Dify 基于 TiDB 的数据架构重构实践

导读

Dify.AI 作为 GitHub 上排名第二的 LLM 开发平台，凭借 TiDB Cloud Serverless 和 AWS 基础设施的创新架构，为众多 AI 应用开发者打造了一个可扩展的平台，显著提升了开发效率。面对 AI 时代海量数据和多租户管理的挑战，Dify.AI 通过统一数据存储、自动扩缩容及向量检索优化，大幅提升开发效率，基础设施成本降低 80%，运维开销减少 90%。

本文将深入解析 Dify.AI 如何借助 TiDB 打造高效、可扩展的 AI 平台。

Dify.AI 是一款领先的开源大语言模型（LLM）应用开发平台，它通过直观的可视化工作流，让企业无需深厚技术背景即可创建复杂的 AI 应用，正在革新企业构建和部署 AI 应用的方式。

自 2023 年以来，Dify.AI 迅速崛起，成为 GitHub 上第二受欢迎的 LLM 工具，获得了超过 70,000 颗 stars 和 630 多位贡献者的支持。该平台已助力全球数千名开发者，应用范围涵盖聊天机器人、内容生成、复杂文档分析以及 AI 驱动的工作流等领域。

Dify.AI 团队指出：“从接触生成式 AI 到构建可投入生产的应用之间存在着巨大鸿沟。虽然使用 ChatGPT 或复制一个演示项目相对容易，但如何通过 AI 应用创造真正的商业价值仍是巨大挑战，而我们正在努力填补这一缺口。”

作为 GenAI 平台供应商，Dify.AI 在数据管理层面主要面临两个挑战。一方面，平台需要同时处理多种数据类型——从传统的关系型数据到向量嵌入，从文档存储到对话历史记录；另一方面，平台的多租户架构迫使他们需要管理数十万隔离的数据库，每个数据库对应一个开发者独特的数据集。

不仅如此，作为一个 SaaS 公司，数据管理的复杂性还影响了他们自身的创新能力和服务客户的效果。“管理不同数据类型的独立数据库不仅复杂，还让我们无法专注于真正重要的事情：构建更好的 AI 应用。”Dify.AI 团队表示。

为了应对这些挑战，Dify.AI 重新设计了 GenAI 平台的数据管理层，统一技术栈：

Dify.AI 的平台实现了不同类型数据与处理流程的无缝衔接，借助先进的 AI 技术将原始数据转化为有价值的信息。所有数据均统一存储于 TiDB 的存储层，并依托 AWS 基础设施进行部署，从而提升可扩展性和效率。

这种架构的意义远不止于技术整合。它体现了 Dify.AI 如何将整个数据基础设施整合为一个统一系统，实现从数据采集到 AI 驱动应用的全流程数据管理。该架构分为以下四层：

• 用户交互层：从一个简洁易用的界面开始，用户可以输入数据和查询指令与系统交互。用户交互层是吸引用户并确保交互过程顺畅的关键所在。
• Dify 数据管道：
• 当用户输入数据后，信息便进入 Dify 数据管道。在此阶段，系统从多种来源（例如文档、表格、列表和图像）收集原始数据，并对其进行分块处理和 Named Entity Recognition 等高级操作。这些步骤为数据生成嵌入向量做好准备，从而使其能够被 AI 应用所使用。
• Dify 处理引擎则负责协调整个工作流，并整合处理结果，以便根据用户的查询请求生成准确且有意义的答复。

TiDB 统一存储：作为整个架构的核心，TiDB 提供了统一的存储解决方案，同时支持关系型和非关系型数据，使得开发者能够在一个平台上管理多种数据集，从而简化操作并降低复杂性。具体包括：

