create-dwy 0.12.2 → 0.13.0

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/db_distr_comp/db/vectordb.md

@@ -0,0 +1,160 @@
+---
+source_url: https://docs.dolphindb.cn/zh/db_distr_comp/db/vectordb.html
+fetched_at: 2026-05-19T09:04:48Z
+category: db_distr_comp
+title: 向量存储引擎
+sha1: 55caa79ee4c038d4a203a38532e6ce2bc05c879c
+---
+
+# 向量存储引擎
+
+DolphinDB 在 3.00.1 版本中，基于 TSDB 存储引擎，开发并实现了支持向量检索的向量存储引擎（VectorDB）。VectorDB 针对 TSDB
+中以数组向量（Array
+Vector）形式存储的向量数据，引入了向量检索技术。它支持对向量数据创建索引，并实现了快速的近似最近邻搜索，满足现代应用场景下对海量数据高效检索和响应的需求。DolphinDB
+VectorDB 具有以下特点：
+
+- 支持向量索引的持久化存储，可以从磁盘读取预先构建好的向量索引，无需在每次查询时重复构建索引。
+- 提供了高效的向量相似度检索能力，可以快速地对海量向量数据进行近似最近邻搜索。
+- 支持混合搜索，可以结合关键词搜索和向量特征搜索，使得搜索更加全面和精准。
+
+## 实现原理
+
+VectorDB 的实现主要考虑以下三个方面：向量数据存储、向量索引构建和向量数据检索。
+
+### 向量数据存储
+
+在 DolphinDB 中，向量数据以数组向量的形式存储。DolphinDB 的 TSDB 引擎本身就支持数组向量的存储，因此 VectorDB
+无需自行实现向量数据的存储，只需要基于 TSDB 引擎进行构建即可。关于 TSDB 数据存储原理介绍，请参考 [TSDB 存储引擎](tsdb.html)。
+
+### **向量索引构建**
+
+DolphinDB 采用 Facebook 开源的向量检索库 [Faiss](https://github.com/facebookresearch/faiss)，为 VectorDB 的向量索引构建提供支持。
+
+在创建分区表时，如果为表中的某列指定了索引信息，系统会为该列构建并存储向量索引。VectorDB 以 Level File
+为单位进行向量索引的构建和存储。也就是说，VectorDB 不会在全局仅保存一个向量索引，而是在每个 Level File
+文件存储一个独立的向量索引。每次生成新的 Level File 文件时，VectorDB 会根据指定的索引类型，为该 Level File
+中的向量数据建立向量索引。
+
+### 向量数据检索
+
+相似度计算和检索方法是向量数据检索中的关键技术。VectorDB 利用欧式距离（L2, Euclidean distance）计算向量数据之间的相似度。L2
+是最常用的距离度量，计算所得的值越小，越与搜索值相似。L2 在低维空间中表现良好，但是在高维空间中，由于维度灾难的影响，L2 的效果会逐渐变差。
+
+如下代码展示了在 VectorDB 进行向量检索的查询语句。在查询时，VectorDB 会根据所使用的向量索引的类型来搜索并获取与查询向量最相似的 K
+个向量。
+
+```dolphindb
+SELECT {col1,...,colx} 
+FROM table [where] 
+ORDER BY rowEuclidean(<vectorCol>, queryVector)
+LIMIT <TOPK>
+```
+
+**普通向量检索**
+
+普通向量检索即在查询语句中没有指定 where 语句进行条件过滤。由于只有存储在磁盘 Level File 中的数据拥有向量索引，而 Cache Engine
+中的数据并没有建立向量索引，因此普通向量检索的流程如下：
+
+1. 首先，遍历磁盘上所有 Level File，读取每个 Level File 中存储的向量索引。通过索引搜索得到 N \* K
+   个初步查询结果。
+2. 其次，对 Cache Engine 中的数据（若有）进行穷举搜索，得到共（N + 1）\* K 个查询结果。
+3. 最后，将这*（N + 1）\* K* 个查询结果根据与查询向量的 L2 距离从小到大进行归并排序，取出并返回与查询向量最相近的
+   K条数据。
+
+**混合检索**
+
+VectorDB 支持在查询语句中使用 where
+条件过滤数据，以充分利用向量数据库的优势，提高检索的准确性和灵活性。这种检索方式适用于综合多个属性进行查询的场景。此时的向量检索流程为：
+
+1. 根据 where 条件对数据进行初步过滤。
