新时代，AI能为数据库的应用做些什么
尹海文约 6 分钟2023年，ChatGPT-4的横空出世把AI推到了前所未有的高度，这也使得与AI相关的一切都得到了长足的发展，近期出现的DeepSeek也给全球的AI及其相关产业带去了一次巨大的震撼。那么，AI究竟能为数据库的应用做出哪些贡献呢？
知识库与官方文档
同时文档也是AI构建知识库的基础材料，打好地基以后，其实就是需要扩展数据库的应用场景，一方面是打磨产品，另一方面也能快速扩展知识库的素材。
AIOps for DB
语句审核
这里就不仅限于关系型数据库的SQL语句，因为SQL语句相对规整，仅使用规则匹配就能实现审核需求。而众多NoSQL数据库则不一样了，首先不同的数据库有不同的语句，有些可以使用REST API操作数据的数据库，则对应语句相对宽松，一点小小的书写错误可能带来灾难性的数据操作。通过AI对NoSQL数据库语句进行审核，可以很好的规避人工不易排查出来的问题。另一方面，AI可以接入数据库，对数据库中的表设计、索引以及模型逻辑进行分析，在语句审核时还可以与数据库对应信息进行关联，在判断语句本身是否存在书写问题的基础上判断其业务实现情况，评估出性能表现并给出对应调优建议。
NL2SQL
NL（Natural Language，自然语言）转换为SQL，不仅仅是简单的将一般人类书写的需求通过AI转换成SQL语句（或其他语句）然后到数据库中执行得到结果，这样的结果往往是不可读的，仍需要附加处理；NL2SQL还应该根据输入内容或文本及其需求，AI在转换语句并执行结果的基础上进一步生成可读文本、图表等，在数据库输出结果的基础上给出经处理过直接可用的结论。
数据库迁移
2、语句适配与应用改造：这部分才是数据库迁移的难点，首先不同数据库的语句是有差异的，是需要进行一定程度的改写的；从实际情况来看即便有极高兼容性的情况下也很难实现在语句不改写的情况下实现相同甚至接近的性能表现；一旦涉及集中式数据库向分布式数据库的转变的语句改写，还要和数据迁移进行关联；存储过程、触发器、索引、视图等的迁移改造等等。通过AI对源库语句进行抓取与学习（如果可以，对应用代码进行扫描效果会更佳），结合数据迁移去适配目标库的特性，对语句提出改写建议甚至可以提出应用代码变更建议，最后还可以协助完成测试工作，提升效率与成效。
大数据
我认为AI对大数据的作用远大于OLTP类业务，特别是数据库HTAP能力的提升，以前一些使用大数据实现的业务场景已可以使用业务数据库实现。另一方面OLTP业务产生的数据库本身就是大数据的数据来源，AI可以针对数据构成、数据流转、数据价值进行分析，根据数据变化规律在抓取数据的过程中直接完成筛选与计算，在提升大数据运算效率的同时，也可以降低大数据存储的数据量，减少网络传输与存储的资源消耗压力。使用AI优化大数据场景下的数据排布也能进一步提升大数据的利用效率。将一些关键数据进行向量化，还可以扩展数据在AI上的应用场景。
▼
尹海文
Oracle ACE
IT168与ITPUB技术社区强强联手，收集数百款主流数据库产品，重磅推出“数据库全景图”，旨在打造一款集知识普及、产品对比、选型参考于一体的综合性资源平台。“数据库全景图（11月版）”可扫描上方左侧二维码回复关键词获取，识别右侧二维码直达“数据库全景图”链接（右上角浏览器打开获取更好体验）。