Avis et détails du produit TiDB

Ce que j'aime le plus à propos de TiDB, c'est sa capacité à combiner l'évolutivité des systèmes NoSQL avec la fiabilité et la familiarité des bases de données SQL traditionnelles. Il me permet de faire évoluer horizontalement sans changer la logique de mon application, ce qui est très utile lors de la construction de projets en croissance. La compatibilité avec MySQL rend l'intégration fluide, et l'architecture distribuée assure une haute disponibilité et une forte cohérence. J'apprécie également la façon dont il gère efficacement de grands ensembles de données tout en maintenant de bonnes performances. Dans l'ensemble, il me donne la flexibilité d'un système distribué moderne sans sacrifier la simplicité du SQL. Avis collecté par et hébergé sur G2.com.

Une chose que je n'aime pas à propos de TiDB est que l'installation et la configuration initiales peuvent sembler complexes, surtout pour les débutants qui découvrent les bases de données distribuées. Comprendre comment les différents composants comme PD, TiKV et les serveurs TiDB fonctionnent ensemble prend du temps. Dans certains cas, l'optimisation des performances et le réglage nécessitent également une connaissance plus approfondie par rapport aux bases de données traditionnelles à nœud unique. De plus, la documentation peut sembler accablante car il existe de nombreuses options de déploiement et de mise à l'échelle à choisir. Avis collecté par et hébergé sur G2.com.

J'utilise TiDB comme base de données pour ma plateforme d'analyse boursière en temps réel, et cela résout pas mal de problèmes que j'ai rencontrés avec une seule grande instance de Postgres. TiDB fonctionne bien sous une charge lourde tout en surveillant un grand nombre d'actions. J'adore la compatibilité avec MySQL, ce qui a rendu la migration de Postgres à TiDB facile sans avoir besoin d'apprendre un nouveau cadre. La fonctionnalité HTAP élimine le besoin de pipelines ETL dédiés pour l'analyse, et la forte cohérence est cruciale pour des transactions financières précises. J'apprécie également la séparation du calcul par rapport au stockage, ce qui me permet de les faire évoluer indépendamment selon les besoins. La configuration initiale pour tester la migration a été facile, rendant la transition plus fluide pour mon équipe. Avis collecté par et hébergé sur G2.com.

- L'optimiseur de plan était parfois instable - L'interface utilisateur peut être améliorée - La courbe d'apprentissage de l'architecture distribuée est difficile Avis collecté par et hébergé sur G2.com.

J'utilise TiDB comme base de données principale pour mon projet de test LLM, AIBenchFlow, car il stocke de grands volumes de données de manière efficace. TiDB est excellent pour l'évolutivité, la performance et la cohérence, ce qui est crucial car mon projet exécute des milliers de tests simultanément. La compatibilité avec MySQL était un énorme avantage car elle a permis une intégration rapide sans avoir besoin d'apprendre une nouvelle pile technologique. J'aime vraiment l'architecture distribuée, qui rend l'évolutivité transparente, permettant à TiDB de s'étendre horizontalement sans beaucoup de mon attention. La fonctionnalité HTAP est fantastique car elle me permet d'exécuter des transactions et des analyses sur le même système, éliminant ainsi le besoin d'un pipeline séparé juste pour les analyses. La configuration initiale avec TiDB Cloud a été facile, et pendant la phase de test de la migration depuis MySQL, nous avons pu reproduire la configuration en une journée. Avis collecté par et hébergé sur G2.com.

Un domaine que je pense pouvoir être amélioré est la courbe d'apprentissage autour de son architecture distribuée. Bien que la documentation soit solide, elle peut sembler accablante au début. Des exemples concrets et adaptés aux débutants aideraient les novices comme moi. L'aspect le plus accablant était de comprendre comment ses composants - couche SQL, couche de stockage, etc. - fonctionnent ensemble dans un cluster distribué. De meilleurs diagrammes et vidéos pourraient aider un débutant comme moi. Puisque mon projet nécessite des analyses en temps réel et des transactions, des exemples plus concrets sur l'optimisation des performances seraient utiles. Avis collecté par et hébergé sur G2.com.

J'apprécie vraiment la flexibilité de TiDB. Il permet à notre système de croître sans nécessiter de grands changements dans la structure globale. Même lorsque nous ajoutons de nouvelles fonctionnalités comme plus d'agents, plus d'analyses et plus de personnalisation, la base de données ne ralentit pas les choses et ne devient pas un facteur limitant. Un autre aspect qui fonctionne très bien est la manière dont TiDB reste discret. Il n'est pas nécessaire de modifier constamment les paramètres ou de s'inquiéter de la mise à l'échelle à mesure que l'utilisation change. Ce type de fiabilité facile à maintenir est vraiment utile lorsque l'accent principal est mis sur l'orchestration de l'IA et l'expérience utilisateur, et non sur la gestion de la base de données elle-même. La configuration initiale a également été fluide et simple à ajouter à notre système cloud actuel, ce qui lui permet de s'intégrer bien dans l'écosystème plus large sans causer de travail ou de complexité supplémentaires. Avis collecté par et hébergé sur G2.com.