+2. 将过滤后的数据按照 Level File 进行划分，确保同一 Level File 中的数据被划分在一起。
+3. 对每个 Level File 中的数据使用其对应的索引进行相似性搜索。
+4. 合并各 Level File 的搜索结果，并从中选出与查询向量最相近的 K 条数据作为最终返回结果。
+
+## 索引类型
+
+向量索引（Vector
+Index）是一种针对向量数据构建的高效数据结构。它帮助在时间和空间上提供更高效的向量相似性查询能力。通过向量索引，可以快速地查询出与目标向量最相似的若干个向量。
+当前 VectorDB 支持以下索引类型：Flat, PQ, IVF, IVFPQ, HNSW。
+
+| **索引类型** | **索引说明** | **索引构建复杂度** |
+| --- | --- | --- |
+| Flat | Flat 索引提供精确的向量最近邻检索。它在构建索引时无需进行训练，而是直接对系统中存储的所有向量进行穷举搜索。在查询时，Flat 索引会计算查询向量与所有存储向量的相似度，从而找出与查询向量最相似的向量。 | 无需复杂的索引构建过程。 |
+| PQ | PQ（Product Quantization）索引通过对向量数据进行训练来构建向量索引。在训练过程中，PQ 会将每个向量划分为多个子向量，并对每个子向量进行乘积量化（Product Quantization）处理。这样可以大幅压缩每个向量的存储空间。 | 构建 PQ 索引时需要训练乘积量化器。与除 Flat 索引之外的其他索引相比，PQ 索引在内存占用方面更小。 |
+| IVF | - IVF（Inverted File Index）索引在构建时需要对向量数据进行训练。训练过程中，IVF 会采用   k-means   聚类算法将向量数据划分为多个簇（cluster）。然后为每个簇建立一个倒排索引，记录该簇中包含的所有向量数据。 - 在查询时，IVF   会先计算查询向量与各个簇的距离，找出与查询向量距离较近的几个簇。然后仅对这些相关簇中的向量进行相似度计算，而不需要计算全部向量，从而大幅降低了计算量,提高了搜索效率。 | 构建 IVF 索引需要对向量数据进行聚类训练，并为每个聚类簇建立倒排索引。相比其他索引方式，IVF 索引的构建过程较为复杂。 |
+| IVFPQ | IVFPQ（Inverted File Index with Product Quantization）是 IVF 和 PQ 两种索引技术的结合。在构建 IVFPQ 索引时，需要对向量数据进行训练。训练过程中，IVFPQ 会将向量数据划分为多个簇，并对每个簇的向量数据采用 PQ 的乘积量化方式进行压缩处理。 | 构建 IVFPQ 索引需要同时进行向量数据聚类训练和乘积量化器训练。因此，与单独使用 IVF 或 PQ 相比,IVFPQ 索引的构建和维护过程更为复杂。 |
+| HNSW | HNSW（Hierarchical Navigable Small World）基于图算法为向量数据构建多层次的导航图结构，实现高精度和高速度的近似最近领搜索。在查询过程中HNSW会根据查询向量从导航图的顶层开始查找最近的向量，然后在更低的层次中进一步搜索，逐渐逼近目标向量。每一层的搜索都是局部的，从而大幅提高了搜索效率。 | 构建索引时不需要进行训练，但是需要在构建索引时动态地构建和维护多层次导航图，构建多层次的图结构复杂度高耗时长。且相比其他索引，HNSW对内存的占用最高。 |
+
+## 选择索引类型
+
+| **索引类型** | **使用场景** | **适用向量规模** | **检索速度** | **检索精度** |
+| --- | --- | --- | --- | --- |
+| Flat | 需要最高精度的场景 | 10万以内 | 慢 | 高 |
+| PQ | 对搜索精度要求不高的场景。例如：大型数据库、视频库等。 | 数十万至数千万级别 | 较 Flat 快 | 最低 |
+| IVF | 图片检索、文本检索等。 | 数万至数百万级别 | 较 PQ 快 | 较 Flat 低 |
+| IVFPQ | 在检索速度和精度之间找到最佳平衡的场景。例如：大型推荐系统、社交网络中的用户匹配等。 | 数百万至数千万级别 | 比单独使用 IVF 或 PQ 更快 | 比单独使用 PQ 高，但比单独使用 IVF 低 |
+| HNSW | 对检索速度，精度和动态更新有高要求的场景，例如：实时推荐系统、在线搜索、RAG 等。 | 数亿至数十亿级别 | 最快 | 与 IVF 相近 |
+
+## 创建 VectorDB 中的数据表
+
+在 DolphinDB 中，创建分布式分区表有两种方式：一种是使用 [createPartitionedTable](../../funcs/c/createPartitionedTable.html) 函数，另一种是使用 [create](../../progr/sql/create.html) 语句。这两个函数中的
