AI写得快,谁接生产责任:数据库按活跃时间计费与3秒交付
AI 已经能在几分钟内把一个应用的 Demo 写出来,这件事早就不新鲜了。真正悬而未决的,是这些 Demo 能不能走到生产环境,并且一直活下去。近日在 DBTalk 数据库 AI 技术沙龙成都站上,腾讯云 PG 数据库技术专家黄辉把这个问题摆上了台面,并给出了自己的判断:AI 缩短的是代码生成的时间,不是生产工程的责任
AI 几分钟就能写出一个应用 Demo,这早已不是新闻。真正没解决的是:这些 Demo 能否进入生产环境,并且长期跑下去。
近日在
他拿团队任务管理系统举例:一个账号、几个页面,接上数据就能演示。可一旦要上生产,问题马上冒出来——这个应用服务多少用户?用户分属哪些团队、各有什么权限?某位用户忽然发起大量请求该怎么应对?数据被误操作后又如何恢复?
这些疑问可归为三道工程鸿沟,指向的结论相同:AI 并没有分担这部分责任,只是把它推迟到了上线之后。
成本结构对不上:传统数据库规格固定、按长期计费;AI 应用负载起伏很大,为兜住高峰买高规格,平时多半在为闲置买单。
资源供给也对不上:传统应用上线前有数周到数月的评估期,资源能提前备好;AI 应用讲究快速试错,等不起这个周期。眼下最快的云数据库创建也要几分钟,在 WorkBuddy 这类 AI 平台上跑一个任务,单等数据库就位就要十几分钟,用户的耐心早耗光了。
运行治理同样不完整:身份认证、权限隔离、数据保护、容灾恢复,这些在 Demo 阶段都用不上,到了生产环境却一个都不能少。
三道鸿沟各有各的补法,思路却一致:把原本靠人盯着的责任,写进系统的默认行为。
先看成本结构怎么补。办法是把计费单位从"固定规格 × 时长"改成按活跃时间片计算。
资源供给这一头呢?做法是把数据库创建这件耗时的活挪到用户请求之前:平台预先备好一批已初始化的实例放进资源池,请求一到直接分配,只需补上身份绑定和网络配置两步轻量操作。交付时间由此从行业常见的 5 分钟级压到 3 秒以内,提速约 100 倍。
运行治理不完整的问题,解法分两步。
第一步,让权限默认写进数据层。思路对标了
ALTER TABLE tenant_data ENABLE ROW LEVEL SECREATE POLICY tenant_isolation_policy ON tenant_dataFOR ALL TO app_user_roleUSING (tenant_id = current_setting('app.current_tenant')::UUID)WITH CHECK (tenant_id = current_setting('app.current_tenant')::UUID);
效果是:应用代码不必处处写 WHERE tenant_id = ?,就算漏写,数据库自己也会拦下来。
第二步,让同一资源池里的应用彼此不干扰。答案就是 Serverless 模式:让出资源长期独占,换来低成本按需计费和秒级交付。隔离分三层:路由只指向自己的实例,连接权限不归别人,Schema 和对象权限严格隔开。一个实例回收重新入池前,要按顺序走完这套流程:
摘除路由:网关和连接层不再把新请求路由过来 关闭新连接:回收上一个使用方角色的连接权限 清理存量连接:把已有会话排空或终止 权限重置:回收残留权限,重建默认权限基线 校验后再入池:确认无旧路由、无旧连接、无旧授权,才能放回资源池
任何一步没做干净,旧凭证都可能重新访问到已回收的数据。应用做大之后也有退路:小应用先在 Serverless 资源池里跑,访问量涨了就在池内调高配额,业务稳定后再一键迁到预置规格实例,全程不用改代码。
这套数据层隔离的思路还延伸到了 Agent 场景:用
说到底,这套方案就是一笔交换:用户把长期预留的固定资源让出来,换回的是低成本与秒级交付。边界也由这笔交换定下——若业务要长时间撑住大量并发连接、负载一直很高,或者核心交易系统对性能隔离、故障域和 SLA 有硬性要求,按需模式既省不下多少开支,也提供不了固定资源那种确定性,这种场景直接挑预置规格实例更划算。
分工的界线一旦划清,事情就好办了:业务模型、业务权限、业务逻辑和产品体验,仍旧归开发者管;可用性保障、数据备份恢复,还有安全合规需要的基础能力,交给平台用架构和托管能力统一扛下来。开发者和平台各管一摊,界限就是这么分的。
分享收尾时他用一句话作了总结:让 AI 写出的每一个应用,都有一套能长期运行的生产级后端。开头那个问题,答案也落在这句话里——AI 写出来的应用能不能活下去,不取决于模型写得有多快,而取决于代码落地之后那一串工程责任,有没有人替你接住。
从 Demo 到生产之间横着的那道坎,不是今天才冒出来的。开发范式每换一代,"谁该接住这份责任"就得重新答一遍。这一回,轮到数据库来接。