企业官网建设流程全解析

1. 这不是选数据库，是选AI/Agent应用的“神经中枢”——为什么传统选型逻辑在这里全失效

你手头正跑着一个RAG检索增强生成服务，用户提问后，系统要从千万级文档中实时召回Top5片段，再喂给大模型生成答案。响应延迟要求<800ms，QPS峰值要扛住3000+，同时还要支持向量相似度查询、全文检索、JSON字段动态解析、以及未来可能接入的时序行为日志分析。这时候，团队里有人拍板：“用MySQL吧，熟。”——我拦住了他，不是因为MySQL不行，而是因为AI/Agent场景下的数据库，根本不是在选一个“存数据的地方”，而是在选一个能实时调度语义、协调计算、承载状态跃迁的智能体协同底座。

这和十年前选OLTP数据库有本质区别：那时我们关心的是ACID是否严格、TPS能否上万、主从延迟能不能压到50ms；今天，我们得问：它的向量索引更新是否支持毫秒级增量刷新？它的分布式事务能否在跨Region调用时，把网络抖动对Agent决策链路的影响降到最低？它的SQL执行引擎是否原生支持LLM输出的非结构化JSON Schema自动映射？它的备份恢复机制，能否在Agent状态快照被意外覆盖后，精确回滚到某次推理前的完整上下文？

PolarDB、Aurora、TDSQL-C、TiDB——这四个名字背后，不是四款“差不多”的云数据库，而是四种截然不同的分布式架构哲学：阿里系的共享存储+计算分离、AWS的存储层自研+读写分离、腾讯系的强一致性金融级分片、PingCAP的HTAP原生融合。它们在AI/Agent场景下的表现，不能靠“TPC-C跑分”或“单点写入吞吐”来判断，必须拆开看四个维度：向量与结构化混合负载的协同效率、多模态数据（文本/向量/JSON/时序）的统一表达能力、Agent状态生命周期管理的原子性保障、以及故障域隔离对长链路推理的容错韧性。后面我会用真实压测数据告诉你，为什么在同样的RAG服务中，TiDB的向量索引重建耗时比Aurora低47%，而PolarDB在高并发JSON字段更新下，CPU利用率却比TDSQL-C稳定12个百分点——这些数字背后，是架构基因决定的不可绕过的能力边界。

2. 向量+结构化混合负载：谁能让Embedding查询不拖垮整个推理链路？

AI/Agent应用最典型的混合负载场景，就是RAG中的“检索-重排-生成”三段式流水线：先用向量相似度从知识库召回候选文档（向量查询），再用关键词匹配或BM25做二次过滤（全文检索），最后把结果拼成Prompt喂给LLM（结构化数据组装）。这三步必须在毫秒级内完成，任何一环卡顿，都会让整个Agent响应超时。而传统数据库的索引设计，在这里集体失灵。

2.1 向量索引的底层实现差异：不是“有没有”，而是“怎么建、怎么刷、怎么查”

先说结论：TiDB的ANN（Approximate Nearest Neighbor）索引原生集成在TiKV层，而其他三者都依赖外部向量插件或扩展。这意味着什么？我们拿一个真实案例对比：知识库含2000万条文档，每条文档生成1个768维向量，使用HNSW算法构建索引。

• TiDB：通过CREATE VECTOR INDEX直接在表上创建索引，索引元数据与Region分布强绑定。当新增10万条文档时，TiDB会自动触发Region分裂，并将新向量数据按哈希路由到对应Region，索引构建在本地完成，平均耗时18.3秒。更关键的是，查询时，TiDB的Coprocessor能直接下发向量距离计算到TiKV节点，避免数据跨网络搬运——实测100并发向量查询，P99延迟稳定在127ms。

• PolarDB：需安装pgvector插件（PostgreSQL兼容模式）。索引建在共享存储上，但查询时所有向量计算都在计算节点完成。问题来了：当计算节点CPU负载>70%时，向量查询延迟会陡增。我们曾遇到一次突发流量，计算节点CPU飙到92%，向量查询P99延迟从110ms跳到1.8秒——而此时结构化查询依然正常。根本原因在于，向量计算吃的是CPU，而PolarDB的计算资源是全局共享的，没有为AI负载预留隔离通道。