+*indexes* 参数用于指定需要建立向量索引的列、向量索引的类型以及向量数据的维度。在创建数据表时，必须指定该参数，才能创建
+VectorDB 中分布式分区表。
+
+关于数据表的创建方法，请参考函数页面。本文仅说明 VectorDB 的使用限制。
+
+**建库限制：**
+
+只能创建 TSDB 引擎下的数据库，因此在使用 `database` 函数创建数据库时，必须设置
+*engine*="TSDB"。
+
+**建表限制:**
+
+- 仅支持为分布式分区表设置向量索引，且建表时必须指定 *keepDuplicate*s=ALL。
+- 最多只能为一个 FLOAT[] 类型的列建立向量索引。该列中的每一行代表一个向量，且所有向量必须具有相同的维度。维度表示每个向量中的元素数量，由
+  *indexes* 参数中的 dim 指定。
+- 插入向量索引列的数据维度必须与维度（dim）一致。
+
+**搜索限制:**
+
+只有在满足如下条件时，才会使用向量索引加速检索：
+
+- 不能使用表连接查询。
+- 查询语句中 `order by` 必须按升序排序，且仅支持使用
+  `rowEuclidean`计算距离。
+- 传入 `rowEuclidean` 的第一个参数必须是已指定了向量索引的列，即
+  `rowEuclidean(<vectorCol>, queryVec)` 。
+- 必须指定 `limit` 子句。
+- 若指定了 `where`，则 `where` 条件中不能包含
+  *sortColumns* 中的任意列。
+- 查询语句中不能指定 `group by`, `having` 等其他子句。
+
+**其它说明：**
+
+- 内存 Cache Engine 中的向量数据没有索引，无法对其通过向量索引加速检索。若需要检索这部分数据，可以通过
+  `flushTSDBCache` 强制将缓存中的数据写入磁盘后，再进行查询。
+
+## 简单示例
+
+```dolphindb
+// 创建 TSDB 引擎中的数据库
+db = database(directory="dfs://indexesTest", partitionType=VALUE, partitionScheme=1..10, engine="TSDB")
+// 创建表结构，其中 col3 列的类型是 FLOAT[]
+schematb = table(1:0,`col0`col1`col2`col3,[INT,INT,TIMESTAMP,FLOAT[]])
+// 通过 indexes 参数，为 col3 指定向量索引
+pt = createPartitionedTable(dbHandle=db, table=schematb, tableName=`pt, partitionColumns=`col0, sortColumns=`col1`col2, indexes={"col3":"vectorindex(type=flat, dim=5)"})
+
+tmp = cj(table(1..10 as col0),cj(table(1..10 as col1),table(now()+1..10 as col2))) join table(arrayVector(1..1000*5,1..5000) as col3)
+
+//分区表中写入数据后，强制将数据写入磁盘
+pt.tableInsert(tmp)
+flushTSDBCache()
+
+select * from pt where col2<now() order by rowEuclidean(col3,[1339,252,105,105,829]) limit 10
+```
+
+## 应用场景
+
+向量检索技术在检索增强生成（RAG）系统中扮演着至关重要的角色，其能够有效地从知识库中找到与查询相关的信息，为生成模型提供丰富的上下文支持。将 VectorDB 与
+RAG 结合，可以进一步扩展系统知识库，并利用向量检索提供的上下文信息提高生成结果的质量和准确性。VectorDB 还可以改进推荐系统、实现高效图像和视频搜索、提升
+AI 生成模型的准确性以及多样性等。

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/db_distr_comp/db_distr_comp.md

@@ -0,0 +1,16 @@
+---
+source_url: https://docs.dolphindb.cn/zh/db_distr_comp/db_distr_comp.html
+fetched_at: 2026-05-19T09:04:15Z
+category: db_distr_comp
+title: 数据库操作
