作者 | 金旺

來源 | 科技行者

4月27日，OceanBase CEO楊冰發(fā)布全員信，宣布OceanBase將全面進(jìn)入AI時(shí)代，打造“Data×AI”核心能力，建設(shè)AI時(shí)代的數(shù)據(jù)底座。

“Data×AI”由此正式被寫入OceanBase的公司戰(zhàn)略。

這一戰(zhàn)略公布不到一個(gè)月，OceanBase第三屆開發(fā)者大會(huì)就在廣州召開。

大會(huì)上，OceanBase CTO楊傳輝就這一戰(zhàn)略解釋稱，“本質(zhì)上我們是要做Data，用AI，實(shí)現(xiàn)Data與AI的融合。”

關(guān)于這一戰(zhàn)略中的另一個(gè)關(guān)鍵信息——不是數(shù)據(jù)庫，而是數(shù)據(jù)底座，楊傳輝表示，“希望通過一體化的產(chǎn)品、一體化的引擎，同時(shí)處理TP、AP和AI的混合負(fù)載。”

也是在這場(chǎng)開發(fā)者大會(huì)上，OceanBase不僅發(fā)布了首個(gè)面向AI的應(yīng)用產(chǎn)品——PowerRAG，還再次升級(jí)一體化架構(gòu)，發(fā)布了業(yè)內(nèi)首款深度集成對(duì)象存儲(chǔ)與TP數(shù)據(jù)庫的“共享存儲(chǔ)”產(chǎn)品。

作為OceanBase第三次技術(shù)架構(gòu)升級(jí)特別打造的產(chǎn)品，共享存儲(chǔ)為數(shù)據(jù)庫產(chǎn)業(yè)帶來了怎樣的創(chuàng)新思路？

OceanBase又在打造怎樣的數(shù)據(jù)底座？

01 AI應(yīng)用爆發(fā)，亟需存儲(chǔ)技術(shù)革新

2025年1月20日，開源大模型DeepSeek R1的面世，讓大模型應(yīng)用產(chǎn)業(yè)落地開始加速。

OceanBase團(tuán)隊(duì)同樣感受到了DeepSeek對(duì)大模型應(yīng)用產(chǎn)業(yè)落地帶來的加速作用，楊傳輝在接受媒體采訪時(shí)透露，“DeepSeek的準(zhǔn)確率和成本相較之前的開源大模型有了質(zhì)的提升，我們由此判斷，未來五年，大模型應(yīng)用場(chǎng)景會(huì)迎來大爆發(fā)。”

以大模型為代表的AI應(yīng)用爆發(fā)，對(duì)數(shù)據(jù)基礎(chǔ)設(shè)施也提出了更高的要求。

首先是數(shù)據(jù)量的暴增。

據(jù)IDC預(yù)測(cè)數(shù)據(jù)顯示，預(yù)計(jì)2028年全球新生成數(shù)據(jù)量規(guī)模將達(dá)到393.8ZB，相較于2018年增長(zhǎng)9.8倍，從2024到2028五年間生成的數(shù)據(jù)量將至少是過去10年生成的數(shù)據(jù)總量的2.2倍。

如此海量的數(shù)據(jù)，亟需更低成本的數(shù)據(jù)存儲(chǔ)技術(shù)。

其次是數(shù)據(jù)模態(tài)的多樣化。

2023年9月25日，OpenAI正式官宣，ChatGPT新增語音、圖像對(duì)話功能，更具產(chǎn)業(yè)價(jià)值的多模態(tài)大模型已經(jīng)成為人工智能技術(shù)競(jìng)爭(zhēng)焦點(diǎn)。

而隨著大模型從NLP走向多模態(tài)，原始訓(xùn)練數(shù)據(jù)集也從純文本變成了文本、圖片、語音、視頻等多種數(shù)據(jù)模態(tài)。

數(shù)據(jù)模態(tài)的多樣化，要求數(shù)據(jù)庫能夠更高效地存儲(chǔ)半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。

如何高效存儲(chǔ)海量多模態(tài)數(shù)據(jù)，就成了在大模型應(yīng)用場(chǎng)景迎來大爆發(fā)前，面向AI時(shí)代的數(shù)據(jù)庫廠商必須考慮的問題。

