 或 EBS 上，使 p99 查询延迟保持在 10-20 ms。
面向人类和智能体的原生体验
RisingWave 通过 PostgreSQL 线协议连接，可与 psql、JDBC 以及任何兼容 Postgres 的工具配合使用。对于智能体，RisingWave 提供了 MCP 服务器、CLI 和 Skills，使智能体无需自定义集成即可查询和操作 RisingWave。
开放性
RisingWave 原生集成 Apache Iceberg™，支持持续流式摄取、通过 DataFusion 直接读取以及自动化的表维护。Iceberg 中的数据采用开放格式，任何兼容的查询引擎均可访问。
部署
RisingWave Cloud 是托管选项。
对于自托管：
社区
加入我们的 Slack 以提问、讨论和贡献。
Telemetry
RisingWave 使用 Scarf 进行匿名化的安装分析，并收集匿名使用统计信息以改进产品。两者均可选择退出。详情请参阅 telemetry 文档。
许可证
Apache License 2.0。参见 LICENSE。
贡献
参见 RisingWave 开发者指南。