Le suivi et le contrôle des performances pourraient être plus conviviaux. Même si le système est solide, avoir des informations plus simples et plus ciblées aiderait les nouvelles startups ou les équipes de hackathon à apprendre plus rapidement. Avis collecté par et hébergé sur G2.com.

Je trouve TiDB incroyablement fiable, ce qui est crucial pour ServiceBridge lorsqu'il s'agit de gérer des services réels et des transactions financières via un portefeuille intégré à l'application. La fiabilité de TiDB garantit que nos enregistrements et processus restent intacts sans aucun problème système. J'apprécie également la façon dont il évolue sans nécessiter une refonte complète, permettant à notre équipe de se concentrer sur l'amélioration de l'expérience utilisateur plutôt que de faire face à des défis techniques. De plus, la configuration de la base de données avec TiDB Cloud a été simple et s'est intégrée facilement à nos outils existants. Avis collecté par et hébergé sur G2.com.

Il y a des domaines qui pourraient être améliorés. Bien que le système central soit stable, comprendre comment les performances se comportent dans une configuration SQL distribuée peut être délicat, surtout pour les équipes habituées à travailler avec des bases de données traditionnelles à nœud unique. De plus, la surveillance et les informations sur les performances pourraient être simplifiées pour les petites équipes. Avoir un moyen plus intuitif de voir comment les requêtes se comportent et comment le système évolue rendrait l'apprentissage et l'utilisation plus faciles. Avis collecté par et hébergé sur G2.com.

J'aime que TiDB ait un support natif pour les vecteurs ainsi qu'une compatibilité totale avec SQL. Cela nous permet d'utiliser sans problème la recherche de similarité sémantique tout en gérant les données structurées des candidats et les processus de conformité. Son support intégré des vecteurs signifie que nous pouvons stocker des embeddings et effectuer des recherches de similarité cosinus directement avec des données relationnelles sans avoir besoin de maintenir des systèmes séparés. J'apprécie également l'évolutivité et l'approche sans serveur de TiDB, qui nous aide à gérer un nombre croissant de téléchargements de CV et de recherches de recruteurs sans configuration ou maintenance d'infrastructure. Avis collecté par et hébergé sur G2.com.

Un domaine qui pourrait être amélioré est le besoin de plus de conseils et d'exemples qui se concentrent spécifiquement sur l'optimisation de la recherche vectorielle à grande échelle. Bien que le support de recherche vectorielle intégré de TiDB fonctionne bien, ajuster la performance des recherches de similarité et choisir les bonnes méthodes d'indexation a nécessité quelques essais et erreurs pendant le développement. Une documentation plus pratique, pertinente pour des applications réelles comme la correspondance de CV ou les systèmes de recommandation, aiderait les équipes à apprendre et à appliquer les meilleures pratiques plus rapidement. Avis collecté par et hébergé sur G2.com.

J'apprécie vraiment la façon dont TiDB gère une grande quantité de données arrivant rapidement et prend en charge l'exécution de requêtes analytiques de manière efficace. Il nous permet de calculer des métriques de volatilité et de déclencher des alertes en temps réel sans avoir à gérer des systèmes séparés. La fonctionnalité de scalabilité est excellente car, à mesure que de plus en plus d'utilisateurs s'inscrivent et que davantage de paires de trading sont surveillées, les données augmentent rapidement, mais la structure distribuée de TiDB permet au système de croître en douceur sans avoir besoin de partitionnement manuel ou de réécriture de la structure de la base de données. De plus, la cohérence des données est un grand avantage, garantissant que les données de prix, les valeurs calculées et les paramètres d'alerte des utilisateurs sont tous synchronisés et fiables. Le fait qu'il s'intègre bien avec MySQL a rendu l'intégration fluide tout en offrant l'avantage d'une architecture distribuée évolutive. Avis collecté par et hébergé sur G2.com.

TiDB fonctionne bien pour notre charge de travail CryptoPulse, mais comprendre comment optimiser les requêtes distribuées peut nécessiter plus d'apprentissage qu'avec une base de données SQL à nœud unique classique. Certaines requêtes ont dû être ajustées à mesure que la quantité de données augmentait et avoir de meilleurs conseils de performance pour gérer les séries temporelles ou les données à haute fréquence serait vraiment utile. Avis collecté par et hébergé sur G2.com.

J'aime vraiment TiDB Serverless pour sa recherche vectorielle intégrée et son installation évolutive. La recherche de similarité cosinus permet à MindVector AI de faire correspondre rapidement les vecteurs d'émotion et de contexte sans avoir besoin d'une base de données supplémentaire, simplifiant ainsi notre conception. Le modèle sans serveur gère automatiquement la mise à l'échelle, garantissant des performances fluides lors des recommandations en temps réel. Sa compatibilité avec MySQL a rendu la connexion à notre backend Python très facile. De plus, la capacité de TiDB à gérer à la fois des données structurées et des vecteurs sur une seule plateforme augmente l'efficacité, réduit la complexité opérationnelle et nous aide à développer des fonctionnalités de soutien émotionnel alimentées par l'IA de manière plus fiable. Avis collecté par et hébergé sur G2.com.

