AlloyDB结合AI实现高性能低成本SQL查询

作为一款AI原生数据库，AlloyDB并非仅仅是被动的数据存储容器，它可以智能理解并处理你的数据。凭借行业领先的向量与混合搜索能力、接近100%准确率的自然语言转SQL功能，用户可以构建对话式代理工具，支持在主流智能集成开发环境中进行开发，同时还能通过内置的AI功能将大模型的能力直接融入数据处理流程中。

本文将探讨AI函数处理领域的重大突破，以及一系列全新推出的AI函数。

首先，我们来明确什么是AI函数：它们可以将大模型的全球知识直接引入到你的AlloyDB数据中。以处理原始用户反馈为例，这类数据通常是非结构化的，难以直接解析利用，在用于搜索前往往需要经过预处理和实体提取。以往你需要维护复杂的自定义管道来完成知识提取，现在可以直接在AlloyDB中调用大模型的生成能力，将原始文本快速转换为结构化、可搜索的信息。比如通过ai.generate函数，你可以一键将原始反馈转化为清晰的结构化JSON数据。

SELECT
  log_id,
  raw_content,
  -- Use Gemini 3.0 to reason through the raw user feedback and extract structure
  ai.generate(
    model_id => 'gemini-3.1-pro-preview',
    prompt =>
      'Analyze this raw customer feedback entry. Extract the country, service name, and a 1-sentence summary of the feedback. Return as JSON.'
      || raw_content) AS structured_feedback
FROM raw_feedback_logs
WHERE user_type <> 'internal';

以下是一个示例结果：

更多用于摘要和情感分析的函数

我们的核心AI函数——ai.generate、ai.rank、ai.if以及ai.forecast——目前已经正式可用。想要了解前三个函数的使用场景，可以参考相关技术文档；如果想要探索forecast函数的实际应用，可以查看对应的深度解析内容。

在此基础上，平台还推出了三款全新的AI函数：ai.summarize、ai.agg_summarize以及ai.analyze_sentiment。

• ai.analyze_sentiment：可以自动将文本的情感倾向分类为正面、负面或中性。
• ai.summarize：能够将冗长的文本压缩为核心信息，同时保留原始的语气和细节。
• ai.agg_summarize：这是一款聚合工具，可以对某一列的多行数据进行处理，为整个分组生成统一的摘要，比如配合GROUP BY子句使用。

我们可以通过一个零售网站的产品评论场景来展示ai.agg_summarize的使用方法：

SELECT productname, ai.agg_summarize(review) as reviews_summary
GROUP BY productname;

以下是两款游戏主机产品的评论汇总结果示例：

大模型在你的数据上的能力：如今更快更实惠

我们在AI函数处理性能和成本上实现了前所未有的突破。以往在大型数据库中为每一行数据调用大模型都会带来高昂的成本和延迟问题，现在我们通过两项突破性能力打破了这些限制：

AI函数智能批处理：这项功能可以对AI函数调用进行智能批处理，以实现最优的性能和效果。这种效率提升的核心在于重复提示内容的去重：大模型的通用指令在每个批次中只需要传输一次，而不需要在每一行数据中重复发送。你可能会问，为什么不在自己的应用层实现这个功能？这是因为AlloyDB可以智能计算最合适的批次大小：如果批次太小，无法获得成本和延迟上的优化；如果批次太大，会导致发送给大模型的提示过于臃肿，引发幻觉问题，甚至超出模型的令牌限制。此外，AlloyDB还会自动处理重试逻辑，确保你的数据处理管道保持稳定。内部测试显示，这项功能可以带来最高2400倍的性能提升，每秒可以处理10000行数据，远超传统的逐行调用大模型的方式。目前该功能支持ai.if和ai.rank函数，后续会扩展到更多函数类型。

我们可以通过一个 gadget 零售网站的场景来展示智能批处理和ai.if函数的结合使用：假设一位用户想要寻找可以在60米及更深水下使用的相机。传统的混合搜索会返回语义和全文匹配度最高的结果，但会忽略数值数据的硬约束，比如可能会返回只能在20米水深使用的相机。而通过AlloyDB的ai.if智能过滤功能，数据库可以理解水深的具体要求，只返回符合或超过60米水深标准的产品。注意在下面的示例中，你不需要手动指定批次大小——AlloyDB会在使用ai.if函数时自动完成所有优化工作。

-- Smart Batching / AI Function Acceleration 
SET google_ml_integration.enable_ai_function_acceleration = on;
SELECT productid, productname, category,description
FROM products AS p
WHERE
  ai.if(
    'Evaluate if the product description indicates that the product is waterproof at depth 60m or deeper. Description:'
      || description);

优化的AI函数：为了进一步提升效率，我们还推出了优化模式，首先从ai.if函数开始。通过部署一个轻量级的代理模型，该模型基于你的嵌入数据并针对你的大模型输出进行训练，可以在数据库内部直接完成决策处理，大幅减少对外界大模型的调用次数。内部测试显示，这项优化可以实现每秒处理100000行数据（提升23000倍），同时成本降低6000倍，仅需原成本的十分之一美分。

使用优化的ai.if函数时，AlloyDB会完成以下步骤：

• 训练代理模型：AlloyDB会在你的数据样本上训练一个轻量级的代理模型，这个过程会在后台自动完成，当你使用PREPARE语句搭配ai.if函数时，系统会自动为优化后的查询训练模型。
• 执行查询：当你使用EXECUTE语句时，AlloyDB会使用训练好的代理模型在本地处理查询。
• 回退到大模型：如果模型的准确率较低，或者AlloyDB无法找到可用的模型，系统会自动回退到使用外部大模型进行处理。

我们还是以寻找60米及更深水下使用的相机为例，展示优化后的ai.if函数的使用方法：首先使用PREPARE语句训练代理模型，然后再执行查询。

-- Prepare the Optimized Function / Proxy Model
PREPARE waterproof_camera_60m AS
SELECT productid, productname, category, description
FROM products AS p
WHERE
  ai.if(
    'Evaluate if the product description indicates that the product is waterproof at depth 60m or deeper. Description:'
      || description,
    description_embedding);
– Run the Proxy Model

EXECUTE waterproof_camera_60m;

以下是一个 hypothetical gadget 网站的示例结果，可以看到返回的产品都真正符合60米水深的要求：

你可以通过演示视频了解这项功能的实际运行效果。

快速上手非常简单

想要为你的AI工作负载带来前所未有的速度和成本效益？

• 初次使用AlloyDB？可以通过30天免费试用体验AlloyDB的全部功能。
• AI函数快速入门：完成几项简单的前置配置后，就可以直接在SQL查询中调用ai.if、ai.generate或者ai.analyze_sentiment等函数，你可以参考相关的实际示例开始实践。
• 提升性能并优化成本：想要获得最大的性能和成本优化效果，可以参考优化函数的使用指南。目前该功能针对ai.if函数处于预览阶段，后续会扩展到更多函数类型。
• 扩展处理吞吐量：可以使用智能批处理功能加速AI函数调用，或者使用基于数组的函数来轻松处理批量提示任务。

塔猴是一个专注于为用户提供系统学习、内容创作与商业连接的AIGC综合服务平台，致力于为每一位AI探索者打造理想的创作、成长家园。在塔猴，你不仅可以学习众多AIGC类实战课程，获得与时俱进的AIGC技能和视野，还有机会获得长期商业合作和接单机会！点击进入：https://www.tahou.com/

AI生成内容提示：本文由人工智能辅助创作，内容仅供参考，不代表平台观点。请注意核实信息的准确性，并理性判断。