AI 重塑云原生数据库：TDSQL-C 的 Serverless 智能弹性演进

导读腾讯云数据库 TDSQL-C 凭借 Serverless 架构与 AI 技术的双引擎驱动，有效解决了传统数据库在弹性伸缩、性能调优、成本控制及运维复杂度等方面的难题。本文深入解析其存算分离架构、预测式弹性机制、零抖动扩缩容技术，以及依托腾讯混元大模型打造的 AI 优化器与 Hermes Agent 智能运维体系。

1. 云原生数据库的智能化转型

2.Serverless 智能弹性伸缩

3.AI 自学习查询优化器

4.AI Navigator 智能数据库治理

5. 互动问答环节

分享嘉宾｜陈昊 腾讯云数据库高级产品经理

内容校对｜韩珊珊

出品社区｜DataFun

01

云原生数据库的智能化转型

IDC 研究报告指出，预计至 2029 年中国数据库市场规模将触及 186 亿元，年复合增长率达 20.1%。66% 的企业正借助 AI 技术重构数据基座，然而 85% 的线上故障源于 SQL 问题，工单平均处理耗时 4.5 小时，SQL 调优占据了 50% 的人力成本。

传统数据库主要面临四大核心挑战。首先是弹性不足，电商大促期间流量可能瞬间激增 10 倍，扩容周期却需数小时。陈昊指出："在 AI 时代，产品何时爆发难以预料。若待流量洪峰来袭后再扩容，往往为时已晚，无法抵御冲击。"其次是调优难度大，SaaS 业务可能涉及 21 万张表及 29 表关联，人工优化效率低下。第三是成本浪费，将所有数据存放于数据库导致高昂成本。最后是运维复杂度日益攀升。

TDSQL-C 提出两大破局策略：Serverless 化，实现数据库自动弹性伸缩；AI 驱动，将人力从运维释放至业务模型构建。产品定位明确：以 Serverless 架构为基石，AI 技术为动力，全面重构数据库的弹性能力、查询效率及管理体验。

传统数据库采用存算一体架构，一旦磁盘空间不足需扩容时，即便计算资源仅利用 20%，也必须整体扩容，造成资源闲置。传统云数据库主从同步依赖 Binlog，跨地域传输延迟显著。

TDSQL-C 基于存算分离架构，计算资源完全池化，存储采用三副本线性扩展机制。存储不足时仅扩存储，计算不足时仅扩计算。更为关键的是，TDSQL-C 摒弃 Binlog，全面采用物理日志 Redolog 进行同步，大幅提升复制效率，实现极低的主从延迟，支持秒级横向扩展。支持自动启停，无使用不收费，真正践行按量付费模式。

02

Serverless 智能弹性伸缩

1. 全链路 Serverless 架构：亚秒级弹性、极致成本优化

TDSQL-C 采用一主多从架构，顶层为 Proxy 层负责动态流量分发。整体架构具备两大核心弹性能力：垂直弹性基于数十种监控指标，在同机环境下实现亚秒级伸缩；横向弹性则支持秒级节点扩展。

计费模式采用 CCU（取 CPU 核数与内存大小一半中的较大值），支持秒级监控采样与秒级负载数据推送，实现精细化按量计费。

2. 预测式弹性：更契合业务需求的高精度伸缩

传统弹性多为事后响应，通常在 CPU 使用率达 80%、内存使用率达 90% 时才触发扩容，难以应对突发流量场景。TDSQL-C 引入 AI 技术实现预测式弹性，涵盖四个阶段。

事前决策分析：利用 80% 的历史监控负载数据作为训练集，20% 作为测试集，采用 DNN 算法进行预测，均方误差小于 5 即纳入预测队列。复合特征提取：抽取近 20 种特征构建分析向量。用户场景深度拟合：通过大模型对话方式提供外置增强插件，例如提前获知明日有重大节日或赛事，从而提前扩容。多模态对齐捕捉：通过权重控制时序预测模型集（如 LSTM、Transformer、Linear、DNN、ARIMA 等），预测准确率超 80%。

3. 实时弹性的稳定性保障

TDSQL-C 通过两项技术优化确保稳定性。

Proxy 防闪断能力：扩缩容涉及跨机操作时，Proxy 层负责流量兜底，底层节点切换期间所有流量由 Proxy Hold 住，针对不同语句实施续传，跨机扩容时链接保持率超 95%。

内核层面优化：缩容过程涉及内存 Buffer Pool 机制，传统 MySQL 方案需两次获取 Mutex 锁，TDSQL-C 改为频繁多次小锁，按地址遍历待回收 block。同时解决 IO 瓶颈（redo 存储层异步生成 Page，直接丢弃脏页）和全局锁瓶颈（异步延迟释放 chunks 并提前预分配 chunks），实现弹性过程零抖动，查询耗时控制在 100 毫秒以内。

