SQL Server 2017中的Python：增强的数据库内机器学习

Microsoft SQL Server是一款优秀的关系型数据库管理系统，Python是目前流行的数据科学语言之一，拥有丰富的库生态系统。从SQL Server 2017的CTP 2.0版本开始，可以将基于Python的智能引入SQL Server中的数据。

本文主要介绍在SQL Server 2017中的Python如何增强数据库内机器学习、Python集成所提供的优点以及哪些人能够从中受益。有任何建议或提示请在下方评论区留言，我们会及时处理。

Python的添加建立在SQL Server 2016中为R服务奠定的基础之上，并且扩展了该机制以包括Python对数据库内分析和机器学习的支持。

Python集成的几个优点

消除数据移动

现在可以在数据库中构建Python应用程序而不再需要将数据从数据库移动到Python应用程序或模型。这消除了如安全性、合规性、管理性、完整性以及与移动大量数据相关的类似问题的障碍。这项新功能将Python引入数据，并使用SQL Server 2016中内置可扩展性机制在SQL Server中运行代码。

部署轻松

准备好Python模型后，将其部署到生产环境中就像将其嵌入T-SQL脚本一样简单，然后任何SQL客户端应用程序都可以通过简单的存储过程利用基于Python的模型和智能来呼叫。

企业级性能和规模

您可以使用SQL Server的高级功能（如内存表和列存储索引）以及RevoScalePy包中的高性能可伸缩API。利用开源Python您可以为SQL Python应用程序带来更好的选择、性能和扩展。

丰富的可扩展性

您可以在SQL Server中安装和运行任何最新的开源Python包，以便在SQL Server的大量数据上构建深度学习和AI应用程序。在SQL Server中安装Python包和本地计算机上安装Python包的操作一样。

无需额外费用的广泛可用性

所有版本的SQL Server 2017都提供Python集成，包括Express版本。

哪些人员可以受益

数据科学家

数据科学家可以使用SQL Server上的完整数据集构建模型，而不是将数据移动到IDE或强制使用数据样本。使用Python IDE可以在SQL Server中的数据上执行Python代码，并在IDE中获取结果。

现在不再依赖应用程序开发人员来部署供生产使用的模型，因为这通常涉及将模型和脚本转换为不同的应用程序语言。现在通过将这些模型嵌入到T-SQL存储过程中，可以轻松地将这些模型部署到生产环境中。并且可以在SQL Server中使用任何开源Python包进行机器学习，使用模式与现在流行的SQL Server R服务相同。

应用程序开发人员

可以通过简单地创建一个嵌入了Python脚本的存储过程调用来利用基于Python的模型。不需要深入了解Python模型的内部工作原理，或者必须将其转换为一系列业务语言来与数据科学家密切协调以使用它。甚至可以在同一个应用程序中同时使用R和Python模型，因为它们都是存储过程调用。

数据库管理员

可以启用基于Python的应用程序并设置策略来管理Python运行时在SQL Server上的行为方式。您可以在Python运行时管理和保护以控制使用数据库计算机上的关键系统资源。通过进程隔离，Python作业的有限系统权限和网络访问的防火墙规则等机制确保安全性。