這時(shí)，已經(jīng)被廣泛應(yīng)用于分析型數(shù)據(jù)庫（AP）、企業(yè)存儲(chǔ)備份、歸檔和數(shù)據(jù)湖等場(chǎng)景的對(duì)象存儲(chǔ)技術(shù)成了解決問題的關(guān)鍵。

所謂對(duì)象存儲(chǔ)，是一種將數(shù)據(jù)存儲(chǔ)為“對(duì)象”的數(shù)據(jù)存儲(chǔ)方法，不僅具有高可靠、低成本、可無限擴(kuò)展等特性，更重要的是，對(duì)象存儲(chǔ)已經(jīng)成為云上海量數(shù)據(jù)存儲(chǔ)的主流方案，諸如圖片、視頻等信息的非結(jié)構(gòu)化、半結(jié)構(gòu)化原始數(shù)據(jù)，正是存儲(chǔ)在對(duì)象存儲(chǔ)中。

這讓對(duì)象存儲(chǔ)成了構(gòu)建AI時(shí)代數(shù)據(jù)底座的選擇之一。

然而，卻至今未能在事務(wù)型數(shù)據(jù)庫（TP）中得到廣泛應(yīng)用。

據(jù)楊傳輝在第三屆OceanBase開發(fā)者大會(huì)上介紹，“實(shí)際上，業(yè)內(nèi)已經(jīng)有很多面向?qū)ο蟠鎯?chǔ)的多云原生數(shù)據(jù)庫，但這些數(shù)據(jù)庫往往因?yàn)闊o法做到低延遲、實(shí)時(shí)寫入，只能在AP中應(yīng)用對(duì)象存儲(chǔ)；而能夠?qū)?duì)象存儲(chǔ)應(yīng)用到TP的云原生數(shù)據(jù)庫，又往往無法將對(duì)象存儲(chǔ)構(gòu)建在共享存儲(chǔ)之上，性價(jià)比無法做到極致。”

是否能夠在TP場(chǎng)景下推出一款基于對(duì)象存儲(chǔ)的共享存儲(chǔ)產(chǎn)品，也成了OceanBase在大模型技術(shù)風(fēng)起云涌這兩年一直在思考的一個(gè)問題。

02 讓TP場(chǎng)景的共享存儲(chǔ)成為可能

什么是共享存儲(chǔ)？

按節(jié)點(diǎn)之間資源共享模式，數(shù)據(jù)庫有Shared Nothing、Shared Storage兩類主流存儲(chǔ)架構(gòu)。

Shared Nothing是指每個(gè)節(jié)點(diǎn)都擁有獨(dú)立的計(jì)算和存儲(chǔ)資源，彼此獨(dú)立運(yùn)行，沒有共享存儲(chǔ)或計(jì)算資源，數(shù)據(jù)存儲(chǔ)在不同的節(jié)點(diǎn)上，節(jié)點(diǎn)之間通過網(wǎng)絡(luò)進(jìn)行通信，這種架構(gòu)通常具有高性能、低延時(shí)特性。

Shared Storage，即共享存儲(chǔ)，是指多個(gè)計(jì)算節(jié)點(diǎn)共享一個(gè)存儲(chǔ)集群，每個(gè)節(jié)點(diǎn)可以訪問共享存儲(chǔ)上的數(shù)據(jù)，這種架構(gòu)簡(jiǎn)化了數(shù)據(jù)訪問，節(jié)省了存儲(chǔ)空間并保證了數(shù)據(jù)一致性，但性能會(huì)存在一定損失。

由于Shared Nothing架構(gòu)天然具備高性能、低延時(shí)，可以做到實(shí)時(shí)寫入，主流TP數(shù)據(jù)庫往往采用的正是這一架構(gòu)。

OceanBase之所以能解決TP數(shù)據(jù)庫無法支持對(duì)象存儲(chǔ)的問題，源于其100%根自研的技術(shù)掌控力，包括存儲(chǔ)引擎也是由團(tuán)隊(duì)自研的LSM-Tree引擎。

實(shí)際上，據(jù)楊傳輝透露，“OceanBase早在六七年前就開始研發(fā)對(duì)象存儲(chǔ)技術(shù)，并在兩三年前開始構(gòu)思在TP場(chǎng)景下的共享存儲(chǔ)產(chǎn)品。”