+sha1: 6b079111cdaad6729a3da52cd683953759256b71
+---
+
+# 数据库操作
+
+DolphinDB 数据库的基本操作，例如创建数据库、表，增加列、分区，数据查询，表连接等。
+
+数据库操作前，建议已完成以下事项：
+
+- 确保具备基本的 SQL 编程基础。
+- 已创建用户账号。

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/db_distr_comp/db_man/web/GettingStart.md

@@ -0,0 +1,223 @@
+---
+source_url: https://docs.dolphindb.cn/zh/db_distr_comp/db_man/web/GettingStart.html
+fetched_at: 2026-05-19T08:59:44Z
+category: db_distr_comp
+title: 如何开始
+sha1: efac78c3849d0950ff971367187346e7da36875a
+---
+
+# 如何开始
+
+## 配置集群
+
+在启动一个集群前，先根据需求完成集群配置。
+
+注：
+
+以下例子中的节点数量、IP地址、端口号均用于示例，请根据实际部署情况相应调整设置。
+
+以下是和集群相关的配置文件及配置项：
+
+- *controller.cfg*（控制节点配置文件）：把控制节点的端口设置为 8900，并且打开性能监控。
+
+  ```dolphindb
+  mode=controller
+  localSite=localhost:8900:ctl8900
+  perfMonitoring=1
+  ```
+- *agent.cfg*（代理节点配置文件）：把代理节点的端口号设置为 8988，并且指定代理节点的控制节点（端口号为 8900）。
+
+  ```dolphindb
+  mode=agent
+  localSite=localhost:8988:agent
+  controllerSite=localhost:8900:ctl8900
+  ```
+- *cluster.nodes*（集群成员信息配置文件）：指定集群的代理（端口号为 8988）、 1 个数据节点（端口号为 8811）和 1
+  个计算节点（端口号为 8812）。
+
+  ```dolphindb
+  localSite,mode
+  localhost:8988:agent,agent
+  localhost:8811:DFS_NODE1,datanode
+  localhost:8812:DFS_NODE2,computenode
+  ```
+
+## 登录
+
+- 单节点（single node）模式下，启动 DolphinDB 服务器后，只要在浏览器输入网址（默认为
+  `http://localhost:8848`）即可访问。
+- 在集群（cluster）模式下只要在浏览器输入控制节点（controller）的网址加端口号即可访问。
+
+若无法访问 Web 客户端，需要查看以下几个方面：
+
+- 确保 DolphinDB server 的 license 没有过期
+- 确保该节点的端口没有被防火墙屏蔽
+- 确保 web 目录在 server 目录下面
+
+在 Linux 环境下，如果端口没有开放，可以尝试如下命令：
+
+1. 检查系统中哪些网络接口属于哪个防火墙区域。
+
+   ```dolphindb
+   firewall-cmd --get-active-zones
+   ```
+
+   返回：
+
+   ```dolphindb
+   public
+   interfaces: eth1
+   ```
+2. 将 TCP 端口 8848 添加到防火墙的 `public`
+   区域，并设置为永久生效。
+
+   ```dolphindb
+   sudo firewall-cmd --zone=public --permanent --add-port=8848/tcp
+   ```
+
+   返回：
+
+   `success`。
+
+   说明端口
+   8848 已打开，能够进行网络通信。
+
+DolphinDB Web 客户端不会强制用户登录服务器，但是有些功能例如浏览/创建数据库，浏览/创建分区表在登录后才能使用。
+
+如果出于安全策略考虑，需要用户执行任何代码前都先完成登录，可以通过以下设置实现：
+
+- 单节点模式下，在 *server/dolphindb.cfg* 中添加
+  `webLoginRequired=true`；
+- 集群模式下，在 *controller.cfg* 和 *cluster.cfg* 中添加
+  `webLoginRequired=true`。
+