4. 可释放存储：触发式冷数据压缩与访问

TDSQL-C 研发了可释放存储技术，将数据归档至二级存储（对象存储），释放一级存储资源。写请求通过 redo 日志持久化，读请求以 Page 形式加载。写延迟与命中读延迟在百微秒级别，非命中读延迟为百毫秒级别，导入速度平均超 5GB/s。

trigger 流程设计："并非一次性拉取所有配置页，而是依据用户请求，优先拉取所需配置页。"采用异步机制，根据实际访问需求优先加载所需 Page。

5. 实战案例

某体育直播平台面临热点赛事突发性高的挑战。TDSQL-C Serverless 解决方案：AI 预测式弹性提前 30 分钟逐步扩容，波峰到来时容量可承载实际业务超 20%。开启 AI 自学习优化器后，平均性能提升超 30%，资源消耗占比降低 20%。

某证券平台面临周期性流量波动，TDSQL-C 采用一写八读架构，借助 Proxy 防闪断能力保障平滑变更。垂直弹性时，对 Buffer Pool 锁状态进行颗粒化 resize，过程无抖动，查询耗时小于 100ms，跨机扩容时链接不断，业务零受损。

03

AI 自学习查询优化器

在 POC 或投产验证阶段，性能 SQL 调优的人力投入占比高达 47%，成为规模化复制的瓶颈。线上工单分析显示，性能类问题平均处理时长为 4.5 小时/单，占总时长的 12.5%。

传统优化器面临三大局限：搜索空间爆炸（10 张表连接顺序约 360 万种）；业务与系统资源动态变化，难以达到全局最优解；优化器模型需长期积累，Oracle 投入 40 年，代码量达百万级。

传统优化器存在四大根本缺陷：错误计划不感知、基数估计不准、代价模型不准、搜索空间不完备。TDSQL-C 的解决方案是基于 AI 的自学习优化器，从局部最优迈向全局最优。引入最优计划对比模型，通过执行时延反馈机制赋予学习与反思能力。训练领域大模型作为专家系统，依据经验生成候选计划。

技术架构涵盖负载收集、全计划空间训练、指令微调及强化学习微调（SFT/RL），生成腾讯混元优化器大模型。数据库内核依据训练结果直接选取最优执行计划，实例 1 训练出的全局最优计划可供实例 2 至实例 N 复用，实现性能规模化自治。

陈昊透露，该技术融合了腾讯内部微信、支付等业务的优化经验训练大模型。效果显著：线上 SQL 总耗时降低 52.8%，TPC-DS 测试中总时延降低 46%。已灰度覆盖 2000+ 实例，上线实例总数超 3000+。针对拥有 40TB+ 数据、21 万张表、10 万 + 慢 SQL 的 SaaS 业务，跑批时间从 6 小时以上缩短至 3.5 小时，效率提升 42%。

04

AI Navigator 智能数据库治理

AI Navigator 基于 Hermes Agent，推动数据库从"被动存数"向"主动赋能运营"转变。

六大技术特性：三层持久记忆（短期上下文、跨会话长期记忆、技能记忆库，利用 FTS5 全文检索）；闭环自主学习（自动提炼经验，自动生成可复用操作技能）；7×24 小时后台运行（Daemon 模式，实时感知异常，秒级预警）；本地数据主权（本地 SQLite 存储，五级权限管控）；20+ 模型支持（集成腾讯云 TokenHub）；多平台消息网关（企业微信、微信等 IM 平台）。

四大应用场景：业务指标实时洞察（自动识别业务表，将 T+1 延迟报表转化为实时业务看板）；智能用户分层与精准运营（自动输出高价值/流失风险/加购未付人群包，转化率提升 30% 以上）；实时业务风控（毫秒级主动防御，拦截高频刷单、跨区异常登录）；AI 内核双向增强（结合 AI 优化器消除慢查询，SQL 耗时降低 50% 以上）。

05

互动问答环节

Q1：AI 对 SQL 优化的具体策略是什么？是否包含预定义的知识和技能，以及动态调整？

陈昊：我们通过三个层面进行优化。第一是内置的 AI 优化器，在内核层改变执行计划，例如算子选择 Hash 或其他策略，优化复杂查询。第二是提供相关 skill，将数据库参数调优经验（如 buffer pool）封装成专属 skill，内置到 Hermes Agent。同时利用大模型进行业务 SQL 改写和联网搜索。我们结合了大模型、专属 Skill 和内核能力，构建完整的 SQL 优化体系。

Q2：AI 时代到来后，数据库的使用场景发生了哪些变化？

陈昊：变化巨大。国外 PG（PostgreSQL）用量已与 MySQL 持平，因为 PG 拥有众多插件化能力，对多模态支持良好。AI 处理的数据类型多样，包括图片、时序、向量等，AI 开发者希望后端能统一，支撑所有 AI 产品需求。例如构建 RAG（检索增强生成）底座，希望原生底座即可实现，无需迁移至专门的向量数据库。更重要的是角色转变，以前服务对象是 DBA 或业务人员，现在对象变成了 AI，需让 AI 更好地理解与调用数据库，并解决上下文长度和持有期等问题。

📢活动预告

5 月 29 日，腾讯云「数据库+AI」发布会将首次完整披露从"AI-In-Database"原生融合，到全面支撑 Agent 的演进路径与核心能力。

诚邀您见证"AI 原生重构数据库"的行业变革，共建下一代智能体应用的数据根基。

👇 扫码即刻报名！席位有限，先到先得！