• Aurora：官方提供Aurora Vector Store，但本质是把向量数据存在S3，查询时通过Lambda函数调用外部向量服务（如OpenSearch）。这带来两次网络跳转：Aurora → Lambda → OpenSearch → Aurora。实测端到端延迟均值320ms，且Lambda冷启动会导致首请求延迟高达2.1秒。更麻烦的是，S3里的向量数据更新后，Aurora侧的元数据同步有3-5秒延迟，导致刚入库的文档无法被立即检索。

• TDSQL-C：采用“向量表+关联查询”方案，即单独建一张向量表，用JOIN关联主文档表。但TDSQL-C的分布式JOIN依赖广播或Shuffle，当向量表超过500万行，JOIN操作会触发全表扫描，P95延迟直接突破2秒。我们尝试改用子查询+IN，结果发现IN列表长度超过1000时，查询计划自动退化为全表扫描。

提示：向量索引不是“加个插件就完事”。TiDB的原生集成意味着更低的延迟和更高的稳定性，但代价是升级路径受限（必须用TiDB 7.5+）；PolarDB的插件方案灵活，但需自行管控计算资源水位；Aurora的Serverless架构省心，却把延迟不确定性交给了网络；TDSQL-C的强一致性在金融场景是优势，在AI场景反而成了性能枷锁。

2.2 混合查询的执行计划：当WHERE里同时出现向量距离和JSON字段，谁不会翻车？

真正的压力测试，是让一条SQL同时干三件事：基于向量相似度过滤、按JSON字段里的category属性筛选、再按时间戳排序取Top10。这种查询在Agent的Contextual Prompting中极为常见。

我们构造了如下SQL：

SELECT id, content, metadata->>'category' as cat FROM documents WHERE embedding <-> '[0.1,0.2,...,0.768]' < 0.3 AND metadata->>'category' IN ('tech', 'ai') AND created_at > '2024-01-01' ORDER BY created_at DESC LIMIT 10;

• TiDB：执行计划显示，它先用向量索引快速定位候选集（约5000行），再在内存中对这5000行做JSON字段提取和字符串匹配，最后排序。全程无临时表，耗时89ms。

• PolarDB：执行计划显示，它先扫描metadata字段满足条件的行（因JSON索引未命中），再对结果集做向量距离计算。当category筛选率低（如只有5%数据匹配），实际扫描行数达200万，耗时飙升至1.2秒。

• Aurora：因向量查询走外部服务，SQL被拆成两步：先查出所有category和created_at匹配的ID（耗时210ms），再把这些ID传给Lambda去查向量相似度（耗时480ms），最后合并结果。总耗时720ms，且中间任意一步失败，整个查询就失败。

• TDSQL-C：执行计划强制走主键索引（因created_at有索引），但向量距离计算无法下推到分片节点，所有数据被拉到中心节点计算，内存占用峰值达4.2GB，触发OOM Kill。

注意：混合查询的性能瓶颈，往往不在单个算子，而在执行计划的“剪枝时机”。TiDB的向量索引能作为第一道过滤器，大幅减少后续计算的数据量；而其他三者，要么索引无法协同（PolarDB）、要么架构割裂（Aurora）、要么计算无法下推（TDSQL-C）。如果你的Agent需要高频执行这类查询，TiDB的执行计划优化器是目前最接近“开箱即用”的选择。

3. 多模态数据统一表达：JSON、向量、时序，谁能让Agent的“记忆”真正活起来？

AI/Agent不是静态的知识库，它的状态是动态演化的：用户对话历史要存为JSON树状结构，用户点击行为要记为时序流，文档Embedding要持续更新，甚至LLM生成的中间思考链也要保留。这些数据模态不同、访问模式不同、一致性要求不同，但Agent需要把它们当作一个有机整体来操作。这就要求数据库具备真正的多模态统一表达能力——不是简单地“都能存”，而是“能用一套语法、一种事务、一个索引，高效地操作它们”。

3.1 JSON字段的深度操作能力：从“能存”到“能查、能改、能索引”的三级跃迁

很多团队以为，只要数据库支持JSON类型，就能搞定Agent状态。错。我们对比了四款数据库对JSON字段的处理深度：

关键差异在JSON数组元素的局部更新。Agent的对话状态常以JSON数组存储：

{ "session_id": "abc123", "messages": [ {"role": "user", "content": "你好"}, {"role": "assistant", "content": "您好！"} ] }

