Inside Google’s Database Infrastructure for the AI Era

摘要

Google 的 VP of Engineering 馬廷梅爾爾與 Sailesh Krishnamurthy 探討 AI 時代資料基礎設施的演變。隨著 AI 出現，資料查詢不再追求絕對準確，而是關注相關性與排名。Agent 開始自主構建查詢與 Schema，這要求資料結構、治理與信任機制迎來新挑戰。

Google's VP of Engineering Matt Merrill and Sailesh Krishnamurthy discuss the evolution of database infrastructure in the AI era. As AI emerges, queries shift from seeking absolute accuracy to prioritizing relevance and ranking. Agents begin constructing their own queries and schemas, raising new Qs…

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• AI 時代的資料查詢不再追求絕對準確，而是關注相關性與排名。
• Agent 開始自主構建查詢與 Schema，對資料治理提出新問題。
• 資料基礎設施需從「確保結果正確」轉向提供「最相關結果」以支援 AI 應用。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00AI 時代的資料庫架構演變
2. 16:43風險檢測 API 與安全服務
3. 19:46Spanner 的資料連續性需求
4. 22:25Spanner 的跨雲部署策略
5. 24:59Spanner 的後設資料複製技術
6. 30:07Spanner 的時序一致性解決方案
7. 36:13圖形演算法在資料庫中的應用
8. 46:48操作資料庫中的關係圖
9. 55:27Agent 與資料庫的互動挑戰
10. 1:03:14MCP 工具與 Agent 應用
11. 1:05:58Agent 生成 SQL 的風險控制
12. 1:09:58參數化安全檢視技術
13. 1:12:21交易資料庫與 Agent 隔離
14. 1:17:08未來 AI 與資料庫的邊界

提到的工具與公司

• Aurora
• Spanner
• Bigtable
• Postgres
• Alloy DB
• Graph

適合誰看

對 AI 與資料庫架構感興趣的軟體工程師與系統設計者。

摘要依據

依據

語音轉文字

為什麼排在這裡

人氣

0.35

新鮮

0.94

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Why Netflix, Uber, and Spotify Never Lag: The Database Nobody Talks About | Aaron KatzPodcast ・ Gradient Dissent ・ 44 分鐘（在新分頁開啟原站）
• Distributed databases with Peter MattisPodcast ・ The Pragmatic Engineer ・ 1 小時 42 分
• Write, Change, Recall, Forget: MongoDB's Pete Johnson on How Retrieval Drives Agent PerformancePodcast ・ The Cognitive Revolution ・ 1 小時 37 分（在新分頁開啟原站）
• Postgres at PlanetScale (Interview)Podcast ・ The Changelog ・ 1 小時 42 分
• Ep 71: CEO of TurboPuffer Simon Eskildsen on Building Smarter Retrieval, AI App Must-Have Features & Current State of Vector DBsPodcast ・ Unsupervised Learning ・ 51 分鐘（在新分頁開啟原站）
• From Vector Databases to Knowledge Engines: The Next Layer of AIPodcast ・ AI + a16z ・ 46 分鐘（在新分頁開啟原站）