8 月 16 日，KaiwuDB 受邀亮相第十四届中国数据库技术大会 DTCC 2023。KaiwuDB CTO 魏可伟承受大会主办方的采访，单方独特围绕“数据库架构演进、内核引擎设计以及不同技术路线”开展深度探讨。
以下是采访的局部实录 ↓↓↓
40 多年前，企业的数据量还没有如此宏大，会抉择把要害业务数据放在关系型数据库中。随着软硬件的倒退，计算和存储老本一直升高，数据库技术进入新的倒退阶段。以 IoT 场景为例，这是一个由各种新技术互相交织造成的“泛”行业，看似宽口进，实则门槛高。
IoT 与 5G、工业 4.0、工业物联网、车联网、人工智能等造成“组合拳”，为各个行业的数字化转型赋能，但也导致业务零碎的复杂性攀升。当数据来自时序、文档、空间、图等多个数据源，各数据源又面向不同的数据库系统、接口服务等，导致最终的数据采集不残缺，呈现数据不统一的景象。
所谓“术业有专攻”，专库专用在一段时间里成为“专宠”，但也造成了数据孤岛。通常状况下，一家企业应用的关系型数据库是 A 家，时序数据库又是 B 家，同时可能还有 C 家的 AI 平台。这意味着企业须要领有身兼多种技能的开发运维人才；否则，一旦波及到新性能及多个产品之间的协同，就会影响迭代速度。
如果能用一套数据库去替换原来多套不对立的数据库类型，来解决业务的复杂性以及开发和运维老本一直攀升的问题，那企业面临的很多问题也将迎刃而解。多模数据库可能就是一个好答案。
一、多模架构，用“小而全”为用户减负
“从传统关系型数据库主导市场，到 NoSQL 数据库衰亡，再到时序数据库，图数据库，向量数据库百花齐放，明天的多模数据库旨在化繁为简，反对多种数据模型对立治理。”魏可伟示意，多模式数据库是数据管理系统一直演进的后果，多种类型的数据库系统混用带来的开发和运维压力，使得企业不得不做出新的抉择。
以后，业内支流的多模数据库可大抵归结为 2 种路线：
- 粘合式
即大而全的平台式多模，把各种不同类型的数据处理引擎，包含关系引擎，集成在一起，下层以中间件的模式对外提供一个对立接口，进行数据的散发、转换等工作。
然而现实情况是，很多大而全的性能在理论业务场景中基本用不上。具体到下层的引擎，为了实现多模的能力，粘合式路线会把所有引擎都拉到一个中间层，再做数据搬动，给开发和运维带来极大的压力。
- 成长式
以关系型数据库为主，为了解决图、文档等 NoSQL 数据扩大出新的能力；同时，除了关系型数据库厂商，图数据库、空间数据库厂商也在基于本人的本行向新的能力扩大，这都属于成长式。
这种模式绝对实用于有一个传统利用，又想基于原有利用做大量的异构数据扩大的状况。比方：金融行业的交易解决是日常利用，同时须要扩大大量的空间数据库满足业务需要，这种业务场景更适宜用成长式数据库。
但成长式多模架构在前期扩大能力上存在肯定局限，此前主体数据库架构可能基本就不反对新性能的扩大。
有别于上述两种情景，KaiwuDB 自研原生多模零碎，从顶层设计上人造具备横向交融、纵向精专的能力。依靠 ” 就地计算 ”、” 原生 AI” 等核心技术，KaiwuDB 疾速反对时序数据、内存数据、关系型数据等在同一数据库中对立汇存、解决及 AI 智能剖析。
其中，最大特色是对立的 SQL 语法、对立的数据库命令、对立的开发运维工具、对立的平安认证，可能将不同数据库性能充沛交融，实现一库多用，进而升高用户的应用老本，用魏可伟的话说，就是“小而全”。
KaiwuDB 始终在思考多模架构到底做到何种水平能力满足 IoT 畛域用户的需要而又能做到简略易用？
首先，时序数据处理的性能和扩大能力肯定是高要求，同时要想方法升高存储老本；其次，要提供合乎 IoT 数据特色的数据管理工具以及数据库自治的能力；最初，要以剖析为先、以 AI 为先，可能从海量数据中挖掘出数据价值，为 IoT 业务场景提供业余的服务。
此种背景下，KaiwuDB 给本人的定位是，在设计上有横有纵，打造一个 “又融又专” 的多模架构。
