3-AI时代的变革者-面向机器的接口语言(MOQL)_吕海波.pptx

1、AI时代的变革者：面向机器的接口语言（MOQL）,吕海波 PG ACED,CONTENTS,AI时代的变革者,-面向机器的接口语言(MOQL),/01,强大的SQL语言,4,强大的SQL语言,5,Text2SQL 从自然语言生成SQL,强大的SQL语言,6,Text2SQL 从自然语言生成SQL,强大的SQL语言,7,高消耗的SQL语言,强大的SQL语言,8,高消耗的SQL语言数据读、写：31.88%的消耗其他、SQL：68.22%（其中SQL占30%以上）SQL与数据处理消耗资源相当,强大的SQL语言,9,MOQL：SQL执行过程应用端写SQL数据库得到SQL由SQL生成Plan执行Plan

2、,强大的SQL语言,10,MOQL：执行过程应用端：Text To Plan数据库得到SQLPLAN由SQL生成Plan执行PlanSQL是为了方便应用开发人员快速检索、操控数据。AI 可以更好的让应用开发人员掌握数据库。为什么不用 AI 代替 SQL，由AI直接生成更便于数据库执行的“结构”（暂定为Plan）。,强大的SQL语言,11,MOQL：分阶段实现基于开源Text2SQL模型，改造为Text2Plan阶段1：整合开源Text2SQL模型，添加Plan生成功能阶段2：改造开源Text2SQL模型，去除SQL阶段3：优化开源Text2Plan模型,AI对数据库研发的变革,-用DS分析AI

3、对数据库内核开发的影响,/02,AI对数据库研发的变革,13,AI对数据库研发的变革,14,AI对数据库研发的变革,15,AI对数据库研发的变革,16,注：以上测试，SQL执行期间，没有观察到任何磁盘I/O，数据都被缓存在内存当中示例数据库静置一段时间后，查询性能可提升百倍左右（DML 10%的行后，性能又将大幅下降）,AI对数据库研发的变革,17,共计 317 个线程，线程数太多。,AI对数据库研发的变革,18,总结如下：上下文切换开销内存消耗锁与同步开销,AI对数据库研发的变革,19,每个 Core CPU使用率并不高，虽有317个线程，但多数都在sleep，这种情况下只执行一条几十M数据

4、的表扫描，上下文切换的开销，不足以导致近20倍的差异。Deepseek的回答，并没有触及问题本质。,AI对数据库研发的变革,线程化的工作模式，新颖的开发理念：阶段化SQL执行过程分解为各个“阶段”数据库所有操作分解为“阶段”资源池化每个阶段，对应完成其相关工作的模块（也就是线程）同一阶段所有线程构成“资源池”,AI对数据库研发的变革,pq_getbyte secure_read WaitEventSetWait epoll_wait,exec_simple_query或exec_bind_messageexec_execute_message,可见性判断事务处理,I/O：调用系统调用，等待I/

5、O结束,传统的开发理念：一个进/线程从头到尾完成SQL所有工作,AI对数据库研发的变革,22,新、老开发模式的对比，Deepseek给出的回答非常好，个人感觉，至少超过80%的开发者。,AI对数据库研发的变革,23,对通过线程，实现多阶段、资源池化的开发的优、缺点，都总结的十分到位。,大型系统软件开发，Deepseek更偏向“多阶段、资源池化+多线程”这种开发模式。,AI对数据库研发的变革,24,缺乏量化信息：延迟更高，高多少？缓存利用率较差，差多少？,AI对数据库研发的变革,25,不同线程的数据同步延迟本质是CPU同步延迟：线程1在Core n修改一个内存变量在Core m的线程2，多久后能

6、看到修改后的数据,AI对数据库研发的变革,26,不同线程的数据同步延迟本质是CPU同步延迟：线程1在Core n修改一个内存变量在Core m的线程2，多久后能看到修改后的数据,AI对数据库研发的变革,27,不同线程的数据同步延迟本质是CPU同步延迟：线程1在Core n修改一个内存变量在Core m的线程2，多久后能看到修改后的数据,AI对数据库研发的变革,28,不同线程的数据同步延迟数据在不同模块中时的延迟（以3GHz主频为例）：L1，45个周期，1.331.67 纳秒L