37 lines
1.2 KiB
Markdown
37 lines
1.2 KiB
Markdown
---
|
||
title: "In-Database Analytics"
|
||
created: 2026-05-15
|
||
updated: 2026-05-15
|
||
type: concept
|
||
tags: [database, machine-learning, analytics]
|
||
sources: [raw/papers/zeng-neurida-2025.md]
|
||
---
|
||
|
||
# In-Database Analytics
|
||
|
||
**In-Database Analytics** 指在数据库管理系统内部直接执行 ML/分析任务，无需将数据导出到外部计算环境。
|
||
|
||
## 核心价值
|
||
|
||
1. **零数据移动**：消除 ETL/数据导出开销，保持数据本地性
|
||
2. **实时性**：分析紧耦合于数据，响应延迟最低
|
||
3. **一致性**：分析所用的数据与事务数据一致
|
||
4. **治理**：数据库的访问控制、审计等安全机制自然覆盖分析任务
|
||
|
||
## 代表性系统
|
||
|
||
- **NeurIDA** — 端到端自主系统，动态建模 + 自然语言接口
|
||
- **NeurDB** — AI 驱动的自主数据库（CIDR 2025）
|
||
- **PostgresML** / **MindsDB** — SQL 内嵌 ML 推理
|
||
- **Cerebro** — 数据库内的 DL 模型选择
|
||
|
||
## 关键挑战
|
||
|
||
- **范式鸿沟**：传统 ML 的静态模型 vs 数据库的动态环境
|
||
- **schema 异构**：关系数据的多表结构需要特殊建模
|
||
- **查询多样性**：需支持分类、回归等多种预测类型
|
||
|
||
## 来源
|
||
|
||
- [[zeng-neurida-2025|NeurIDA 论文]]
|