+用户成功登录后，屏幕上方会显示当前登录用户名。如果 10 分钟内无命令执行，会自动退出登录。
+
+## 启动集群
+
+### Linux
+
+- **方法一**
+
+  进入 */DolphinDB/server*
+  目录，第一次启动时需要修改文件权限，执行以下 Shell
+  指令：
+
+  ```dolphindb
+  chmod +x dolphindb
+  ```
+
+  进入
+  */DolphinDB/server/clusterDemo* 目录，执行以下 Shell
+  指令启动控制节点：
+
+  ```dolphindb
+  sh startController.sh
+  ```
+
+  执行以下
+  Shell
+  指令启动代理节点：
+
+  ```dolphindb
+  sh startAgent.sh
+  ```
+
+  可以执行以下
+  Shell
+  指令，查看节点是否成功启动：
+
+  ```dolphindb
+  ps aux|grep dolphindb
+  ```
+- **方法二**
+
+  在 Linux
+  启动前端交互模式下，打开命令行窗口，执行以下脚本来启动控制器节点：
+
+  ```dolphindb
+  ./dolphindb -mode controller -home data -config config/controller.cfg -clusterConfig config/cluster.cfg -logFile log/controller.log -nodesFile config/cluster.nodes
+  ```
+
+  打开另一个命令行窗口，执行以下脚本来启动代理节点：
+
+  ```dolphindb
+  ./dolphindb -mode agent -home data -config config/agent.cfg -logFile log/agent.log
+  ```
+- **方法三**
+
+  在 Linux
+  启动后台模式下，打开命令行窗口，执行以下脚本来启动控制器节点：
+
+  ```dolphindb
+  nohup ./dolphindb -console 0 -mode controller -home data -config config/controller.cfg -clusterConfig config/cluster.cfg -logFile log/controller.log -nodesFile config/cluster.nodes &
+  ```
+
+  打开另一个命令行窗口，执行以下脚本来启动代理节点：
+
+  ```dolphindb
+  nohup ./dolphindb -console 0 -mode agent -home data -config config/agent.cfg -logFile log/agent.log &
+  ```
+
+### Windows
+
+- **方法一**
+
+  前台启动控制节点和代理节点：进入
+  *C:\DolphinDB\server\clusterDemo* 目录，双击
+  *startController.bat* 启动控制节点，双击 *startAgent.bat*
+  启动代理节点。
+- **方法二**
+
+  后台启动控制节点和代理节点：进入
+  *C:\DolphinDB\server\clusterDemo* 目录，双击
+  *backgroundStartController.vbs* 启动控制节点，双击
+  *backgroundStartAgent.vbs* 启动代理节点。
+- **方法三**
+
+  打开命令行窗口，执行以下脚本来启动控制器节点：
+
+  ```dolphindb
+  dolphindb.exe -mode controller -home data -script config/dolphindb.dos -config config/controller.cfg -logFile log/controller.log -nodesFile config/nodes.cfg -clusterConfig config/cluster.cfg
+  ```
+
+  打开另一个命令行窗口，执行以下脚本来启动代理节点：
+
+  ```dolphindb
+  dolphindb.exe -mode agent -home data -script config/dolphindb.dos -config config/agent.cfg -logFile log/agent.log
+  ```
+
+## 启动节点
+
+可以在 Web 管理界面启动或关闭数据节点和计算节点，以及修改集群的配置。在浏览器地址栏中输入控制器节点的 <Host
