搭起 AI 和 DB 之间“桥梁”！阿里云开源新技术：将 AI 算法“一键部署”进数据库

作者 | 褚杏娟

12 月 20 日，数据库国际顶会 VLDB2024 公布新一批论文，阿里云旨在实现将 AI 算法在数据库“一键部署”的 PilotScope 中间件相关论文成功入围。同日，阿里云宣布将 PilotScope 全部技术免费开源。

开源地址：https://github.com/alibaba/pilotscope

在 AI 和 DB 之间“搭桥”

AI 和数据库的结合在业内已经探索了很长一段时间，其中 AI for DB 是利用 AI 技术替换数据库里的某些功能，使其性能得到提升。

这个方案需要依赖深度学习或者说大模型。但难点在于，AI 开发和数据库开发基本是两拨人，数据库特别复杂，AI 开发人员很难梳理清楚其中的结构，得到嵌入效果的同时还要保证数据库的稳定性。同时，AI 方法非常多样，数据库底层架构也不尽相同，这导致嵌入的模式、交互需求、具体底层实现方式都各不相同，如果做定制化就会带来很大的时间成本，不利于大规模应用。

“AI 做了很多，DB 做了很多，但中间的桥梁没有人干，这个桥是不通的。我们现在做的事情就是要把这个桥搭建起来。”PilotScope 项目负责人朱鎔说道。

根据朱鎔的介绍，PilotScope 屏蔽不同数据库异构的细节，提供了抽象的、可对 AI 调用的一整套接口。PilotScope 把数据库交互需求及嵌入过程，抽象成了一个个的接口，将最难的底层细节开发部分屏蔽掉，用户可以直接使用，AI 工程师不用关注数据库的细节。

理论上，用户只要支持这个接口，同一个 AI 方法可以支持各种数据库，包括阿里云、微软、AWS 以及 PostgreSQL 等数据库，开发者可以用一个方法、写一次代码就支持所有类型数据库在上面的运行。接口还可以不断扩展，支持不同 AI 方法的需求，同时通过开源的方式来增加支持 AI 算法的多样性。

另外，PilotScope 对 AI 算法的嵌入做了最小的扰动和侵入，不对系统的稳定性造成影响。用户不开启 PilotScope 时可以直接忽略它的存在，而使用 PilotScope 并把某些 AI 算法进行了相应运行后，PilotScope 的检测机制会处理和限定模型的异常输出，对于不正常的结果会直接打断，让数据用原来的模块运行。

据了解，当前 PilotScope 针对参数调优、索引推荐、基数估计、查询优化等数据库主流任务，预置了 10 多种 AI 算法，并完成 PostgreSQL 和 Spark 等两大主流开源数据库的适配打样。根据团队的实验数据，使用 PilotScope 将 AI 算法嵌入数据库，较传统“硬植入”方法，查询优化等任务提速 1-2 倍不等，并且 PilotScope 本身对部署产生的额外代价基本可忽略。

十多人，用了两年做研发

PilotScope 项目是一个深度交叉的领域：要有懂算法的研发人员明确算法具体需求，也要有懂系统的研发将需求真正抽象成系统化设计；除了要有懂 AI 的人，还要有懂数据库的人，了解数据库架构、嵌入模式、与数据库的交互等；在系统设计的人员抽象出系统模式后，还需要开发人员用实际的代码把构思实现出来；AI for DB 是学界想做的算法探索研究，业界想做一些实际落地，两者的综合平衡对满足开源社区是比较重要的。

从上可以看出，这样的研发难度是不小的。朱鎔表示，从有做 PilotScope 的想法开始到今天正式搞出来，十几个人的团队差不多用了两年时间才基本完成。

做 PilotScope 的想法来源于阿里云团队在做 AI for DB 中遇到了测试、部署、落地等各种痛点问题。2021 年夏季之前，团队是点对点地解决，然后发现通用性差、成本高，很难持续下去。之后，团队开始构思这样的一个中间件，在与业务部门沟通、研究了学界最新进展后，才将最终需求确认下来，包括要支持哪些主流方法、支持到什么程度等。

整个 2022 年，团队一直在解决“两端解耦、让桥顺畅”的难题，到了 9 月份左右才开始做真正的系统研发。考虑到两个数据库的适配，团队要做很多细小的修改、打磨、迭代，陆陆续续到今年八九月份才算基本成熟。

据悉，PilotScope 目前已在阿里云内部展开试点应用。朱鎔表示，未来将做一些产业化部署，希望通过这个工具，把 AI for DB 的算法真正大规模的地应用到数据库系统里，提升数据库系统的效率和效果。