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將全面進入AI時代，打造“Data×AI”核心能力，建設AI時代的數(shù)據底座。

“Data×AI”由此正式被寫入OceanBase的公司戰(zhàn)略。

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

大會上，OceanBase CTO楊傳輝就這一戰(zhàn)略解釋稱，“本質上我們是要做Data，用AI，實現(xiàn)Data與AI的融合。”

關于這一戰(zhàn)略中的另一個關鍵信息——不是數(shù)據庫，而是數(shù)據底座，楊傳輝表示，“希望通過一體化的產品、一體化的引擎，同時處理TP、AP和AI的混合負載。”

也是在這場開發(fā)者大會上，OceanBase不僅發(fā)布了首個面向AI的應用產品——PowerRAG，還再次升級一體化架構，發(fā)布了業(yè)內首款深度集成對象存儲與TP數(shù)據庫的“共享存儲”產品。

作為OceanBase第三次技術架構升級特別打造的產品，共享存儲為數(shù)據庫產業(yè)帶來了怎樣的創(chuàng)新思路？

OceanBase又在打造怎樣的數(shù)據底座？

01 AI應用爆發(fā)，亟需存儲技術革新

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

OceanBase團隊同樣感受到了DeepSeek對大模型應用產業(yè)落地帶來的加速作用，楊傳輝在接受媒體采訪時透露，“DeepSeek的準確率和成本相較之前的開源大模型有了質的提升，我們由此判斷，未來五年，大模型應用場景會迎來大爆發(fā)。”

以大模型為代表的AI應用爆發(fā)，對數(shù)據基礎設施也提出了更高的要求。

首先是數(shù)據量的暴增。

據IDC預測數(shù)據顯示，預計2028年全球新生成數(shù)據量規(guī)模將達到393.8ZB，相較于2018年增長9.8倍，從2024到2028五年間生成的數(shù)據量將至少是過去10年生成的數(shù)據總量的2.2倍。

如此海量的數(shù)據，亟需更低成本的數(shù)據存儲技術。

其次是數(shù)據模態(tài)的多樣化。

2023年9月25日，OpenAI正式官宣，ChatGPT新增語音、圖像對話功能，更具產業(yè)價值的多模態(tài)大模型已經成為人工智能技術競爭焦點。

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

數(shù)據模態(tài)的多樣化，要求數(shù)據庫能夠更高效地存儲半結構化、非結構化數(shù)據。

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

這時，已經被廣泛應用于分析型數(shù)據庫（AP）、企業(yè)存儲備份、歸檔和數(shù)據湖等場景的對象存儲技術成了解決問題的關鍵。

所謂對象存儲，是一種將數(shù)據存儲為“對象”的數(shù)據存儲方法，不僅具有高可靠、低成本、可無限擴展等特性，更重要的是，對象存儲已經成為云上海量數(shù)據存儲的主流方案，諸如圖片、視頻等信息的非結構化、半結構化原始數(shù)據，正是存儲在對象存儲中。

這讓對象存儲成了構建AI時代數(shù)據底座的選擇之一。

然而，卻至今未能在事務型數(shù)據庫（TP）中得到廣泛應用。

據楊傳輝在第三屆OceanBase開發(fā)者大會上介紹，“實際上，業(yè)內已經有很多面向對象存儲的多云原生數(shù)據庫，但這些數(shù)據庫往往因為無法做到低延遲、實時寫入，只能在AP中應用對象存儲；而能夠將對象存儲應用到TP的云原生數(shù)據庫，又往往無法將對象存儲構建在共享存儲之上，性價比無法做到極致。”

是否能夠在TP場景下推出一款基于對象存儲的共享存儲產品，也成了OceanBase在大模型技術風起云涌這兩年一直在思考的一個問題。

02 讓TP場景的共享存儲成為可能

什么是共享存儲？

按節(jié)點之間資源共享模式，數(shù)據庫有Shared Nothing、Shared Storage兩類主流存儲架構。

Shared Nothing是指每個節(jié)點都擁有獨立的計算和存儲資源，彼此獨立運行，沒有共享存儲或計算資源，數(shù)據存儲在不同的節(jié)點上，節(jié)點之間通過網絡進行通信，這種架構通常具有高性能、低延時特性。