+IP>:<Port> 来启动集群管理器。根据上文配置文件 *controller.cfg*，控制节点的端口号为
+8900，打开后的 Web 管理界面如下。
+
+  
+
+![](../images/web_1.png)
+
+  
+
+以管理员身份（默认账号：admin ，默认密码：123456）登录 Web 管理界面后，点击 Mode
+列左边的复选框全选或选择部分数据节点和计算节点，然后点击 ▶ 启动选中的节点。再点击 🔄，我们可以发现，选中的节点已经启动。
+
+  
+
+![](../images/web_2.png)
+
+  
+
+选中节点前的复选框，点击 ⏹ 可以关闭相应的节点。
+
+注：
+
+集群模式下，启动节点过程中，如果按刷新键没有看到节点状态更新状态。 需要注意以下几个方面：
+
+- 有时浏览器缓存较多，需要手动刷新网页 (**Shift** + **F5** 键)。
+- 如果长时间状态没有更新，则需要在“日志查看”中查看系统日志，发现具体未启动原因，如：
+  - License 过期
+  - 节点端口被其它进程占用
+  - 节点数量大于 License 指定的最大节点数
+  - 正在恢复元数据
+  - 其它原因

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/db_distr_comp/db_man/web/Shell.md

@@ -0,0 +1,271 @@
+---
+source_url: https://docs.dolphindb.cn/zh/db_distr_comp/db_man/web/Shell.html
+fetched_at: 2026-05-19T08:59:47Z
+category: db_distr_comp
+title: 交互编程
+sha1: 4fd496faf5c06c4f661f412c66c9bcc065a0d7f2
+---
+
+# 交互编程
+
+交互编程界面包含以下几个部分：编辑器、变量浏览器、日志浏览器、数据浏览器、数据库浏览器。进行数据库相关操作时，需要先登录。点击数据库浏览器页面的“去登录”按钮，进入登录页面，输入用户名和密码进行登录。也可以在代码编辑框中通过函数
+`login` 登录。
+
+在代码编辑框中通过函数 `logout` 登出，或者点击页面右上角的用户注销按钮进行注销。需要注意的是，函数
+`logout` 仅清除当前连接的登录状态，刷新页面后会自动重新登录；而注销按钮则可以完全退出登录。
+
+下文将介绍交互编程中各个界面的具体功能。
+
+## 编辑器
+
+在编辑器中，可通过左上角的 ▶ 按钮执行代码、或通过快捷键 "Ctrl"+"E" 执行代码。选中部分（或全部）代码，点击 ▶ 按钮，或按下 "Ctrl"+"E"
+按键，便可执行它们。可通过光标定位到某行，按下 "Ctrl"+"E" 按键仅执行这一行代码。若不选中代码，点击 ▶ 按钮便可执行编辑器中的全部代码。
+
+  
+
+![](../images/nb_edt_0.png)
+
+  
+
+编辑器默认只显示一个标签栏，可根据需要，通过右侧的 **+** 增加代码编辑标签页。
+
+注：
+
+不能在此使用 `print` 打印字节数超过 65536 的字符串，如下例：
+
+```dolphindb
+a = array(STRING,10).append!(string(concat(take(`abcd中文123,100005))));
+print a
+```
+
+执行以上脚本后，会导致 Web 断连。需要刷新网页才会重新建立连接。
+
+## 变量浏览器
+
+![](../images/nb_ve_0.png)
+
+  
+
+Web 端的变量浏览器显示各个数据形式下变量的名称、数据类型、维度和占用空间。
+
+Web 端的变量浏览器与 GUI 中的变量浏览器十分相似。它们唯一的区别是，在 Web 端不能右键单击变量来取消定义、查看表字段类型等。
+
+通过点击变量浏览器的向量/矩阵/内存表，可在数据浏览器查看其数据。分布式表的数据请通过数据库浏览器查看。
+
+## 数据浏览器
+
+Web 端的数据浏览器显示了编辑器窗口中执行的脚本结果，其与 DolphinDB GUI 中的数据浏览器非常相似。它们的区别如下：
+
+- 在 GUI 中，我们可以右键点击数据浏览器，在弹出菜单中执行复制，排序，输出等操作；在 Web
+  端中只能通过光标选中文本复制，不支持排序输出，但支持通过左下角的箭头图标实现小窗查看。
+    
+
+  ![](../images/shell_0.png)
+- 在 Web 端中，我们可以通过右上角用户图表左侧的设置按钮，设置显示的小数位数。
+    
+
+  ![](../images/shell_1.png)
+
+### 例子：查询
+
