智能化正在不断颠覆传统生产力。随着数智时代的到来，AI技术在提升管理效率、降低运维成本等方面发挥着越来越重要的作用。当DB与AI相结合，数据库产品也变得更加智能化。目前智能数据库技术是业内的研究热点，openGauss 作为国内数据库根技术的重要一支，在这一领域取得了哪些成就？未来有哪些发展规划？

(相关资料图)

2023年4月7-8日，由中国DBA联盟（ACDU）和墨天轮社区联合主办的第十二届“数据技术嘉年华”（DTC 2023）在北京新云南皇冠假日酒店成功召开。华为openGauss数据库AI领域负责人李士福在【数智趋势：智能运维与自治】专题论坛发表了题为《openGauss：自驾驶数据库内核》的演讲。本文根据演讲实录整理而成。

（嘉宾简介：李士福，15年数据库内核开发经验，2014年加入华为高斯部，曾在Teradata研发中心从事分布式MPPDB数据库研发。目前其主要负责GaussDB（含openGauss）自治数据库内核的研发工作，包括DBMind自治运维系统、DB4AI库内AI引擎和自学型内核；同时作为openGauss社区TC成员支撑openGauss社区拓展。）

一、openGauss自驾驶内核整体介绍

李士福表示，openGauss自驾驶内核整体上主要包含两个子系统：AI4DB自治系统和DB4AI库内AI引擎。

AI4DB自治系统主要又包含两大部分：一个是DBMind自治运维系统，是给用户、主要是DBA做自监控、自诊断、自由化和自安全，其主要目标是方便用户做系统的运维诊断，让系统更高效、可靠运行；另一个是把AI技术嵌到数据库内核之中，实现智能查询重写、代价估计、行数估计、计划自适应选择、负载自适应调度、自学习索引、缓存自适应淘汰等。

DB4AI库内AI引擎则是指在数据库内置很多AI算法，把AI能力直接内嵌到数据库中，通过训练和推理SQL语法、训练语句执行计划及代价为数据库提供AI能力，这样能方便用户使用训练和推理的语句。同时DB4AI还可以提供算法API接口，供学习型内核组件调用，从而为库内组件加速。

二、DBMind运维管理系统架构和应用

李士福指出，DBMind整体运维架构主要涵盖四个方面：数据采集层作为底座，主要负责在数据库运行节点上部署Agent采集节点，从而采集数据库指标和OS指标，同时还负责执行AI Service下发的运维管理命令。在数据计算层，数据库外的节点可以在备机部署AI Service服务节点，同时有一些存储的引擎，来实现数据计算存储。自治服务层主要提供三大方面的自治服务：其一是SQL诊断调优，包括慢SQL诊断、发现以及索引优化等；其二是安全，提供异常行为检测、敏感数据发现；其三是运维，即整个系统的运维诊断，包括参数调优、系统分析诊断等。最顶层是监控，通过端到端的监控诊断、运维还有优化，实现了从问题发现、问题诊断到问题优化的全流程管控，对用户来说是无感知的。

在DBMind自治运维系统层层严密的架构下，其有广泛的应用。李士福透露，DBMind自治运维系统的应用主要聚焦于三个方面：索引推荐能力、慢SQL诊断和建议、多指标关联分析。

索引推荐能力是指在数据库内核中内置单条索引的推荐能力，来实现单条索引推荐，从而让用户很容易对一条语句实现索引加速。由于单条索引很难对整个系统有效，因此openGauss DBMind额外增加了对整个系统负载的索引推荐，通过对批量workload的采集、处理、压缩后再进行单条索引推荐，从而降低索引推荐比例、提升整体效率。

慢SQL诊断和建议是在openGauss中集成的能力之一。在数据库中，openGauss会识别哪些语句是慢SQL，然后采集慢SQL和它的相关指标特征。同时结合当前系统的运行状况，比如CPU使用率和IO使用率等指标，把这些信息作为统一的集合进行训练。训练后形成的特征库，可用于与之后遇到的慢SQL语句境进行智能匹配，最后把根因结果在界面上展示，同时给出优化建议。

多指标关联分析可以帮助我们快速发现问题。我们都知道，采集的指标是多种多样的，一个指标的变动可能联动其他指标也发生变化。目前openGauss施行了多种异常检测算法，例如：持续增长、毛刺、周期性等。基于这些检测算法观察环境指标，可以发现指标间的关联关系，从而确定影响关键指标的变化因素有哪些。

三、库内AI引擎架构和应用

对DBMind整体运维架构进行了详细的介绍后，李士福还分享了库内AI引擎架构和应用方面的知识点。

DB4AI库内AI引擎架构中，基于优化路径，openGauss可以展示当前AI算子的执行路径，让用户可以查看执行计划。其次是全流程业务管理，除了常见的模型管理，openGauss数据库还支持通过系统表存储管理模型。此外，还支持数据集管理，在数据更新变化的情况下，不影响当前训练的模型。李士福透露，研发团队还在做模型的漂移，去保证模型的新鲜度；进一步还将结合异构计算能力，将执行算子下推到GPU去做稳定训练加速，从而构建起完整的DB4AI引擎架构。

DB4AI与不同的应用相结合，能帮助开发者提升工作效率。“在应用上，DB4AI给用户提供交互式的界面，例如结合Jupyter做交互式的分析。因此，我们提供DB4AI Python库，结合这个命令可以很容易地在交互界面上给用户展示相关信息。这种可以使用Python的方式让用户很容易上手。”李士福说道。

目前DB4AI也积累了丰富的案例，例如库内AI高效训练和推理、模型自适应漂移。通过机器学习算法，完成可解释模型；每个月采2000个样板信息完成模型漂移，解决了模型与当前业务不拟合等问题。openGauss 在DB4AI方面的应用能极大地节省人力，降低成本。

此外，李士福还就智能优化器架构做了简要介绍。openGauss数据库的智能优化器主要完成四项任务：智能基数估计、自适应计划选择、智能代价模型、智能计划探索。其中，他重点介绍了智能基数估计、自适应计划选择这两项任务。智能基数估计是指结合AI算子对数据做分析和处理，改善了基于神经网络算法的传统方法很难落地的情况；自适应计划选择主要解决的是缓存计划的使用问题。

在演讲尾声，李士福总结指出，AI与DB的结合其实是一个新兴领域，目前openGauss在这一领域投入很多。AI与DB相结合能解决当前运维场景效率的问题，还可以提升用户使用价值。后续，华为将持续深耕这一领域，并将研究成果持续应用至社区。