事件概述

过去一年，在TiDB Cloud等云数据库平台上观察到一个显著趋势：超过90%新创建的数据库集群由AI Agent自动发起，而非人类操作。这一变化迫使行业重新审视围绕“人类使用”构建的二十年数据库假设，包括容量规划、Schema设计、运维流程及定价模型。面对Agent工作负载带来的根本性挑战，业界正在通过架构创新重构数据基础设施。

核心挑战：Agent工作负载的四大特征

1. 海量短命实例

   • 现象：粒度从“一个产品一个库”细化为“一个Agent/Session一个逻辑数据库”。某客户三个月内创建了近百万个租户，其中约99%为一次性使用。
   • 痛点：传统按实例计费（最小实例月费十几至二十美元）导致百万级实例成本呈天文数字，商业模式无法跑通。

2. 动态工作台属性

   • 现象：Agent将数据库作为数据处理工作台（抓取、清洗、分析、生成报告），而非单纯存储仓库。
   • 痛点：AI生成的动态Schema要求极高的隔离能力，需控制错误爆炸半径；且Schema变更频率远高于传统业务。

3. 长上下文存储需求

   • 现象：为实现可恢复和跨任务关联，关键上下文需持久化。单条Context长度可达30MB-50MB（含音频），远超传统OLTP数据库舒适区。
   • 痛点：传统“对象存储+S3+元数据库+缓存”的复杂链路带来一致性维护难、延迟高、架构脆弱等问题。

4. 流量不可预测性

   • 现象：Agent可能在凌晨密集查询或长时间沉默，呈现间歇性活跃特征。
   • 痛点：长期维持计算资源导致双输，需极致弹性以匹配实际消耗。

架构实践与解决方案

1. 多租户与成本重构

• 海量逻辑租户：单物理集群支持2000万张表级别的元数据管理，支撑百万级Agent并发。
• 存算分离与弹性调度：底层对象存储持久化全量数据，上层缓存热数据；计算层支持Scale-to-Zero（接近零运行），冷启动延迟控制在百毫秒级（对LLM推理秒级响应影响微乎其微）。
• 定价模型变革：放弃按实例计费，转向基于实际资源消耗的聚合计费模式，使百万级Agent场景成本降至可接受范围（案例中月费从2000万美元降至合理水平）。

2. 长上下文存储范式革新

• 大字段直存：利用TiDB单字段支持100MB存储的能力，将长Context（文本+音频）直接存入数据库字段，保留事务性与SQL查询能力，大幅简化“对象存储+元数据+缓存”链路。
• 在线DDL价值：针对AI应用高频Schema变更需求，不锁表的在线DDL成为刚需，确保发布节奏不受停机窗口限制。

3. 记忆层基础设施（mem9）

• 背景：为解决Agent跨Session、跨设备工作的连续性难题，避免“每次从零开始”，需引入专门记忆机制。
• 方案：开源项目mem9（Apache 2.0协议）提供记忆写入、混合搜索（向量+关键词）、跨Session恢复API。
• 架构定位：基于TiDB事务与向量能力构建，是Agent数据基础设施的自然演进（结构化存储→上下文持久化→记忆机制）。

关键教训与启示

1. 测试基准失效：标准TPCC或Sysbench基准测试无法反映Agent生成的非优化SQL模式。必须使用真实Agent负载进行压测，否则上线后易遭遇意料之外的慢查询。
2. 架构简化优先：在快速迭代下，减少组件层级（如收回上下文管理权至数据库）比优化每一层性能更具实际价值，能显著降低运维复杂度。
3. 资源隔离至关重要：海量租户共享基础设施时，必须实施严格的Resource Control，防止单个Agent异常拖垮整池资源。
4. 记忆机制标配化：随着Agent承担持续运营任务，跨Session持久记忆将从“可选功能”变为“基础设施标配”。