ghcr.io/apache/skywalking-banyandb:ab7ac5b603d1f7e89e53fc52da6158b8a26ba12c-slim
让 AI 帮你使用轩辕镜像？ · 展开查看说明
如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具，协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题，请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这句话即可：
请先完整阅读并严格遵守以下文档中的全部规则与要求：
https://xuanyuan.cloud/agents.md
在未充分阅读并理解该文档前，不要生成任何命令、配置、修改建议、故障排查方案或技术回答。后续所有输出都必须严格以该文档中的规范为最高优先级执行。查看 agents.md 用法指南与完整示范。国内用户首推 元宝 AI、DeepSeek 的深度思考模式，不推荐豆包 AI；Cursor 等编辑器可在对话 @ 该链接，或加入 User Rules。 若 AI 无法访问外链，可 打开说明文档 复制全文粘贴。文档会随站点更新，复制内容可能过期，建议定期检查。
BanyanDB
BanyanDB 作为可观测性数据库，旨在摄入、分析和存储 Metrics、Tracing 和 Logging 数据。它设计用于处理可观测性平台和 APM 系统（如 https://github.com/apache/skywalking 等）生成的可观测性数据。
简介
BanyanDB 作为可观测性数据库，旨在摄入、分析和存储 Metrics、Tracing 和 Logging 数据。它专为处理 Apache SkyWalking 生成的可观测性数据而设计。在 BanyanDB 出现之前，SkyWalking 采用的数据库对于 APM 数据模型并非理想选择，尤其是在存储追踪和日志数据方面。因此，基于 SkyWalking 数据模式的特性，在性能和资源使用方面仍有提升空间。
数据库研究社区通常使用 RUM Conjecture 来描述数据库如何访问数据。BanyanDB 结合多种访问方法构建了一个全面的 APM 数据库，以平衡读取成本、更新成本和内存开销。
联系我们
- 通过选择 https://github.com/apache/skywalking/issues?q=is%3Aopen+is%3Aissue+label%3Adatabase 组件提交 https://github.com/apache/skywalking/issues/new%E3%80%82
- 邮件列表：*******。发送邮件至 ***，按照回复提示订阅邮件列表。
- 发送邮件
Request to join SkyWalking slack至邮件列表（dev@skywalking.apache.org），我们将邀请您加入。 - 对于中文使用者，发送邮件
[CN] Request to join SkyWalking slack至邮件列表（dev@skywalking.apache.org），我们将邀请您加入。 - X（***）：@BanyanDB 和 @ASFSkyWalking
文档
- 开发版文档
- 最新发布版文档
贡献
对于希望为该项目贡献的开发者，请参阅 贡献指南。
许可证
Apache 2.0 许可证。
镜像拉取常见问题
功能
错误码
用户好评
来自真实用户的反馈，见证轩辕镜像的优质服务
oldzhang
运维工程师
Linux服务器
"Docker访问体验非常流畅，大镜像也能快速完成下载。"