• 事务性数据处理：高效处理事务性数据和实时数据，确保数据的准确性和及时性。
• 知识图谱存储：支持复杂关系型数据的原生存储，助力深度洞察和关联分析。
• 向量存储：为 AI 应用中的相似性搜索提供强大的嵌入支持，提升检索效率。
• 文档存储：用于存储原始内容，方便对非结构化数据进行快速检索。
• AWS 基础设施：系统依托 AWS 基础设施运行，充分利用以下资源：
• 利用 AWS EC2 提供弹性计算能力，灵活应对不同工作负载的波动。
• 采用综合存储方案，例如使用 S3 存储海量数据，使用 EBS 提供持久化存储。
• 与 AWS Bedrock 的深度集成，使 Dify.AI 能够访问多个 LLM 供应商的预训练模型，从而进一步提升其在外部知识服务方面的能力。

Dify.AI 将数十万个数据库整合至单一的 TiDB Cloud，极大地简化了基础设施架构，显著降低了操作复杂性与维护成本。

这一统一解决方案为平台在数据库层面提供了强大的 AI 功能支持，包括内置的知识库功能以及无缝集成的 RAG 实现，能够自动处理文档，并将内容与向量嵌入统一存储于同一张表中。

开发者仅需通过简单的 SQL 查询即可快速完成原型开发，这种查询方式同时适用于传统数据和向量数据，免去了学习多种查询语言和管理多个系统的繁琐过程。此外，平台的自动扩缩容（Scale-to-zero）功能能够根据实际使用情况自动调整资源，优化成本，同时确保高性能。

这一方案最吸引人的地方在于，通过引入 TiDB 带来的这种架构革新，让我们能够在一套系统中同时处理传统数据库操作和 AI 特有的向量相似性搜索，这不仅是基础架构升级，更是一次对平台构建和未来扩展方式的根本性变革。

张路宇

Dify.AI 创始人兼 CEO

TiDB 的转型带来了三大核心技术优势，彻底改变了 Dify.AI 构建和扩展平台的方式：

统一数据处理

• 单一数据源：实现了文档、向量数据、对话历史及传统关系型数据的统一存储。
• 简化架构：将多套专用数据库整合为一个统一系统，大幅降低运维复杂性。
• 提升性能：优化传统操作与向量操作的查询模式，显著提高数据处理效率。

可扩展的多租户设计

• 隔离性：为每位客户提供独立的逻辑空间，同时共享物理资源，确保数据安全与隔离。
• 资源管理：根据客户工作负载自动扩缩容（Scale-to-zero）资源，实现灵活调度。
• 成本效益：采用按需付费模式，系统能根据实际使用量自动扩展或缩减资源，甚至可以在闲置时完全停止运行，有效优化成本。

集成向量操作

• 原生向量支持：内置相似性搜索功能，无需额外插件。
• 混合查询：支持传统 SQL 与向量操作的融合查询，简化开发流程。
• 灵活索引：自动管理索引，优化性能，提升数据检索效率。

与此同时，Dify.AI 在多个关键指标上取得了显著的可量化提升：

此次数据架构的转型升级，使 Dify.AI 能够站在 GenAI 领域创新的最前沿。现在，团队基于 TiDB Serverless 来运行 RAG 工作流，并进一步探索更多高级功能，比如实时知识图谱更新和跨模态查询优化——这些功能基于之前的基础设施是完全无法实现的。TiDB 不仅仅是一个数据库解决方案，它已经成为积极拥抱 AI 生态企业的战略级技术支撑平台。通过将向量搜索、知识图谱和日常运营数据整合到一个统一系统内，彻底解决了过去多个数据库管理带来的高度复杂度，同时确保了系统拥有企业级的稳定性。

Dify.AI 团队表示：“我们与 TiDB 的合作体验非常出色。平台能够在同一个系统中处理多种需求：从知识图谱管理到文档存储，再到对话历史等，这与我们追求简化、强大的 AI 开发平台的愿景高度契合。”

“我们选择 TiDB，不仅是为了应对当前的挑战，更是为了构建一个能够随着我们和客户需求共同演进的基础设施。”