Kiểm tra mã AI cho SQL: Nó có thể thay thế mắt của một DBA cao cấp?

Trí tuệ nhân tạo đang nhanh chóng xâm nhập vào gần như mọi giai đoạn của chu kỳ phát triển phần mềm. Từ việc tạo mã đến kiểm tra tự động, các công cụ AI đang ngày càng được tích hợp vào quy trình làm việc hàng ngày của các nhà phát triển. Các cuộc khảo sát nhà phát triển gần đây cho thấy rằng 84% nhà phát triển đã sử dụng hoặc có kế hoạch sử dụng các công cụ AI trong quy trình phát triển của họ, với hơn một nửa dựa vào chúng thường xuyên.

Câu hỏi mà nhiều đội kỹ sư đang đặt ra bây giờ là đơn giản: nếu AI có thể tạo mã, phân tích mẫu và đề xuất tối ưu hóa, thì nó cũng có thể thay thế phán quyết của một DBA có kinh nghiệm?

Câu trả lời ngắn gọn là không. Nhưng thực tế thú vị hơn là AI đã bắt đầu biến đổi cách thức xem xét mã SQL. Thay vì thay thế các chuyên gia cơ sở dữ liệu, AI đang bắt đầu thay đổi quy trình phát triển xung quanh họ.

Vai trò truyền thống của DBA trong việc xem xét mã

Trong một thời gian dài, việc xem xét mã SQL đã dựa vào các DBA có kinh nghiệm. Điều về SQL là, nó không chạy một mình. Mỗi truy vấn chạm vào động cơ cơ sở dữ liệu, các chỉ mục và dữ liệu trực tiếp. Vì vậy, thậm chí những thay đổi nhỏ trong một truy vấn có thể ảnh hưởng đến cách nó chạy.

Và đôi khi, những thay đổi nhỏ đó quan trọng hơn bạn nghĩ. Một truy vấn sai có thể gây ra quét toàn bộ bảng, chọn chỉ mục sai và đột nhiên toàn bộ hệ thống chậm lại.

That là lý do tại sao các DBA nhìn vào SQL khác. Họ không chỉ đọc truy vấn; họ nghĩ về cách cơ sở dữ liệu sẽ hoạt động dưới lưu lượng truy cập thực tế. Trong quá trình xem xét, một DBA thường kiểm tra các điều như:

• Các kết nối không hiệu quả hoặc các truy vấn lồng nhau sâu.
• Thiếu hoặc sử dụng chỉ mục không đúng cách.
• Các truy vấn có thể kích hoạt quét toàn bộ bảng.
• Rủi ro khóa có thể chặn các giao dịch khác.
• Các hoạt động có thể ảnh hưởng đến khối lượng công việc sản xuất.

Nhưng giá trị thực sự của việc xem xét này không chỉ là biết cú pháp SQL. Đó là biết hệ thống phía sau truy vấn.

Các DBA có kinh nghiệm thường biết cách lược đồ phát triển theo thời gian, cách lưu lượng truy cập hành xử trong giờ cao điểm và cách các thay đổi nhỏ đối với một chỉ mục có thể ảnh hưởng đến kế hoạch thực hiện. Một truy vấn trông hoàn hảo trên giấy có thể hành xử rất khác khi chạy chống lại dữ liệu sản xuất thực tế.

Các kỹ sư làm việc trên các hệ thống lớn thường nói về vấn đề này. Như kỹ sư Jeff Dean của Google đã lưu ý, các hệ thống không hành xử theo cách chúng ta mong đợi khi chúng hoạt động ở quy mô lớn.

Như John Gall đã từng nói, “Một hệ thống phức tạp có thể thất bại theo vô số cách.”

Cùng nhau, những ý tưởng này cho thấy tại sao các hệ thống lớn cần sự giám sát của con người cẩn thận. Ngay cả khi AI bước vào, các DBA có kinh nghiệm vẫn còn quan trọng. Họ không chỉ đọc truy vấn, họ dự đoán cách toàn bộ hệ thống cơ sở dữ liệu sẽ phản ứng.

Nhưng với tất cả kinh nghiệm cần thiết, bạn có thể tự hỏi, “Liệu AI có thể thực sự giúp đỡ trong việc xem xét này, hoặc thậm chí thay đổi cách chúng được thực hiện?”

Sự trỗi dậy của AI trong phát triển phần mềm

Trong những năm qua, AI đã bắt đầu thay đổi cách các nhà phát triển viết phần mềm. Những gì từng cảm thấy như một thí nghiệm bây giờ đã trở thành một phần của công việc hàng ngày.