OceanBase產(chǎn)品部總經(jīng)理?xiàng)钪矩S是OceanBase的對(duì)象存儲(chǔ)和共享存儲(chǔ)整個(gè)研發(fā)過程的親歷者，他告訴我們，在這個(gè)過程中，OceanBase在針對(duì)共享存儲(chǔ)的訪問通路做了如下幾個(gè)方面的優(yōu)化：

首先，由于共享存儲(chǔ)本身性能不高，這對(duì)緩存提出了很高的要求，OceanBase為此特別設(shè)計(jì)了一套由內(nèi)存緩存、本地持久化緩存和對(duì)象存儲(chǔ)三層構(gòu)成的專為TP場(chǎng)景設(shè)計(jì)的多級(jí)緩存架構(gòu)。

相較而言，傳統(tǒng)基于Shared Nothing架構(gòu)的數(shù)據(jù)庫，熱點(diǎn)數(shù)據(jù)往往主要依賴內(nèi)存緩存，在共享存儲(chǔ)架構(gòu)下，OceanBase增加了本地持久化緩存層緩存，優(yōu)化了對(duì)象存儲(chǔ)的訪問延遲問題。

無論是緩存對(duì)象存儲(chǔ)讀出的數(shù)據(jù)、預(yù)讀預(yù)熱機(jī)制，還是緩存數(shù)據(jù)在節(jié)點(diǎn)間的數(shù)據(jù)同步機(jī)制，均確保了 TP、AP、KV多種負(fù)載下的性能與容災(zāi)恢復(fù)能力。

其次，OceanBase自研的LSM-Tree引擎具有天然適配“只追加、不修改”的對(duì)象存儲(chǔ)特性，基于這一存儲(chǔ)引擎設(shè)計(jì)的緩存架構(gòu)很好地避免了因數(shù)據(jù)寫入帶來的緩存失效問題，提升了IOPS利用效率。

同樣是基于LSM-Tree引擎，OceanBase團(tuán)隊(duì)在對(duì)象存儲(chǔ)天然為大塊順序I/O優(yōu)化、小I/O性能差且超過1萬IOPS容易被限流的前提下，通過聚合小I/O、異步寫入、讀寫路徑優(yōu)化、并發(fā)控制等深度工程手段，極大緩解了TP場(chǎng)景下頻繁事務(wù)訪問對(duì)底層存儲(chǔ)帶來的壓力。

第三，OceanBase通過獨(dú)特的持久化緩存彈性伸縮能力，進(jìn)一步解決了TP場(chǎng)景下熱點(diǎn)數(shù)據(jù)隨業(yè)務(wù)波動(dòng)而動(dòng)態(tài)變化的問題。

相較于業(yè)界普遍的固定緩存策略，OceanBase的本地緩存空間可隨負(fù)載自動(dòng)擴(kuò)縮，保障高并發(fā)讀寫的同時(shí)，降低資源成本。

共享存儲(chǔ)版本下，OceanBase還同步改造了日志系統(tǒng)。

在傳統(tǒng)share-nothing三副本架構(gòu)中，日志服務(wù)分布在每個(gè)副本內(nèi)部。在新架構(gòu)下，日志被抽象成一個(gè)獨(dú)立服務(wù)，不僅實(shí)現(xiàn)更穩(wěn)定的日志 I/O、日志的跨集群共享，還能進(jìn)一步降低存儲(chǔ)成果，提高資源利用率。

最后，OceanBase還優(yōu)化了對(duì)象存儲(chǔ)的訪問鏈路——從 I/O 調(diào)度機(jī)制、緩存命中率、預(yù)取策略，到跨可用區(qū)的副本同步機(jī)制，全面壓低延遲波動(dòng)，確保TP 業(yè)務(wù)毫秒級(jí)響應(yīng)的穩(wěn)定性。

經(jīng)過這一系列對(duì)對(duì)象存儲(chǔ)訪問通路的重構(gòu)，OceanBase最終在5月17日的開發(fā)者大會(huì)上正式發(fā)布了共享存儲(chǔ)產(chǎn)品，OB Cloud由此成為了業(yè)界首個(gè)在TP場(chǎng)景下支持對(duì)象存儲(chǔ)的多云原生數(shù)據(jù)庫。