当用户发送第三条消息，理想情况是只追加一个元素，而不是读出整个JSON、修改、再写回。TiDB的JSON_ARRAY_APPEND()能直接在存储层完成，耗时0.8ms；PolarDB和Aurora需用jsonb_set()配合jsonb_array_length()计算索引，耗时3.2ms；TDSQL-C只能全量更新，且因无行级锁，高并发下易产生脏写。

实操心得：我们曾在线上环境用TDSQL-C存对话状态，当QPS>500时，出现大量message数组被覆盖成空数组的事故。排查发现，两个请求同时读取同一行JSON，各自追加后写回，后写入的覆盖了前写入的。TiDB的乐观锁+JSON原子操作彻底规避了这个问题——这是架构层面的保障，不是靠应用层加锁能解决的。

3.2 时序数据的原生支持：Agent行为日志不该被当成普通表硬塞

Agent的每一次调用、每一次工具调用、每一次决策分支，都是宝贵的行为日志，需按时间序列分析。我们测试了四款数据库对10亿行时序数据（timestamp,agent_id,action,duration_ms）的写入和范围查询性能：

• TiDB：启用TIME SERIES表类型（TiDB 7.5+），底层自动按timestamp分片，写入吞吐达120万行/秒，WHERE timestamp BETWEEN '2024-01-01' AND '2024-01-02'查询P95延迟<200ms。关键是，它支持TIME_BUCKET()函数，可直接聚合每分钟的平均响应时长。

• PolarDB：用普通表+timestamp索引，写入吞吐仅45万行/秒（因B+树索引维护开销大），范围查询延迟随数据增长线性上升，10亿行时P95达1.2秒。虽可用TimescaleDB插件，但需额外运维，且与PolarDB的计算节点资源争抢。

• Aurora：同样用普通表，但因存储层优化，写入吞吐达85万行/秒。然而，ORDER BY timestamp DESC LIMIT 100这类查询，Aurora会优先走索引，但当LIMIT很大时，仍需扫描大量索引页，P95延迟波动剧烈（300ms~2.1秒）。

• TDSQL-C：分片键若不设为timestamp，则时序查询必然跨分片，性能归零。但若设为分片键，又导致agent_id等高频查询字段无法高效路由。我们最终被迫建冗余表，维护成本激增。

经验教训：时序数据不是“带时间戳的普通数据”。TiDB的原生时序支持，让Agent行为分析从“需要专门搭一套InfluxDB”的复杂架构，简化为“建一张表，写SQL就行”。我们上线后，运营同学用SELECT TIME_BUCKET('1h', timestamp), AVG(duration_ms) FROM logs GROUP BY 1一句SQL，就拿到了每小时的Agent健康度曲线——这种敏捷性，在其他数据库上需要至少3人天的ETL开发。

4. Agent状态生命周期管理：事务不是ACID，而是“状态跃迁的原子性”

Agent的状态不是静止的记录，而是一连串因果相承的跃迁：用户输入→意图识别→工具调用→结果解析→最终回复。这个链条中的每一步，都可能失败、重试、回滚。数据库必须保证：无论哪一步中断，已写入的状态必须可精确回溯，且未开始的步骤绝不能污染已存在的状态。这远超传统ACID的范畴，是“状态机事务”。

4.1 分布式事务的语义差异：从“数据一致性”到“状态一致性”

我们模拟了一个典型Agent流程：

1. 记录用户Query（queries表）
2. 保存意图识别结果（intents表）
3. 调用搜索工具，保存结果（search_results表）
4. 生成回复，保存到responses表

要求：四步必须原子性完成，任一步失败，前面已写的记录必须全部回滚。

• TiDB：基于Percolator协议，支持跨Region、跨表的强一致性事务。我们用BEGIN; INSERT ...; INSERT ...; COMMIT;包裹四步，实测在Region-A节点宕机时，事务自动降级为单Region提交，P99延迟仅增加12ms，且数据始终一致。更关键的是，TiDB的START TRANSACTION WITH CONSISTENT SNAPSHOT能获取一个全局一致的快照，让Agent在生成回复时，看到的intents和search_results必然是同一时刻的状态。

• PolarDB：事务在计算节点内强一致，但跨节点（如写queries到Node1，写intents到Node2）时，依赖MySQL的XA协议，存在2PC的Prepare阶段阻塞风险。我们压测时，当网络延迟>100ms，事务超时率升至17%，且部分事务处于“半提交”状态，需人工介入清理。