Các mô hình ngôn ngữ lớn được đào tạo trên các cơ sở mã lớn có thể hành động như một nhà phát triển thứ hai trong trình soạn thảo. Họ đề xuất các hàm, giúp viết tài liệu và đôi khi chỉ ra các lỗi trong khi mã vẫn đang được viết. Các công cụ như GitHub Copilot đã nhanh chóng tìm thấy đường vào nhiều quy trình phát triển.

Và sự thay đổi này đã cho thấy tác động đo lường được. Một số nghiên cứu đã tìm thấy rằng các nhà phát triển làm việc với các trợ lý AI có thể hoàn thành các nhiệm vụ mã hóa lên đến 55% nhanh hơn trong các môi trường được kiểm soát. Khi các đội áp dụng các công cụ này, AI đang bắt đầu ảnh hưởng đến lượng mã được viết từ đầu. Một số ước tính cho thấy rằng xung quanh 40% mã trong các quy trình làm việc hiện đại bây giờ liên quan đến một số mức độ hỗ trợ AI.

Các công ty công nghệ lớn cũng đang thấy cùng một mô hình. Giám đốc điều hành Microsoft Satya Nadella gần đây đã nói rằng xung quanh 30% mã của Microsoft bây giờ được viết với sự giúp đỡ của các công cụ AI, và con số đó vẫn tiếp tục tăng.

Tuy nhiên, việc tạo mã chỉ là một phần của câu đố. Khi AI giúp tạo ra nhiều mã hơn, câu hỏi về cách mã đó được xem xét trở nên quan trọng hơn.

Ở đâu AI có thể cải thiện việc xem xét mã SQL

Đây là nơi AI bắt đầu thể hiện giá trị thực sự của nó. SQL có một điều gì đó hoạt động tốt trong lợi thế của AI: mẫu. Hầu hết các truy vấn theo các cấu trúc có thể nhận ra, và nhiều vấn đề về hiệu suất xuất hiện theo cách dự đoán. Vì vậy, các hệ thống AI được đào tạo trên các bộ sưu tập lớn các truy vấn SQL có thể quét một truy vấn rất nhanh và chọn ra các vấn đề mà các nhà phát triển đôi khi bỏ qua trong quá trình phát triển sớm.

Ví dụ, một trợ lý AI có thể chỉ ra những điều như:

• Các mẫu kết nối không hiệu quả.
• Thiếu hoặc sử dụng chỉ mục không đúng cách.
• Các truy vấn có thể kích hoạt quét toàn bộ bảng.
• Các nút thắt hiệu suất tiềm năng.
• Các hoạt động có thể không an toàn để chạy trong sản xuất.

Không có kiểm tra nào thay thế một xem xét đầy đủ. Nhưng chúng có thể bắt được một số lượng đáng ngạc nhiên các vấn đề sớm. Và điều đó thay đổi cách phát triển SQL diễn ra. Thay vì viết một truy vấn và chờ đợi một xem xét mã sau, các nhà phát triển có thể nhận được phản hồi trong khi họ vẫn đang viết nó. Vòng phản hồi sớm đó có thể tiết kiệm rất nhiều thời gian. Một số nghiên cứu về phát triển hỗ trợ AI đã tìm thấy rằng các chu kỳ xem xét có thể giảm đáng kể khi phân tích tự động được giới thiệu. Một nghiên cứu doanh nghiệp đã báo cáo về một giảm 31,8% thời gian xem xét yêu cầu kéo.

Trong thực tế, điều này có nghĩa là nhiều vấn đề SQL được bắt gặp sớm trong quá trình, trước khi chúng từng đạt đến các hệ thống sản xuất. Đây cũng là nơi các công cụ phát triển SQL hiện đại đang bắt đầu phát triển. Các công cụ trong hệ sinh thái dbForge, ví dụ, hiện bao gồm phân tích truy vấn hỗ trợ AI có thể đề xuất các kết nối tốt hơn, phát hiện các chỉ mục không cần thiết và đưa ra lời khuyên về cấu trúc truy vấn, tất cả đều trong khi bạn vẫn đang viết. Nó giúp bắt các vấn đề sớm.

Nhưng nếu chúng ta thu hẹp lại, AI vẫn có những hạn chế.