+在编辑器中输入并执行以下脚本：
+
+```dolphindb
+sym = `C`MS`BAC`BK`WFC
+price= 75.67 53.24 29.48 54.42 60.92
+qty = 2200 1900 2100 3200 1800
+t = table(sym, qty, price)
+select *, price*qty as volume from t
+```
+
+执行结果将会显示在数据浏览器中：
+
+  
+
+![](../images/nb_db_1.png)
+
+## 日志浏览器
+
+日志浏览器显示每个执行的完成时间、耗时、标量形式的执行结果以及执行过程中的错误信息。
+
+执行结果为标量的数据显示在日志浏览器中。结果为其他形式的数据则显示在数据浏览器中。
+
+例如，我们在编辑器中运行 2 + 3，结果将显示在日志浏览器中。在编辑器中运行 2 + [1, 2, 3]，结果将显示在数据浏览器中。见下图：
+
+  
+
+![](../images/nb_log_1.png)
+
+  
+
+注：
+
+- 暂不支持清理日志浏览器中的信息。
+- 日志浏览器最多可输出 100,000 行日志。
+
+## 数据库浏览器
+
+数据库浏览器如下图所示，其提供以下功能：
+
+- 创建数据库和数据表；
+- 在数据表中添加列并给数据列添加注释；
+- 分层展示已创建的数据库及其所属表的信息。
+
+  
+
+![](../images/shell_2.png)
+
+  
+
+用户可以通过页面和脚本两种方式创建数据库和数据表：
+
+- 通过页面创建数据库
+
+  点击![](../images/shell_3.png)图标，打开创建数据库的界面，如下图：
+
+    
+
+  ![](../images/nb_db_4.png)
+
+    
+
+  点击“取消”，取消建库操作；点击“清空”，清空上图中所填写内容；点击“预览”，进入脚本预览窗口，可以看到具体的建库语句，如下图：
+
+    
+  ![](../images/nb_db_5.png)  
+  点击“取消”，取消建库操作；点击“上一步”，返回上一步的建库页面；点击“执行”，创建数据库。成功创建的数据库将显示在左侧的数据库浏览器中。若建库语句不正确，点击执行后会显示报错信息。
+- 通过页面创建数据表
+
+  将鼠标悬浮在刚刚创建的数据库名称上，在右侧会显示出创建数据表的图标，见下图：
+
+    
+
+  ![](../images/nb_db_6.png)
+
+    
+
+  点击![](../images/shell_4.png)图标，打开创建数据表的页面：
+
+    
+
+  ![](../images/nb_db_7.png)
+
+    
+
+  点击“下一步”，进入创建数据表的脚本预览窗口：
+
+    
+
+  ![](../images/nb_db_8.png)
+
+    
+
+  在此页面，点击右上角的![](../images/shell_5.png)图标，可复制所有脚本；点击“上一步”，返回建表页面；点击“执行”，创建数据表。若成功创建数据表，则出现下图创建成功的提示：
+
+    
+
+  ![](../images/nb_db_9.png)
+
+    
+
+  若创建失败，则出现下图，并提示失败原因：
+
+    
+
+  ![](../images/nb_db_10.png)
+- 通过脚本创建数据库表
+
+  用户也可直接在编辑器中输入代码来创建数据库表。创建成功后，需要点击数据库浏览器左上角的 🔄
+  按钮，以便在数据库浏览器窗口中查看刚刚创建的数据库、表。
+
+  例子：在编辑器中输入并执行以下代码，创建分布式表 pt。
+
+  ```dolphindb
+  dbName="dfs://test_topic_partition"
+  if(existsDatabase(dbName)){
+      dropDatabase(dbName)
+  }
+  db=database(dbName,VALUE,2012.01.01..2012.01.10)
+  n=20
+  date=rand(2012.01.01..2012.01.10, n)
+  sym=rand("A"+string(1..30), n)
+  qty=rand(100, n)
+  t=table(date, sym, qty)
+  pt=db.createPartitionedTable(t, `pt, `date).append!(t)
+  ```
+
+  如下图所示，在数据库浏览器中，分层展示了各数据库及其所属表。点击变量前的 ➕，可以展示数据表的结构、所包含的列，每列的名称及类型、分区。点击变量前的
+  ➖，折叠展示的内容。
+
+    