Une partie de TiDB Serverless qui pourrait être améliorée est sa documentation et ses exemples, en particulier ceux liés à la recherche vectorielle et aux applications d'IA. En tant que développeur travaillant sur MindVector AI, j'ai trouvé difficile au début de comprendre comment concevoir un bon schéma vectoriel, choisir les bonnes méthodes d'indexation et affiner les performances car il n'y avait pas assez d'exemples simples et pratiques. Plus de tutoriels montrant comment s'intégrer aux pipelines d'apprentissage automatique, en particulier aux flux de travail d'apprentissage par renforcement, seraient vraiment utiles. De plus, de meilleurs outils de débogage et de visualisation pour vérifier les requêtes de similarité vectorielle faciliteraient la vérification et la confiance des résultats par les développeurs. Ajouter plus de support intégré pour les tâches liées à l'IA et des directives plus claires sur les meilleures pratiques rendraient certainement le développement plus rapide et amélioreraient grandement l'expérience globale des développeurs. Avis collecté par et hébergé sur G2.com.

J'aime la façon dont TiDB nous permet de gérer à la fois les données relationnelles et les embeddings au sein d'une architecture unifiée, ce qui facilite le développement et réduit la complexité opérationnelle. Il gère efficacement les problèmes de scalabilité, ce qui est crucial pour une plateforme de télémédecine qui traite des consultations simultanées et des interactions multilingues. Le design distribué de TiDB assure une performance fiable à mesure que notre base d'utilisateurs croît. Sa capacité à fusionner des données de santé structurées avec une récupération de connaissances basée sur des vecteurs dans un système évolutif est également impressionnante. Avis collecté par et hébergé sur G2.com.

Un domaine qui pourrait être amélioré est la fourniture de directives plus claires sur les meilleures pratiques pour combiner les charges de travail relationnelles avec la recherche vectorielle dans les environnements de production. Bien que les fonctionnalités hybrides de TiDB soient solides, des exemples concrets axés sur des applications de santé basées sur RAG ou des applications riches en connaissances faciliteraient le démarrage des utilisateurs. Nous avons dû expérimenter un peu pour ajuster la façon dont nous indexons les données et comprendre comment le système fonctionne lorsque de nombreuses personnes l'utilisent en même temps. Avoir des guides plus détaillés sur l'optimisation des performances pour les charges de travail mixtes qui incluent à la fois des opérations SQL et vectorielles rendrait plus facile et plus sûr pour les équipes de configurer et d'utiliser le système rapidement. Avis collecté par et hébergé sur G2.com.

J'aime vraiment la façon dont TiDB fonctionne bien avec à la fois des données organisées et des embeddings de vecteurs dans une seule base de données distribuée. Cela m'a permis de gérer les métadonnées de recherche et les vecteurs d'embedding ensemble sans avoir besoin de plusieurs systèmes, ce qui a simplifié l'architecture globale d'InsightForge AI. J'apprécie également sa forte cohérence et ses réponses rapides aux requêtes, ce qui a assuré que le processus de génération augmentée par la récupération était fiable et précis. De plus, l'évolutivité de TiDB m'a aidé à gérer l'augmentation des données de recherche sans ralentir les choses. Comme il fonctionne bien avec SQL, l'intégration a été facile, me permettant de créer un backend solide, efficace et évolutif. La compatibilité SQL m'a aidé à concevoir des schémas, à interroger les métadonnées de recherche et à intégrer TiDB en douceur avec mon backend Node.js. L'architecture distribuée a assuré une haute disponibilité et des performances constantes à mesure que j'ajoutais plus de données d'embedding et de documents de recherche. J'ai également utilisé TiDB pour stocker et récupérer efficacement les embeddings de vecteurs, ce qui a permis une recherche sémantique précise dans mon pipeline. Sa capacité à gérer à la fois des requêtes structurées et des recherches basées sur la similarité a été essentielle pour produire des rapports de recherche fiables et étayés par des citations. Avis collecté par et hébergé sur G2.com.

Un domaine où TiDB pourrait s'améliorer est la facilité avec laquelle il est possible de travailler avec des embeddings vectoriels et des processus de recherche sémantique. Bien que TiDB puisse stocker et interroger des données vectorielles, obtenir de bonnes performances pour des recherches d'embeddings à grande échelle nécessite souvent un réglage supplémentaire des requêtes et des modifications de la structure de la base de données. Disposer de plus d'outils intégrés pour l'indexation vectorielle, l'optimisation des recherches de similarité et la surveillance des performances faciliterait le développement. De plus, une meilleure documentation et des exemples pour configurer des pipelines de génération augmentée par récupération aideraient les développeurs à utiliser TiDB plus efficacement. Améliorer le débogage et l'observabilité lors de la gestion de charges de travail mixtes incluant à la fois des requêtes SQL et vectorielles améliorerait également l'expérience globale et simplifierait l'intégration. Avis collecté par et hébergé sur G2.com.