资源/Benchmark
BENCHMARKS / 性能与能力评测

数据查得快,文档读得准,Agent 做得成。

TB 级数据查多久?复杂文档能读多准?相关结果能找回多少?Agent 能完成多少真实任务?用具体场景和测试结果回答。

报告与公开资料 · 2026.08–10保留完整口径探索测试结果

数据基础

覆盖分支、JSON、OLTP、HTAP、分析查询、时序与日志。

所选场景 · Git4Data 并行分支
MatrixOne实测结果/Git4Data 并行分支

数据涨 120 倍,分支开销只涨 1.1–1.6 倍。

1.1–1.6×
数据涨 120 倍时的耗时涨幅

同一套并行分支工作流,数据从 25 万行放大到 SF100(约 120 倍):MatrixOne 的耗时涨幅为 1.1–1.6 倍,DoltDB 为 68–120 倍。software_dev(物理 ADD COLUMN)本期三档未完成,见备注。

data_cleaning · 10 workers · MatrixOne
37.5 s
同一点 · DoltDB
511.6 s
测试范围

SF100 · order_line 3,000 万行 · 10 / 100 workers

两端均完成的工作流 · 完成耗时秒 · 越低越好
data_cleaning · 10 workers13.6× 加速 · 对比 DoltDB
MatrixOne
37.5
DoltDB
511.6
data_cleaning · 100 workers4.1× 加速 · 对比 DoltDB
MatrixOne
560.4
DoltDB
2,275.7
mcts · 10 workers5.0× 加速 · 对比 DoltDB
MatrixOne
179.0
DoltDB
887.5
mcts · 100 workers1.6× 加速 · 对比 DoltDB
MatrixOne
3,169.9
DoltDB
5,016.1
05,016.1 秒

仅比较两端均完成的四个点。software_dev 为物理 ALTER TABLE ADD COLUMN 工作流,MatrixOne 在 10 / 100 / 500 三档均未完成,DoltDB 完成 10 / 100 两档;25 万行档 DoltDB 反快 7.2–33.4 倍,两条曲线在中间交叉。加速比随规模变化,不构成跨规模排名。

完整数值与测试方法

两端均完成的工作流 · 完成耗时

测试对象MatrixOne (秒)DoltDB (秒)
data_cleaning · 10 workers37.5511.6
data_cleaning · 100 workers560.42,275.7
mcts · 10 workers179.0887.5
mcts · 100 workers3,169.95,016.1

条件与口径

Git4Data 并行分支,SF100(order_line 30,000,000 行、warehouse 100),10 / 100 / 500 workers;MatrixOne 77dbf546、DoltDB dolt-sql-server:2.2.3;2026-10-03 交付。对照档 250,000 行。每个配置单次运行。

Git4Data · SF100 · 两端均完成
工作负载写入并发MatrixOne(秒)DoltDB(秒)加速倍数状态
data_cleaning1037.5511.613.7×completed
data_cleaning100560.42,275.74.1×completed
mcts10179.0887.55.0×completed
mcts1003,169.95,016.11.6×completed
software_dev10n/a235.3—not completed
software_dev100n/a2,154.1—not completed

来源P0-2 Git4Data · 2026-10-03

本环节的测试

选择专题,查看对应结果与测试方法。

把你的工作负载,带进测试。

从企业实际的数据、文档和 Agent 任务出发,评估适合你的方案。

讨论你的场景