Giới hạn của AI trong kỹ thuật cơ sở dữ liệu

Mặc dù đã có tiến bộ ấn tượng, AI vẫn gặp khó khăn với một trong những phần khó nhất của kỹ thuật cơ sở dữ liệu: ngữ cảnh. Các truy vấn SQL hiếm khi hoạt động trong sự cô lập. Hiệu suất của chúng phụ thuộc vào nhiều yếu tố trong hệ thống, bao gồm:

• Phân phối dữ liệu
• Kích thước bảng
• Các chỉ mục hiện có
• Các khối lượng công việc đồng thời
• Các hạn chế về phần cứng
• Logic kinh doanh cụ thể

Các mô hình AI được đào tạo trên các tập dữ liệu chung thường thiếu khả năng hiển thị vào những thực tế này. Thậm chí còn đáng lo ngại hơn, mã được tạo bởi AI có thể giới thiệu các lỗi tinh vi. Một phân tích gần đây đã tìm thấy rằng lên đến 45% mẫu mã được tạo bởi AI chứa các lỗi bảo mật, nhấn mạnh rủi ro của việc dựa vào các đề xuất tự động mà không có xem xét của con người.

Sự tin tưởng là một thách thức khác. Mặc dù việc áp dụng đang tăng nhanh, các cuộc khảo sát cho thấy rằng 46% nhà phát triển vẫn không hoàn toàn tin tưởng vào đầu ra được tạo bởi AI, tạo ra một sự căng thẳng tự nhiên giữa tự động hóa và giám sát. Trong kỹ thuật cơ sở dữ liệu, sự hoài nghi này là hoàn toàn hợp lý. Một truy vấn hoạt động hoàn hảo trong môi trường phát triển có thể hành xử rất khác dưới khối lượng công việc sản xuất. Đây là nơi các DBA có kinh nghiệm vẫn không thể thiếu.

Mô hình kết hợp: AI + chuyên môn con người

Các đội phát triển hiệu quả nhất không hỏi liệu AI sẽ thay thế các DBA. Thay vào đó, họ đang hỏi làm thế nào để kết hợp tự động hóa AI với chuyên môn con người. Với mô hình này, các công cụ AI xử lý các kiểm tra lặp đi lặp lại mà thường làm chậm phát triển, trong khi các kỹ sư có kinh nghiệm tập trung vào các phần của công việc cơ sở dữ liệu đòi hỏi sự phán quyết sâu sắc hơn. Ví dụ, các hệ thống AI có thể thực hiện các nhiệm vụ như:

• Phát hiện lỗi cú pháp
• Đề xuất cải tiến truy vấn
• Đánh dấu các mẫu truy vấn không hiệu quả
• Chạy các kiểm tra phân tích tự động

Những kiểm tra này có thể xảy ra ngay lập tức trong khi các nhà phát triển viết truy vấn, giúp bắt được nhiều vấn đề sớm. Trong khi AI xử lý những kiểm tra định kỳ đó, các DBA tập trung vào công việc đòi hỏi sự hiểu biết hệ thống sâu sắc hơn: thiết kế lược đồ, chiến lược chỉ mục, tối ưu hóa hiệu suất, lập kế hoạch容量 và bảo vệ sự ổn định của sản xuất.

Nói cách khác, AI tập trung vào việc tăng tốc các phần định kỳ của phát triển SQL, trong khi các DBA tập trung vào các quyết định định hình cách hệ thống cơ sở dữ liệu thực sự hành xử.

Lời cuối

AI đã bắt đầu thay đổi cách phát triển SQL diễn ra. Các công cụ có thể phân tích truy vấn ngay lập tức, bắt các lỗi phổ biến và nhấn mạnh các vấn đề về hiệu suất tiềm năng trong khi các nhà phát triển vẫn đang viết mã. Nhưng các hệ thống cơ sở dữ liệu được định hình bởi nhiều hơn là cú pháp truy vấn. Thiết kế lược đồ, chiến lược chỉ mục và hành vi khối lượng công việc vẫn đòi hỏi sự phán quyết của con người. Vì vậy, các đội hiệu quả nhất đang bắt đầu coi AI như một đồng nghiệp chứ không phải là một sự thay thế.

AI có thể đánh dấu các vấn đề sớm và tăng tốc phát triển, nhưng các nhà phát triển có thể lặp lại nhanh hơn, và các DBA có thể tập trung vào các quyết định sâu sắc hơn định hình cách hệ thống cơ sở dữ liệu thực sự hành xử. Sự cân bằng đó là nơi giá trị thực sự xuất hiện. AI mang lại tốc độ và khả năng nhận dạng mẫu. Các DBA có kinh nghiệm mang lại ngữ cảnh và phán quyết. Và trong kỹ thuật cơ sở dữ liệu, sự kết hợp đó là điều giữ cho các hệ thống nhanh, đáng tin cậy và ổn định.