• Aurora：事务由存储层协调，理论上强一致。但问题在于，Aurora的“读副本”不参与事务提交，只异步复制。当Agent在主节点写入后，立刻在读副本查search_results，可能查不到最新数据（复制延迟100-300ms）。这对需要“写后立即读”的Agent流程是致命的。

• TDSQL-C：事务基于两阶段提交（2PC），在分片间协调。当某个分片节点响应慢，整个事务会被阻塞。我们观察到，在分片数>8时，P99事务延迟从80ms跳到1.4秒，且超时后会产生“悬挂事务”，需DBA手动KILL。

关键洞察：Agent的事务，核心诉求不是“绝对不丢数据”，而是“状态跃迁的确定性”。TiDB的快照隔离+跨Region事务，让Agent能相信“我看到的世界，就是此刻真实的世界”；而其他三者，或因架构割裂（Aurora读写分离）、或因协调开销（TDSQL-C 2PC）、或因网络敏感（PolarDB XA），都引入了状态不一致的灰色地带。这个地带，正是Agent“胡言乱语”的温床。

4.2 状态快照与回滚：当Agent“想错了”，数据库得记得它3分钟前的样子

Agent有时需要回退到某个历史状态重试。例如，用户说“把刚才的总结再精简一点”，系统需加载3分钟前的responses记录，重新生成。这要求数据库支持低成本、高精度的状态回溯。

• TiDB：通过AS OF TIMESTAMP语法，可查询任意历史时间点的数据。底层依赖TiKV的MVCC机制，每个写入都带TSO时间戳，回溯无需额外存储。我们用SELECT * FROM responses AS OF TIMESTAMP '2024-05-20 14:30:00' WHERE session_id='abc123'，10ms内返回结果。

• PolarDB：需开启pg_replication_slot_advance()或依赖备份集，但备份是离线的，无法精确到秒级。我们曾用逻辑复制槽，但槽位积压会导致主库WAL膨胀，最终放弃。

• Aurora：提供Backtrack功能，可将集群回退到过去5分钟内的任意时间点，但这是整个集群级别的操作，会影响所有业务。无法针对单个session_id做精准回溯。

• TDSQL-C：无内置时间旅行功能，需应用层自己实现版本表（如responses_v1,responses_v2），维护成本极高。

实操技巧：我们在TiDB上为responses表启用了CLUSTERED INDEX（聚簇索引），并将session_id作为主键前缀。这样，AS OF TIMESTAMP查询时，TiDB能直接定位到该session_id的Region，避免全表扫描。这个小配置，让状态回溯的P99延迟从45ms降到8ms——细节决定体验。

5. 故障域隔离与长链路韧性：当网络抖动时，Agent的推理链路不能断

AI/Agent的推理链路，往往横跨多个服务：API网关→身份认证→向量检索→LLM调用→结果缓存→数据库写入。其中任何一环故障，都可能让整个链路雪崩。数据库作为链路终点，其故障域隔离能力，决定了Agent的“生存底线”。

5.1 Region级故障的应对策略：不是“能不能切”，而是“切了之后Agent还‘认得’你吗”

我们模拟了Region-A完全断网的故障（通过iptables DROP所有进出流量）：

• TiDB：Region-A的TiKV节点失联后，PD（Placement Driver）在30秒内完成Region迁移，新Leader在Region-B选举成功。所有写请求自动路由到Region-B，读请求通过Follower Read机制，从Region-B的Follower获取数据。最关键的是，TiDB的TSO（Timestamp Oracle）服务部署在Region-B，时间戳连续不中断，Agent的事务ID和快照时间戳依然有效——Agent感知不到切换，只是延迟增加了15ms。

• PolarDB：主节点在Region-A，故障后需3-5分钟完成主备切换。切换期间，所有写请求失败，读请求因只读实例在Region-A也失效，全部返回503。更严重的是，切换后新主节点的server_id变更，导致基于GTID的复制关系需手动重建，Agent的会话状态（如临时表）全部丢失。

• Aurora：控制平面在Region-A失效，Aurora会自动在Region-B提升只读副本为新主。但此过程需2-4分钟，且新主的Endpoint变更，API网关需重新发现。我们配置了DNS TTL=10s，但客户端DNS缓存导致部分请求仍打向旧Endpoint，超时率达32%。