- “融”
指针对不同的数据类型，开发能施展最大性能的专用数据处理引擎，例如 KaiwuDB 时序引擎，利用“就地计算”技术能够实现每秒数百万级的数据写入，毫秒级响应千万级数据的剖析查问。
- “专”
指交融多个专用引擎以反对 IoT 业务场景，在多个专用引擎之间造成对立的优化，对立的治理，同时又依据 IoT 数据处理的特点建设“快速通道”。
比方，在数据写入场景中，KaiwuDB 会优先思考时序数据的写入性能并做优化，从而实现专用时序数据库的时序数据处理性能。
这就与传统“粘合式”和“成长式”的数据库造成本质区别。再有，KaiwuDB 会为时序数据到关系数据分析的外部“ETL”流程“关上快车道”，从而晋升性能并节约资源。
站在用户本位，以数据库翻新技术简化利用，让产品性能有限地贴近用户需要，是 KaiwuDB 这一新生代数据库继续致力的方向。
二、AI 引擎，为企业插上数智化降级翅膀
相较于对热点大模型技术的趋之若鹜，KaiwuDB 强调 “原生 AI” 的概念。
在 AI for DB 方向上，KaiwuDB 利用 AI 引擎实现数据库自治。比方，在时序数据场景中，会以工夫维度进行数据的聚合剖析，这背地的一项关键技术是 智能预计算——即利用 AI 大脑预判用户会对哪些内容会做聚合剖析，提前把后果计算好。
这一能力可疾速实现后果反馈，极大水平晋升性能；在生命周期治理方面，也能够通过 AI 对用户应用状况做出预判，如果 AI 预判用户对某一类数据不再频繁调用，能够主动挪到冷存储上，升高资源占用。
在 DB For AI 研发方向上，KaiwuDB 的“原生 AI“概念并非要打造 TensorFlow 这样的 AI 框架，即：不是去做算法，而是在多模的框架下拥抱生态，为用户提供更好的生产 AI 的能力，这种能力能够概括为“ModelOps in DB”。
ModelOps in DB 的理念是：让用户通过数据库更好地应用 AI，通过数据处理拉近数据科学家和开发运维人员的间隔。通过 ModelOps in DB，可能进步模型训练和预测的性能，保证数据的安全性，更可能利用数据放弃模型的准确性。
例如，当用户把数据拉出到 AI 平台训练模型，用来做业务预测，刚开始的时候可能准确率很高，但随着工夫的推移会产生漂移景象，也就是模型准确率会降落。这是因为用来训练模型的数据曾经过期，而通过原生 AI 的能力，在数据库中就能够第一工夫发现漂移景象，做出相应的反馈。
“大模型给咱们一个十分有意思的启发，如果自然语言变成数据库角度的一个接口，多模会变成一个更天然的抉择。”魏可伟剖析道，SQL 生态曾经倒退了几十年，有很多成熟的工具构建，是一个要害的数据库接口。站在大模型的风口，咱们再去看多模的将来，各种专用引擎会在自然语言的交互方式下对立起来，人人都能够在低门槛的状态下应用数据库，这应该会是多模的终极状态。
在 KaiwuDB 技术团队中，有很多开发人员致力于 AI 方向，解决 AI 落地的消费性问题，这也是 AI 和数据库联合的关键点。
将来，KaiwuDB 除了在异构数据跟 AI 联合的方向上进行致力，在用户关注的重要场景上继续发力，也会关注大模型的反对，比方：引入向量数据库，在现有的多模架构上，再多出一模。
明天，在 AI 技术推动下，数据处理能力也在一直演进，诸多企业正在把数据对象里的信息抽取，无论是什么对象，或者无论是什么实体所蕴含的语义信息，都能够变成一个向量，而后再进行剖析。而嵌入向量性能的数据库，会更好地反对 AI 利用。因而，AI 和数据库正以相互作用的状态，共同进步，开释用户的数据生产后劲。
写在最初
将来，不论是多模数据库自身的倒退，还是与 AI 的联合，KaiwuDB 都将保持回归用户本位，专一于打造一款“小而全”的数据库产品。在面对国内外用户对于产品性能与产品性价比“既要又要”的挑战下，KaiwuDB 也将不忘初心，秉承“匠心”精力走出本人的新路子，给市场与用户带来更多的可能。