Shared Storage，即共享存儲，是指多個計算節(jié)點共享一個存儲集群，每個節(jié)點可以訪問共享存儲上的數(shù)據，這種架構簡化了數(shù)據訪問，節(jié)省了存儲空間并保證了數(shù)據一致性，但性能會存在一定損失。

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

OceanBase之所以能解決TP數(shù)據庫無法支持對象存儲的問題，源于其100%根自研的技術掌控力，包括存儲引擎也是由團隊自研的LSM-Tree引擎。

實際上，據楊傳輝透露，“OceanBase早在六七年前就開始研發(fā)對象存儲技術，并在兩三年前開始構思在TP場景下的共享存儲產品。”

OceanBase產品部總經理楊志豐是OceanBase的對象存儲和共享存儲整個研發(fā)過程的親歷者，他告訴我們，在這個過程中，OceanBase在針對共享存儲的訪問通路做了如下幾個方面的優(yōu)化：

首先，由于共享存儲本身性能不高，這對緩存提出了很高的要求，OceanBase為此特別設計了一套由內存緩存、本地持久化緩存和對象存儲三層構成的專為TP場景設計的多級緩存架構。

相較而言，傳統(tǒng)基于Shared Nothing架構的數(shù)據庫，熱點數(shù)據往往主要依賴內存緩存，在共享存儲架構下，OceanBase增加了本地持久化緩存層緩存，優(yōu)化了對象存儲的訪問延遲問題。

無論是緩存對象存儲讀出的數(shù)據、預讀預熱機制，還是緩存數(shù)據在節(jié)點間的數(shù)據同步機制，均確保了 TP、AP、KV多種負載下的性能與容災恢復能力。

其次，OceanBase自研的LSM-Tree引擎具有天然適配“只追加、不修改”的對象存儲特性，基于這一存儲引擎設計的緩存架構很好地避免了因數(shù)據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團隊在對象存儲天然為大塊順序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場景下頻繁事務訪問對底層存儲帶來的壓力。

第三，OceanBase通過獨特的持久化緩存彈性伸縮能力，進一步解決了TP場景下熱點數(shù)據隨業(yè)務波動而動態(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載自動擴縮，保障高并發(fā)讀寫的同時，降低資源成本。

共享存儲版本下，OceanBase還同步改造了日志系統(tǒng)。

在傳統(tǒng)share-nothing三副本架構中，日志服務分布在每個副本內部。在新架構下，日志被抽象成一個獨立服務，不僅實現(xiàn)更穩(wěn)定的日志 I/O、日志的跨集群共享，還能進一步降低存儲成果，提高資源利用率。

最后，OceanBase還優(yōu)化了對象存儲的訪問鏈路——從 I/O 調度機制、緩存命中率、預取策略，到跨可用區(qū)的副本同步機制，全面壓低延遲波動，確保TP 業(yè)務毫秒級響應的穩(wěn)定性。

經過這一系列對對象存儲訪問通路的重構，OceanBase最終在5月17日的開發(fā)者大會上正式發(fā)布了共享存儲產品，OB Cloud由此成為了業(yè)界首個在TP場景下支持對象存儲的多云原生數(shù)據庫。

03 OceanBase第三次技術架構升級

成立于2010年的OceanBase團隊，在過去十五年里，OceanBase經歷了兩次重要技術升級：

第一次是2016年OceanBase 1.0版本的發(fā)布，在這一版本中，OceanBase團隊解決了所有節(jié)點可讀可寫的問題；

第二次是2020年OceanBase 4.0版本的發(fā)布，在這一版本中，OceanBase團隊在業(yè)內首次提出了單機分布式一體化架構，在一套系統(tǒng)中實現(xiàn)了分布式的擴展性和單機的功能和性能。

