从一到无穷大 #40：DB & AI 融合

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。

本作品 (李兆龙 博文, 由 李兆龙 创作)，由 李兆龙 确认，转载请注明版权。

引言

吐槽下CSDN和知乎的编辑器，没法发合并的表格，只能用公司的编辑器，然后截图了。

这篇文章非常随意。

背景是最近工作之外我正在做关于向量检索的项目，当然也要做PPT，那么很自然的从“DB & AI 融合”的角度去引入主题。“DB & AI 融合”这个话题非常之大，且从业界落地的角度看，也非常有实际意义。

事实上我们打算以及实践过的事情可以和“DB & AI 融合”拉上关系的包括不限制于：

1. Learning-based Database Configuration
2. Learning-based Database Optimization
3. Partition Placement
4. Time Series Forecasting / Anomaly Detection for Time Series
5. RAG Retrieval Augmented Generation
6. Vector Serach

当然我属于工程团队，很多的实现并不能说做的非常创新和令人满意，像TDengine的TDgpt，使用LLM做时序预测和时序异常检测的实用主义是我所推崇的。

下表的内容第一二部分来源于[1]，第三部分来源于各类公开资料，内容太多了，因为答辩有赛马情况，等后续答辩完我再补充更为完整的内容进来。

正文

参考：

1. AI Meets Database: AI4DB and DB4AI sigmod2021
2. 时序数据（流量）异常检测，异常有哪些，算法有哪些？