03 OceanBase第三次技術(shù)架構(gòu)升級(jí)

成立于2010年的OceanBase團(tuán)隊(duì)，在過去十五年里，OceanBase經(jīng)歷了兩次重要技術(shù)升級(jí)：

第一次是2016年OceanBase 1.0版本的發(fā)布，在這一版本中，OceanBase團(tuán)隊(duì)解決了所有節(jié)點(diǎn)可讀可寫的問題；

第二次是2020年OceanBase 4.0版本的發(fā)布，在這一版本中，OceanBase團(tuán)隊(duì)在業(yè)內(nèi)首次提出了單機(jī)分布式一體化架構(gòu)，在一套系統(tǒng)中實(shí)現(xiàn)了分布式的擴(kuò)展性和單機(jī)的功能和性能。

2025年，OceanBase迎來了第三次技術(shù)架構(gòu)升級(jí)，楊傳輝稱這次技術(shù)架構(gòu)升級(jí)為“多云原生”。

作為業(yè)界首個(gè)基于對(duì)象存儲(chǔ)面向TP場(chǎng)景的多云原生數(shù)據(jù)庫產(chǎn)品，OceanBase此次發(fā)布的共享存儲(chǔ)產(chǎn)品也成了這次技術(shù)架構(gòu)升級(jí)關(guān)鍵。

在此次開發(fā)者大會(huì)上，楊傳輝特別就OceanBase工作負(fù)載由AWS的EBS模式遷移到S3對(duì)象存儲(chǔ)進(jìn)行了一次成本核算：

據(jù)AWS官網(wǎng)數(shù)據(jù)顯示，EBS每GB每月使用成本為0.1美元，S3每GB每月使用成本為0.023美元。

以100TB數(shù)據(jù)存儲(chǔ)為例，對(duì)于使用3份EBS的Shared Nothing架構(gòu)而言，數(shù)據(jù)存儲(chǔ)成本總計(jì)需要3萬美元。

對(duì)于使用共享存儲(chǔ)而言，它的成本分成兩部分：

第一部分還是S3，總計(jì)需要2300美元；

第二部分是需要把熱點(diǎn)數(shù)據(jù)緩存到本地需要的成本，假設(shè)3個(gè)副本，每個(gè)副本緩存1/3，緩存到本地的成本就是1萬美元。

這樣計(jì)算下來，使用共享存儲(chǔ)的總成本約為1.2萬美金。

由此可見，對(duì)于TP工作負(fù)載，假設(shè)每個(gè)副本緩存1/3的熱點(diǎn)數(shù)據(jù)，OceanBase共享存儲(chǔ)產(chǎn)品可以將存儲(chǔ)成本降低一半。

如果是對(duì)極致高可用沒有強(qiáng)需求的AP工作負(fù)載，實(shí)際生產(chǎn)系統(tǒng)往往采用的是單副本模式，采用OceanBase共享存儲(chǔ)產(chǎn)品則可以將存儲(chǔ)成本降低近90%。

然而，極致性價(jià)比只是OceanBase此次發(fā)布的共享存儲(chǔ)產(chǎn)品的特性之一，這款產(chǎn)品的另外兩個(gè)顯著特性是Serverless和多云原生。

在Serverless方面，OceanBase這款共享存儲(chǔ)產(chǎn)品支持存儲(chǔ)和計(jì)算資源獨(dú)立彈性伸縮，按量付費(fèi)，由于支持Serverless式的資源調(diào)度，從而實(shí)現(xiàn)了存儲(chǔ)不動(dòng)、計(jì)算可彈的能力。

在多云原生方面，OceanBase這款共享存儲(chǔ)產(chǎn)品全面支持Amazon S3、阿里云OSS等主流云服務(wù)及兼容S3協(xié)議的對(duì)象存儲(chǔ)。

實(shí)際上，由于主流云廠商均已兼容S3協(xié)議，這意味著OceanBase共享存儲(chǔ)產(chǎn)品已經(jīng)能夠支持大多數(shù)主流云服務(wù)，這為企業(yè)在多云、混合云環(huán)境下構(gòu)建統(tǒng)一的數(shù)據(jù)基礎(chǔ)設(shè)施提供更多可能。

