AlloyDB的ai.tune_sql和MariaDB的AI Retrieval:数据库的AI能力正在从“存向量”走向“改查询”
11月2日到3日,谷歌云和MariaDB在数据库AI能力上做出了方向不同的发布,但它们的共同点比差异更值得注意:AI能力正在从“应用层调用数据库”下沉到“数据库内核直接执行” 。
AlloyDB在11月2日加入了ai.tune_sql函数,用LLM结合查询执行计划、schema和运行时统计,推荐查询优化:识别性能瓶颈,并给出查询重写、索引、统计信息收集、GUC标志以及表analyze和vacuum操作的建议。这不是“让模型写SQL”,而是“让模型帮助DBA和平台团队理解为什么这条查询慢、哪里可以改”。它读取的不是自然语言问题,而是执行计划、schema和运行时统计,输出的是具体的优化建议。11月3日,AlloyDB新集群默认使用PostgreSQL 18;11月4日,AlloyDB Express进入预览,定位明确写了“优化快速原型和AI编码代理工作流”,提供快速配置、空闲时计算暂停和原地升级。数据库的消费者正在从“应用进程”扩展到“编码代理”,而代理需要的数据库接口,是快速创建、用完即弃、空闲不计费。
MariaDB Cloud 2026.11.03在11月3日发布AI Retrieval,走的是另一条路:Text-to-SQL。它自动构建数据库的语义地图,把一个问题转成只读SQL查询,执行,然后返回行或基于行生成的答案。它不要求在库内跑Embedding模型,也不要求把数据转成向量;它的入口是自然语言,出口是SQL和结构化结果。这条路线的隐含假设是:对于大量企业查询,“语义检索”不是唯一的需求,很多问题可以直接用SQL回答,前提是系统能理解业务语义并把自然语言映射到正确的表和列上。MariaDB同时提供了一个文档知识库路径:上传文件、解析、分块、嵌入,然后做语义、全文或混合检索。两条路径并行,而不是二选一。
这两条路线的分歧,对选型的影响很具体。AlloyDB的ai.tune_sql适合的是DBA和平台团队面对复杂查询、需要解释“为什么慢”的场景。MariaDB的Text-to-SQL适合的是数据结构化程度高、业务口径相对清晰、问题可以直接映射到查询的场景。一个务实的判断是:不要把“AI数据库”当成一个统一的能力来评估。先问你的问题形状:是“这条查询为什么慢”,还是“在几张表里查一个数字”?前者需要执行计划和运行时统计,后者需要语义层和Text-to-SQL。AlloyDB和MariaDB在同一个月给出了两个不同的答案,它们不是竞争关系,而是覆盖了“数据库AI化”这条光谱上两个不同的位置。
- 点赞
- 收藏
- 关注作者
评论(0)