À propos du projet

YugabyteDB est une base de données SQL distribuée open source, cloud-native et compatible PostgreSQL. Elle est conçue pour les applications OLTP critiques en temps réel qui exigent une cohérence forte, une haute disponibilité et une scalabilité horizontale. La base de données combine la puissance des bases de données relationnelles traditionnelles avec la scalabilité des systèmes NoSQL, ce qui la rend adaptée aux déploiements distribués à l'échelle mondiale. Les principales caractéristiques incluent : - **Capacités RDBMS puissantes** : réutilise la couche de requêtes PostgreSQL, prenant en charge la plupart de ses fonctionnalités, notamment les types de données, les requêtes, les procédures stockées, les déclencheurs et les extensions. - **Transactions distribuées** : basées sur l'architecture Google Spanner, utilisant le consensus Raft pour la réplication et des horloges logiques hybrides pour une cohérence forte. Prend en charge les niveaux d'isolation snapshot, serializable et read committed. - **Disponibilité continue** : tolère automatiquement les pannes de disque, de rack, de nœud, de zone, de région et de cloud, avec un RPO de 0 et un RTO de 3 secondes dans les déploiements multi-zones typiques. - **Scalabilité horizontale** : mise à l'échelle facile en ajoutant des nœuds au cluster. - **Géo-distribué, multi-cloud** : prend en charge les déploiements sur plusieurs domaines de défaillance, y compris multi-zone, multi-région et multi-cloud, ainsi que la réplication asynchrone xCluster. - **Conception multi-API** : prend en charge deux API SQL distribuées - YSQL (entièrement relationnelle, basée sur PostgreSQL) et YCQL (semi-relationnelle, racines Cassandra QL). - **100 % open source** : sous licence Apache 2.0, avec des fonctionnalités d'entreprise telles que les sauvegardes distribuées, le chiffrement, TLS et la capture de données modifiées incluses. Les versions récentes (v2025.2, v2025.1) ont introduit la compatibilité PostgreSQL 15, un optimiseur basé sur les coûts, la prise en charge du bitmap scan, l'exécution parallèle des requêtes, l'indexation HNSW pour pgvector et une synchronisation temporelle améliorée. Le projet est activement développé avec une feuille de route claire et un soutien communautaire via Slack, le forum et les issues GitHub.