Azure Database for PostgreSQL z AI i PostgreSQL 18 GA
Podsumowanie
Microsoft rozwija Azure Database for PostgreSQL w kierunku platformy „AI-ready”, dodając m.in. łatwiejsze aprowizowanie z poziomu VS Code, integrację z Entra ID i Azure Monitor oraz wsparcie GitHub Copilot do pracy z SQL. Kluczowe znaczenie ma też integracja z Microsoft Foundry, która pozwala wywoływać modele AI bezpośrednio z SQL i wspiera obciążenia wektorowe, co upraszcza budowę aplikacji AI i ogranicza potrzebę tworzenia złożonych potoków danych.
Wprowadzenie
PostgreSQL pozostaje domyślnym wyborem w nowoczesnym tworzeniu aplikacji, a obciążenia AI zwiększają wymagania wobec warstwy danych: wyszukiwanie o niskich opóźnieniach, wyszukiwanie wektorowe, bezpieczne mechanizmy kontroli dostępu oraz analityka w czasie rzeczywistym — bez złożonych potoków danych. Najnowsze aktualizacje Microsoft pozycjonują Azure Database for PostgreSQL jako bardziej „AI-ready” usługę zarządzaną, a jednocześnie zapowiadają Azure HorizonDB dla kolejnej generacji obciążeń zgodnych z PostgreSQL, z możliwością skalowania horyzontalnego.
Co nowego
1) Szybsze, bardziej zintegrowane środowisko deweloperskie
- VS Code PostgreSQL extension może teraz aprowizować bezpieczne, w pełni zarządzane instancje Azure PostgreSQL bezpośrednio z IDE, ograniczając konfigurację wykonywaną w portalu.
- Aprowizowane instancje zawierają wbudowane wsparcie dla Microsoft Entra ID authentication oraz Azure Monitor.
- GitHub Copilot ma pomagać deweloperom pisać, optymalizować i diagnozować SQL w języku naturalnym, z uwzględnieniem schematu oraz wzorców zapytań.
2) AI w bazie danych dzięki Microsoft Foundry
- Azure Database for PostgreSQL wspiera teraz integrację z Microsoft Foundry, umożliwiając deweloperom wywoływanie wcześniej aprowizowanych LLM z poziomu SQL w scenariuszach takich jak klasyfikacja tekstu i generowanie embeddingów.
- W przypadku obciążeń wektorowych wyróżniono indeksowanie wektorowe DiskANN do wysokowydajnego wyszukiwania podobieństwa, w połączeniu z semantic ranking dla lepszej trafności w scenariuszach wyszukiwania (np. RAG, rekomendacje, interfejsy w języku naturalnym).
3) Przepływy pracy agentowe z użyciem MCP
- Nowy Model Context Protocol (MCP) server for PostgreSQL umożliwia podłączenie PostgreSQL do frameworka agentów Foundry „za pomocą kilku kliknięć i uprawnień”, pozwalając agentom wnioskować na danych strukturalnych i orkiestracji wywołań LLM — przy zachowaniu modelu bezpieczeństwa i ładu (governance) Azure.
4) Analityka w czasie rzeczywistym i dostęp do Parquet
- Opcje utrzymania aktualności analityki obejmują mirroring danych operacyjnych do Microsoft Fabric dla analityki niemal w czasie rzeczywistym, z minimalnym wpływem na główną bazę danych.
- Azure Storage Extension dodaje wsparcie odczytu/zapisu Parquet w Azure Storage bezpośrednio z PostgreSQL przy użyciu SQL, redukując złożoność ETL.
5) Aktualizacje wydajności i skalowania
- PostgreSQL 18 jest teraz ogólnie dostępny na Azure, z podkreślonymi usprawnieniami w zakresie wydajności I/O, vacuuming oraz planowania zapytań.
- Nowe V6 compute SKUs celują w wyższą przepustowość i niższe opóźnienia.
- Elastic Clusters umożliwiają skalowanie horyzontalne dla środowisk multi-tenant oraz obciążeń o dużym wolumenie.
Wpływ na administratorów IT i zespoły platformowe
- Można oczekiwać ściślejszego dopasowania narzędzi deweloperskich (VS Code/Copilot) do mechanizmów nadzoru platformy (Entra ID, monitoring), co może zwiększyć adopcję — ale też podnosi potrzebę standaryzacji wzorców wdrożeń.
- AI w bazie danych i indeksowanie wektorowe mogą przenieść część obciążeń z osobnych magazynów/usług wektorowych do PostgreSQL, zmieniając modele doboru rozmiaru, testów wydajności i kosztów.
- Mirroring do Fabric i dostęp do Parquet mogą ograniczyć rozrost potoków danych, ale wymagają jasnych zasad ładu danych, retencji oraz granic dostępu.
Działania / kolejne kroki
- Przegląd strategii tożsamości i dostępu: zweryfikuj wzorce Entra ID auth, role zgodne z zasadą najmniejszych uprawnień oraz wymagania audytowe dla PostgreSQL.
- Pilotaż wzorców wyszukiwania dla AI: przetestuj DiskANN/indeksowanie wektorowe oraz semantic ranking na reprezentatywnych danych i docelowych opóźnieniach.
- Aktualizacja runbooków operacyjnych: uwzględnij aspekty PostgreSQL 18, bazowe poziomy monitoringu oraz wytyczne skalowania (V6 SKUs, Elastic Clusters).
- Ocena architektury danych: sprawdź, czy mirroring do Fabric lub Parquet-in-Postgres zmniejsza złożoność ETL w Twoim środowisku.
- Śledzenie HorizonDB: jeśli masz wymagania ultra-niskich opóźnień lub skalowania horyzontalnego, rozważ dołączenie do private preview, gdy będzie dostępne, za pośrednictwem opiekuna konta Microsoft.
Potrzebujesz pomocy z Azure?
Nasi eksperci pomogą Ci wdrożyć i zoptymalizować rozwiązania Microsoft.
Porozmawiaj z ekspertemBądź na bieżąco z technologiami Microsoft