ByteHouse

主要包括四个大的优化方向：RBO（基于规则的优化能力），CBO（基于代价的优化能力），分布式计划优化以及一些高阶优化能力。

通过并行化重构，支持 Aggregation Streaming 并结合HashTable Two-Level 的并行和数据的分布特征，有效减少了中间出现的 Agg Final Merge 和ConcurrentHashJoin 中的数据 Shuffle，从而显著提升了整体 Query 的执行性能。

ByteHouse的分布式架构，可以支持1台到数千台的按需扩展，能支持业务快速增长。

能支持10万+的高QPS查询，能支持生产应用系统

支持简单查询高并发查询、支持复杂查询、支持向量检索、全文检索、地理空间检索等查询，能基于ByteHouse一个库，同一份数据支撑多业务场景，简化系统架构。

自研 BitMap 引擎，通过bitmap 之间的交并补运算，从而达到远超普通查询的性能指标。

通过引入字典和高性能压缩等技术减少读取磁盘的时间

用一个函数就能表达复杂的计算逻辑，节省开发和维护成本

比 SQL 关联计算方案性能提升数倍。

提供大量函数支持构造复杂的结构化数据与非结构化数据的混合查询语句，具备灵活性和易用性

支持结构化&非结构化数据，相比目前专用的向量数据库应用场景更广

为向量搜索相关查询提供高效率的执行底座，查询性能更优

兼容 OGC 标准，支持导入标准 GIS 文件格式，目前已支持超过 50 个主流的空间函数。

按照列的方式存储，而非序列化成字节数组，在存储上能够做到更加紧凑并节省空间，在计算上能够充分发挥向量化的优势。