Page 366 - 《软件学报》2026年第2期

姬涛 等: AI 赋能的关系型数据库系统研究: 标准化、技术与挑战 845

对于数据获取与存储, 学习索引和数据分区等智能化技术的应用证明了人工智能在优化数据存取方面的潜
力. 尽管如此, 学习索引在构建过程中仍面临时间消耗长和计算资源需求大的挑战. 多维索引在提升查询效率和准
确性方面尚有较大提升空间. 此外, 数据分区策略在动态环境中的适应性也需进一步研究.
在查询优化方面, 包括查询重写、规模估算、代价评估和计划优化等技术, 已经借助人工智能方法超越了传
统的启发式规则. 然而, 这些技术在处理复杂查询和动态工作负载时仍显不足, 如何在动态和复杂环境中准确估算
查询规模和成本、生成最优执行计划, 以及如何使人工智能模型快速适应负载和数据变化, 是当前查询优化领域
面临的主要挑战.
在查询执行方面, 自适应查询处理、并发控制和查询调度等智能化方法的探索是积极的尝试. 自适应查询处
理需要在执行过程中能够更灵活地调整策略, 以应对数据和工作负载的变动. 同时, 在确保系统稳定性和效率的基
础上, 还需要更高效地管理资源和任务, 以及进一步智能化并发控制和查询调度.
数据库内核的智能组件模型目前还无法实现实时学习和调整. 数据库领域仍需开发能够在查询执行过程中实
时学习和自适应调整的模型, 以优化查询和执行过程. 尽管数据库内核的各个模块都具备智能化的潜力, 但如何实
现这些模块之间的有效协同仍是一个待解决的问题. 需要开发一种统一的方法来管理数据存取、查询优化和查询
执行等组件, 全面考虑它们之间的相互影响, 以构建一个整体优化的智能数据库内核. 同时, 提高组件所使用的模
型的可解释性和透明度也是必要的, 这将帮助数据库开发人员更好地理解模型的决策过程, 从而增强对智能化组
件的信任和使用.

5 智能数据库开发接口
大多数智能组件直接集成于数据库中, 或通过特定编程方法实现. 智能数据库开发接口为智能组件的实现提
供了统一的抽象接口, 充当了数据库各模块与人工智能方法之间的桥梁. 该接口提供了一系列标准化的编程接口,
便于人工智能方法接入数据库系统, 使智能开发人员无需深入数据库底层开发. 此外, 智能数据库开发接口还支持
智能算法开发人员从数据库中获取训练数据并进行模型评估. 目前, 已知的智能数据库开发接口主要有 Database
Gyms [257] 和 PilotScope [258] 两个, 本节将对此进行详细介绍.
5.1 Database Gyms
Database Gyms [257] 是一个智能数据库集成环境, 它为数据库组件和智能组件获取训练数据提供了统一的接口.
不同于其他学习领域自定义模拟环境, Database Gyms 使用 DBMS 本身来创建用于机器学习训练的模拟环境, 简
化了智能组件模型训练和评估. 在 Database Gyms 中, 智能数据库系统被抽象为 3 个主要实体: 数据库环境、智能
代理和用户.
5.2 PilotScope
PilotScope [258] 充当智能模型与数据库系统的中间件, 其编程模型显著降低了将智能组件整合到数据库系统中
的复杂性. PilotScope 由智能组件到数据库的驱动器和数据库交互器构成. 智能组件到数据库的驱动器包括收集训
练数据、训练模型, 并做出决策并优化数据库的标准工作流. 数据驱动器则避免了智能组件对数据库底层的修改,
对不同的数据库, 数据库交互器需要由数据库开发人员以不同的方式实现. PilotScope 抽象出用于机器学习和数据
库之间数据交流的方法, 通过这些方法数据库能够收集各种类型的数据、注入智能数据库组件并执行数据库
操作.
5.3 小 结
智能数据库开发接口的核心功能是支撑标准化范式中各环节的衔接. Database Gyms 和 PilotScope 等工具抽
象了感知环节的数据采集、模型应用的决策注入、执行环节的操作触发及部分反馈管理功能. 这一接口的设计初
衷是解决智能技术在数据库系统集成时遇到的部署难题. 未来, 这些开发接口预计将扩展其兼容性, 以支持更广泛
的数据库系统, 并形成一套更加通用的人工智能对接机制. 此外, 这些接口将聚焦于提升效率、简化使用流程, 并