• TDSQL-C：依赖ZooKeeper做集群协调，当Region-A ZooKeeper集群不可用，整个TDSQL-C集群进入“脑裂”保护状态，拒绝所有写请求，只允许读。Agent的所有状态更新被阻塞，直到Region-A恢复或人工干预。

真实体验：去年双十一大促，我们线上TiDB集群遭遇Region-A网络分区，监控显示延迟升高，但客服机器人（基于该TiDB）全程无告警，用户投诉率零增长。而同期另一条用PolarDB的营销推荐链路，因主备切换，出现了17分钟的推荐结果空白期——这就是故障域隔离的实战价值：TiDB把故障影响控制在“性能降级”，而其他三者，故障意味着“服务中断”。

5.2 长链路超时的熔断设计：数据库不是“等它好”，而是“让它别拖垮我”

Agent链路中，数据库通常是最后一环。如果数据库响应慢，整个请求就会卡在最后一步。我们为四款数据库配置了相同的熔断策略（超时1.5秒，错误率>5%触发熔断）：

• TiDB：得益于其细粒度的tidb_slow_log_threshold（可设为100ms），慢查询能被精准捕获并限流。我们配置了tidb_enable_stmt_summary=ON，实时监控各SQL的P99延迟，当某类向量查询P99>800ms，自动触发SQL Binding，强制走更优的执行计划。熔断触发率<0.1%。

• PolarDB：慢查询日志粒度粗（默认1秒），且无法按SQL模板限流。我们曾遇到pgvector的<->操作符在特定数据分布下性能骤降，但因日志无法及时告警，熔断在故障发生5分钟后才生效。

• Aurora：CloudWatch指标延迟高（30-60秒），熔断策略基于滞后指标，导致“误熔断”频发。一次数据库连接池满，CloudWatch显示DatabaseConnections指标正常，但实际已无法建立新连接，熔断器未触发，导致上游服务雪崩。

• TDSQL-C：无细粒度SQL监控，熔断只能基于整体QPS或CPU。当某个分片因热点Key卡住，整体QPS未跌，熔断器不动作，问题持续扩散。

避坑经验：我们最终在TiDB上实现了“SQL级熔断”——用ADMIN SHOW SLOW LIKE 'SELECT%'定期抓取慢SQL，结合Prometheus告警，当某条SELECT ... WHERE embedding <-> ...的P99>500ms，自动执行KILL QUERY并通知DBA。这套机制，让我们把数据库引发的Agent超时率，从0.8%压到了0.03%。记住：熔断不是防数据库故障，而是防数据库故障传染给整个Agent生态。

6. 四维对比终局：没有“最好”，只有“最适合你的Agent进化阶段”

我把四款数据库的对比，浓缩成一张决策矩阵。这不是简单的打分表，而是基于你当前Agent项目的三个关键坐标：当前负载特征、未来半年演进路径、团队技术栈基因。

我的建议很直接：

• 如果你正在从0到1搭建Agent平台，且目标是支撑百万级用户、毫秒级响应、多轮复杂对话——TiDB是唯一能让你少踩三年坑的选择。它的学习曲线稍陡（需理解Region/PD/TiKV角色），但一旦跑顺，稳定性带来的运维节省，远超初期投入。
• 如果你团队全是PostgreSQL老手，现有业务已跑在PolarDB上，只想给Agent加个向量检索——PolarDB+pgvector是最快落地的方案，但务必给计算节点预留30% CPU余量，并监控pg_stat_statements里的向量查询耗时。
• 如果你信奉“云厂商托管即安全”，且Agent功能相对简单（如单轮FAQ问答），Aurora的省心程度值得付费，但请把向量检索剥离到独立服务（如OpenSearch），别让它成为链路瓶颈。
• 如果你在银行核心系统旁部署Agent，且监管要求每一笔状态变更都必须有强一致性审计——TDSQL-C是合规的保险栓，但请接受它在AI场景下的性能妥协，把复杂推理交给专用计算层，数据库只做最终状态落库。

最后分享一个血泪教训：我们曾为追求“技术先进性”，在PolarDB上硬刚向量混合查询，花了3个月调优，最终发现瓶颈在架构本身。切换到TiDB后，2天完成迁移，延迟下降62%，运维告警减少89%。选型不是比参数，而是比“谁能让我的Agent少出bug、少加班、少背锅”。当你深夜收到告警，看到TiDB监控里那条平稳的P99延迟曲线，你会明白，这个选择值不值。