+  ![](../images/nb_ddb_0.png)  
+
+  点击数据表变量 pt，在数据浏览器中会展示该表数据。
+
+    
+  ![](../images/nb_ddb_1.png)  
+
+  鼠标悬浮在“列”前，可显示添加列变量的图标，点击该图标进行添加列的操作。
+
+    
+  ![](../images/nb_ddb_2.png)  
+
+  鼠标悬浮在列变量前，可显示添加列注释的图标，点击该图标对该列添加注释。
+
+    
+  ![](../images/nb_ddb_3.png)  
+
+  点击 pt 的结构，会在数据浏览界面中展示它的表结构。点击下图的分区数据，会在数据浏览界面展示该分区所包含的数据。
+
+    
+  ![](../images/nb_ddb_4.png)  
+
+  点击流图数据表右侧按钮可在页面底部查看数据血缘。
+
+  注：
+
+  *productKey* 非 ORCA 时需管理员 admin 在**功能设置**页面启用该功能。
+
+  ![](../images/data_lineage_1.png)
+
+## Markdown 面板
+
+通过 Markdown 面板，您可以使用 Markdown 格式来展示多样的文本、文档和交互式内容。
+
+通过定义返回 Markdown 字符串的函数 `getMarkdownStr`
+并将其添加到视图（仅限管理员登录），即可在交互编程页面右侧看到渲染后的面板，支持上下和左右拖拽调整大小。
+
+```dolphindb
+db=database("dfs://webNotice",HASH,[STRING,2])
+tb=table(1:0,["info","addTime"],[STRING,TIMESTAMP])
+dt=db.createTable(tb,"data")
+
+dt.append!(table('# 关于 DolphinDB
+
+欢迎阅读 DolphinDB 技术文档！
+
+DolphinDB 是一款基于高性能时序数据库，支持复杂分析与流计算的实时计算平台。DolphinDB 针对数据存储、统计分析、实时计算和机器学习等多种需求，提供高效读写、快速查询、复杂分析、分布式并行计算、低延迟流处理等功能，支持高可用与水平扩展。
+
+以下对 DolphinDB 的核心组件进行详细介绍。
+
+## 分布式架构
+
+- 自研的[分布式存储机制](https://docs.dolphindb.cn/zh/db_distr_comp/db/db_architecture.html)，数据有序分散存储在不同的数据节点上，由控制节点统一精准地管理所有分区的元数据信息，包括分区和副本信息、分区版本号等要素，从而确保各节点上分区数据和副本的一致性，以提升集群的容错性和可扩展性。
+- 提供在线和离线扩展方式、支持横向（添加更多节点）和纵向（增加单个节点的资源）的扩展系统、并且提供无缝高效的[数据迁移](https://docs.dolphindb.cn/zh/db_distr_comp/db_oper/data_import_method.html)和[再平衡](https://docs.dolphindb.cn/zh/db_distr_comp/db/rebalance.html)技术。
+- 提供控制节点、数据节点和客户端的[高可用](https://docs.dolphindb.cn/zh/db_distr_comp/db/ha.html)方案，以确保系统在任何单节点故障下都能提供稳定的服务，从而有力保障业务的连续性。
+- 具备全面灵活的[备份与恢复](https://docs.dolphindb.cn/zh/tutorials/backup-restore-new.html)机制，以保障数据安全，为业务保驾护航。
+- 提供高容错性的[异步复制](https://docs.dolphindb.cn/zh/sys_man/cluster_async_replc.html)方案，其具有低延迟、高吞吐量的特点，方便实现数据跨节点、跨地域的异步复制，从而增强数据资产的安全性。
+' as info,now() as addTime))
+
+def getMarkdownStr(){
+  return (exec info from loadTable("dfs://webNotice","data") order by addTime desc limit 1)[0]
+}
+addFunctionView(getMarkdownStr)
+getFunctionViews()
+
+// 删除已定义的函数视图和数据库
+dropFunctionView(`getMarkdownStr)
+dropDatabase("dfs://webNotice")
+```
+
+![](../images/shell_markdown.png)