在2024年亚马逊云科技re:Invent大会上，一场关于如何利用生成式AI加速数据库迁移的深入讨论吸引了众多技术爱好者的关注。此次会议由Amazon数据库迁移服务（DMS）的产品负责人John主持，他分享了如何利用最新的技术创新，让数据库迁移过程变得更加高效和便捷。
John首先介绍了DMS的基本概念，这是一款旨在帮助用户快速、安全地将数据库和分析工作负载迁移到亚马逊云科技的服务。无论是同构迁移还是异构迁移，DMS都能通过逻辑复制过程实现最小停机时间的迁移，从而最大程度地减少对业务运营的中断。据统计，已有超过120，000名客户成功利用该服务进行了迁移。
会议的核心议题是DMS如何利用生成式AI能力进行模式转换，这是异构迁移过程中的关键步骤。John详细解释了DMS模式转换的工作原理，包括分析源数据库元数据、评估转换复杂性以及为目标数据库转换模式对象。然而，传统的基于规则的方法在某些情况下存在局限性，因此亚马逊云科技决定集成生成式AI能力来填补这些空白。
为了实现这一目标，亚马逊云科技进行了多次试点，探索了不同的方法。John分享了四个试点的经验教训，包括使用生成式AI转换整个模式、确定数据类型、理解源代码意图以及优化性能。这些试点为最终的集成方案提供了宝贵的见解。
在最终的集成方案中，DMS模式转换首先尝试使用现有的基于规则的引擎进行转换。对于无法成功转换的对象，该服务会将它们发送到Amazon Bedrock生成式AI模型（目前使用Claude 3.5）进行转换。为了确保转换的准确性和安全性，该过程涉及多个步骤，包括设置上下文、遮蔽敏感数据、查询知识库以及使用检索增强生成（RAG）方法。
John通过现场演示展示了这一过程的实际效果。他首先展示了不使用生成式AI的传统基于规则的方法，并指出了部分无法正确转换的代码对象。然后，他启用了生成式AI功能并重新运行转换过程，结果显示转换率显著提高，转换后的代码还包括了由AI模型生成的注释。
除了模式转换外，John还介绍了DMS与Amazon CodeWhisperer服务的无缝集成，该服务旨在协助代码转换。他展示了一个与SQL Server数据库交互的C#应用程序，并通过Q服务将应用程序代码从使用SQL Server库转换为使用PostgreSQL库。整个过程简便高效，只需突出相关代码部分并向Q提供指令即可。
在会议的最后部分，John分享了DMS Schema Conversion的未来路线图。他承认当前的实现仍有改进和扩展的空间，并重点关注了增强测试和验证流程、扩展对更多源和目标数据库引擎的支持、模型演进以及扩大可以使用生成式AI进行转换的对象和代码构造的范围。
总的来说，此次会议展示了亚马逊云科技如何将生成式AI能力集成到其数据库迁移服务架构中，从而简化和加速数据库模式转换过程。通过利用Amazon Bedrock等生成式AI模型的强大功能，DMS Schema Conversion旨在为客户提供更高效、更便捷的迁移解决方案。