2025年，OceanBase迎來了第三次技術架構升級，楊傳輝稱這次技術架構升級為“多云原生”。

作為業(yè)界首個基于對象存儲面向TP場景的多云原生數(shù)據庫產品，OceanBase此次發(fā)布的共享存儲產品也成了這次技術架構升級關鍵。

在此次開發(fā)者大會上，楊傳輝特別就OceanBase工作負載由AWS的EBS模式遷移到S3對象存儲進行了一次成本核算：

據AWS官網數(shù)據顯示，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)據存儲為例，對于使用3份EBS的Shared Nothing架構而言，數(shù)據存儲成本總計需要3萬美元。

對于使用共享存儲而言，它的成本分成兩部分：

第一部分還是S3，總計需要2300美元；

第二部分是需要把熱點數(shù)據緩存到本地需要的成本，假設3個副本，每個副本緩存1/3，緩存到本地的成本就是1萬美元。

這樣計算下來，使用共享存儲的總成本約為1.2萬美金。

由此可見，對于TP工作負載，假設每個副本緩存1/3的熱點數(shù)據，OceanBase共享存儲產品可以將存儲成本降低一半。

如果是對極致高可用沒有強需求的AP工作負載，實際生產系統(tǒng)往往采用的是單副本模式，采用OceanBase共享存儲產品則可以將存儲成本降低近90%。

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

在Serverless方面，OceanBase這款共享存儲產品支持存儲和計算資源獨立彈性伸縮，按量付費，由于支持Serverless式的資源調度，從而實現(xiàn)了存儲不動、計算可彈的能力。

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

實際上，由于主流云廠商均已兼容S3協(xié)議，這意味著OceanBase共享存儲產品已經能夠支持大多數(shù)主流云服務，這為企業(yè)在多云、混合云環(huán)境下構建統(tǒng)一的數(shù)據基礎設施提供更多可能。

不過，楊傳輝也特別指出，“如果用戶是應用在要求極為苛刻的核心業(yè)務場景，每個查詢都需要再一兩個毫秒內返回，這樣的應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或95%比例的請求延時的業(yè)務場景，則完全可以選擇性價比更高的存算分離的共享存儲方案。”

04 AI需要怎樣的數(shù)據底座？

來自IDC預測數(shù)據顯示，到2028年，整個AI市場規(guī)模相較于2022年預計將會增長400%，生成式AI市場份額預計在整個AI市場占比將達到39.5%。

IDC中國軟件行業(yè)研究經理李凌霄指出，“無論是從市場側反饋來看，還是從IDC內部研究來看，大家對于生成式AI技術發(fā)展的疑慮已經全部打消，對于生成式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)據庫廠商也迎來了新機遇。

4月27日，OceanBase CEO楊冰發(fā)布全員信，宣布OceanBase將全面進入AI時代，打造“Data×AI”核心能力，建設AI時代的數(shù)據底座。

為什么OceanBase會提出這樣一個“Data×AI”戰(zhàn)略？

楊傳輝告訴我們，“在AI時代，我們需要的是一個一體化的數(shù)據底座，它的底層需要實現(xiàn)單機分布式一體化，也需要實現(xiàn)云上云下一體化，這就是單機分布式一體化架構和多云原生架構。對于用戶而言，他們需要的是一套數(shù)據庫，一套可以統(tǒng)一支持TP、AP和AI工作負載數(shù)據底座。”

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

為了做好AI時代的數(shù)據處理，OceanBase一直在加強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產品做到了TP生產級水準。

在接受媒體采訪時，楊冰告訴我們，“很少有數(shù)據引擎能把TP架在對象存儲上，我們在把這個難題攻克后，企業(yè)在技術棧層面存儲AI需要的數(shù)據時，就可以在數(shù)據存儲上統(tǒng)一到一套技術架構上。”

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

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

“未來十五年一定是一個AI大爆炸的時代，隨著全世界對AI產品的不斷打磨，我們也將成為AI時代的一體化數(shù)據底座。”