OceanBase首次公开支撑蚂蚁灵光AI生成应用的数据架构实践。今年4月公布的数据显示，灵光平台已承载约3000万个闪应用。面对这一规模带来的数据管理挑战，OceanBase通过面向海量应用的逻辑表、共享物理存储和受控SQL计算等能力，实现了"应用数据模型独立、底层资源共享"的新架构。
蚂蚁灵光是一款面向大众的应用生成产品，用户通过自然语言即可生成记账本、报名页面、打卡工具等"闪应用"。上线仅几个月，平台累计诞生的闪应用已超过3000万个。应用生成容易，但每个能持续运行的应用都需要独立的数据能力——比如记账应用需要记录每笔收支并按月汇总，这类精确计算依赖数据库而非大模型。
灵光团队曾尝试过两条路径。一条是将所有用户数据打包成JSON存入一张大表，虽然节省了表资源，但无法利用数据库的求和、排序等计算能力，查询效率极低，多用户权限也难以控制。另一条是为每个闪应用单独建物理表，但每次创建都需操作数据库控制面，压力巨大，且大量小应用造成存储资源浪费。两条路径均被证明不可行。
OceanBase给出的方案是面向海量AI应用的"逻辑表"架构。每个闪应用在操作层面仍拥有独立的表结构，可以建表、插入数据、执行SQL查询，与使用独立数据库体验一致；但在底层，3000万个逻辑表共享同一套物理存储，数据库不为每个应用单独创建物理表。
具体实现上，灵光团队在应用后端接入了OceanBase的JSON Table SDK。用户创建表时，SDK自动将其转化为对共享物理存储的操作，行数据以JSON格式存入共享表。用户提交标准SQL语句进行查询时，OceanBase的SQL引擎根据每个应用独立的Schema定义，将JSON数据映射为关系表，完成过滤和聚合计算后返回结果。
这一架构带来了两方面的收益：一是物理表数量不再随应用数量线性增长，存储成本大幅下降；二是多租户的权限隔离天然得到保障。对于用户量增长到一定规模的闪应用，还可以一键迁移到独立物理表，获得更高性能。
此次披露的灵光实践，也被视为OceanBase从分布式数据库迈向AI数据平台的重要验证。今年6月，OceanBase发布了新一代湖库一体的AI数据库，将结构化数据、非结构化数据和向量数据统一到同一套引擎管理，使AI Agent能够获取完整的业务上下文。该能力已在蚂蚁阿福、灵光等核心场景完成验证，并在数十家企业客户中测试。
热门跟贴