不過，楊傳輝也特別指出，“如果用戶是應(yīng)用在要求極為苛刻的核心業(yè)務(wù)場(chǎng)景，每個(gè)查詢都需要再一兩個(gè)毫秒內(nèi)返回，這樣的應(yīng)用依然可以選擇存算一體的Shared Nothing本地盤模式；如果是更看重平均延時(shí)或95%比例的請(qǐng)求延時(shí)的業(yè)務(wù)場(chǎng)景，則完全可以選擇性價(jià)比更高的存算分離的共享存儲(chǔ)方案。”

04 AI需要怎樣的數(shù)據(jù)底座？

來自IDC預(yù)測(cè)數(shù)據(jù)顯示，到2028年，整個(gè)AI市場(chǎng)規(guī)模相較于2022年預(yù)計(jì)將會(huì)增長(zhǎng)400%，生成式AI市場(chǎng)份額預(yù)計(jì)在整個(gè)AI市場(chǎng)占比將達(dá)到39.5%。

IDC中國軟件行業(yè)研究經(jīng)理李凌霄指出，“無論是從市場(chǎng)側(cè)反饋來看，還是從IDC內(nèi)部研究來看，大家對(duì)于生成式AI技術(shù)發(fā)展的疑慮已經(jīng)全部打消，對(duì)于生成式AI未來發(fā)展都持有著樂觀態(tài)度。”

而生成式AI和大模型的快速發(fā)展，讓數(shù)據(jù)庫廠商也迎來了新機(jī)遇。

4月27日，OceanBase CEO楊冰發(fā)布全員信，宣布OceanBase將全面進(jìn)入AI時(shí)代，打造“Data×AI”核心能力，建設(shè)AI時(shí)代的數(shù)據(jù)底座。

為什么OceanBase會(huì)提出這樣一個(gè)“Data×AI”戰(zhàn)略？

楊傳輝告訴我們，“在AI時(shí)代，我們需要的是一個(gè)一體化的數(shù)據(jù)底座，它的底層需要實(shí)現(xiàn)單機(jī)分布式一體化，也需要實(shí)現(xiàn)云上云下一體化，這就是單機(jī)分布式一體化架構(gòu)和多云原生架構(gòu)。對(duì)于用戶而言，他們需要的是一套數(shù)據(jù)庫，一套可以統(tǒng)一支持TP、AP和AI工作負(fù)載數(shù)據(jù)底座。”

與此同時(shí)，“Data×AI”一體化數(shù)據(jù)底座實(shí)際上也是OceanBase一體化數(shù)據(jù)庫的延伸，它的核心在于如何做好數(shù)據(jù)處理。

為了做好AI時(shí)代的數(shù)據(jù)處理，OceanBase一直在加強(qiáng)支持混合檢索的向量引擎的研發(fā)，并在過去兩年里將共享存儲(chǔ)產(chǎn)品做到了TP生產(chǎn)級(jí)水準(zhǔn)。

在接受媒體采訪時(shí)，楊冰告訴我們，“很少有數(shù)據(jù)引擎能把TP架在對(duì)象存儲(chǔ)上，我們?cè)诎堰@個(gè)難題攻克后，企業(yè)在技術(shù)棧層面存儲(chǔ)AI需要的數(shù)據(jù)時(shí)，就可以在數(shù)據(jù)存儲(chǔ)上統(tǒng)一到一套技術(shù)架構(gòu)上。”

OceanBase堅(jiān)持的上述一體化產(chǎn)品思路，為企業(yè)和開發(fā)者帶來的最直接的好處是，在進(jìn)行大模型應(yīng)用開發(fā)時(shí)，開發(fā)者就可以通過一條SQL語句處理所有工作負(fù)載。

2025年是OceanBase走過的第十五個(gè)年頭，站在這一年的OceanBase開發(fā)者大會(huì)上展望未來十五年，楊傳輝指出：

“未來十五年一定是一個(gè)AI大爆炸的時(shí)代，隨著全世界對(duì)AI產(chǎn)品的不斷打磨，我們也將成為AI時(shí)代的一體化數(shù)據(jù)底座。”