TDSQL Boundless Data Dive 数据查询与洞

简介
Data Dive 是 DBAI 节点（TDSQL Boundless AI Node）提供的智能数据查询与洞察套件，面向跨库取数、运营分析与自动化报表场景。Data Dive 将数据查询、自然语言理解、趋势解读与可视化渲染整合为统一的服务能力，帮助用户在不编写复杂胶水代码的前提下，完成多源数据的关联查询与业务洞察输出。
Data Dive 不替换现有的 MySQL、PostgreSQL、MongoDB、Redis 实例，而是在其之上提供具备查询、推理与可视化能力的统一智能入口。
核心功能与优势
Data Dive 对外提供以下四项核心能力：
跨源关联查询：支持在同一条 SQL 语句中关联 MySQL、PostgreSQL、MongoDB、Redis 等多种数据源，实现跨库数据的统一查询与聚合计算；
自然语言转 SQL：将用户的自然语言问题转换为带 Schema 校验的可执行 SQL，支持复杂查询意图的理解与多源数据范围的自动匹配；
智能洞察：基于查询结果自动完成趋势分析、Top-N 排名、异常点识别与归因总结，以结构化格式（JSON / HTML）输出，可供 Agent 或后端系统直接消费；
可视化渲染：将查询结果与洞察结论一键生成可交互、可分享的可视化报表页面，支持嵌入前端、邮件或协作平台展示。
基于以上能力，Data Dive 具备以下功能优势：
数据零搬迁，原地查询：不引入额外 ETL 流程，不下沉至数仓。DBAI 节点通过适配层将各数据源挂载为本地表，原始数据保留在源库，物理隔离与权限边界始终不被打破；
统一 SQL 方言，多源一体：MongoDB 文档、Redis 键值、COS 上的 Parquet 文件均被映射为可查询的标准对象，关系型、文档型、键值型与文件型数据源通过一套 SQL 方言统一访问；
AI 与 SQL 同层执行：ai_sql()、ai_query()、ai_insight() 作为内建函数提供，自然语言解析、跨库执行与洞察生成在同一执行计划中完成，避免跨进程调用与数据搬运开销；
下推优化，高效执行：过滤条件尽可能下推至源库执行，仅返回必要数据。跨源 JOIN 在节点内基于列存与向量化引擎完成，吞吐表现优于自行编写脚本拼接。
Data Dive 功能使用
接入数据源
DBAI 节点提供三种数据源接入方式，支持云上实例与自建实例的统一纳管。接入完成后，所有数据源在统一命名空间下可见。
自然语言接入
通过 prompt() 函数将接入意图、实例信息与账号密码一并提交至节点，由节点解析并完成接入：
SELECT prompt('
  把广州地域的实例 cynosdbmysql-ins-fi6ah3js 接入到 AI 节点，
  命名为 shop，用户名 reader，密码 ***
');
地域 + 实例 ID（推荐）
使用云资源标识与账号密码进行接入，网络打通由平台托管：
ATTACH DATABASE mysql_shop
  FROM 'cynosdbmysql-xxxxxxxx@ap-guangzhou'
  USER 'reader' PASSWORD '***';
﻿
ATTACH DATABASE pg_crm
  FROM 'postgres-xxxxxxxx@ap-guangzhou'
  USER 'reader' PASSWORD '***';
﻿
ATTACH DATABASE mongo_logs
  FROM 'cmgo-xxxxxxxx@ap-guangzhou'
  USER 'reader' PASSWORD '***';
﻿
ATTACH DATABASE redis_cache
  FROM 'crs-xxxxxxxx@ap-guangzhou'
  PASSWORD '***';
标准 IP / Port（自建 / 跨账号）
使用标准连接信息，适用于自建实例、混合云或跨账号纳管：
ATTACH 'host=xxx port=xx user=xx password=xxxxx database=xx'
  AS mysql_shop (TYPE MYSQL);
﻿
ATTACH 'host=xxx port=xx dbname=xx user=xx password=xxxxx'
  AS pg_crm (TYPE POSTGRES);
﻿
ATTACH 'host=xxx port=xx user=xx password=xxxxx'
  AS mongo_logs (TYPE MONGO);
﻿
ATTACH 'host=xxx port=xx user=xx password=xxxxx'
  AS redis_cache (TYPE REDIS);
对象存储（COS / S3）
对象存储无需 ATTACH，可直接以路径方式访问；私有桶需配置访问密钥：
CREATE SECRET cos_secret (
    TYPE S3,
    KEY_ID 'xxxx',
    SECRET 'xxxx',
    REGION 'ap-guangzhou',
    ENDPOINT 'xxxx.ap-guangzhou.tencentcos.cn'
);
﻿
SELECT * FROM 's3://bucket/sales/2026/*.parquet';
接入完成后，执行 SHOW ALL TABLES; 即可在统一命名空间下查看所有已接入数据源的表。
跨库查询
接入数据源后，可通过标准 SQL 语法在同一条语句中关联多种数据库，实现跨源联邦查询。
以下示例展示了一次典型的四源关联查询：从 PostgreSQL 中获取2026-05-01后注册的用户信息，关联 MySQL 中的订单统计、Redis 中的实时会话状态以及 MongoDB 中的登录日志，最终按订单数量降序返回前100条结果。
SELECT u.uid,
       u.name,
       o.order_cnt,
       c.session AS live_session,
       l.last_login_ip
FROM   pg_crm.crm.users u
       JOIN mysql_shop.test_ai.orders o
         ON o.uid = u.uid
       LEFT JOIN redis_cache.session c
              ON c.uid = u.uid
       LEFT JOIN mongo_logs.logs.user_log l
              ON l.uid = u.uid
WHERE  u.create_time > '2026-05-01'
ORDER  BY o.order_cnt DESC
LIMIT  100;
﻿
-- 返回:
-- +------+------+-----------+-------------------+---------------+
-- | uid  | name | order_cnt | live_session      | last_login_ip |
-- +------+------+-----------+-------------------+---------------+
-- | 1003 | 王五 |        23 | sess_m3n4o5p6q7r8 | 172.16.0.88   |
-- | 1008 | 郑十 |        18 | sess_t5u6v7w8x9y0 | 172.20.0.100  |
-- | 1001 | 张三 |        15 | sess_a1b2c3d4e5f6 | 192.168.1.100 |
-- | 1005 | 孙七 |        12 | sess_j9k0l1m2n3o4 | 10.10.10.5    |
-- | 1002 | 李四 |         8 | sess_x7y8z9w0v1u2 | 10.0.0.55     |
-- +------+------+-----------+-------------------+---------------+
自然语言查询
无需手写 SQL，用户可直接以自然语言发起数据查询。系统支持两种调用方式：
生成 SQL（不执行）：
SELECT ai_sql(
  '订单金额最高的前 3 名用户是谁？列出姓名、城市和订单金额',
  schemas => ['pg_crm', 'mysql_shop']
) AS generated_sql;
﻿
-- 返回:
-- +-------------------------------------------------------------+
-- | generated_sql                                               |
-- +-------------------------------------------------------------+
-- | SELECT u.name, u.city, o.amount                             |
-- | FROM   pg_crm.crm.users u                                   |
-- | JOIN   mysql_shop.test_ai.orders o ON o.uid = u.uid         |
-- | ORDER BY o.amount DESC                                      |
-- | LIMIT 3                                                     |
-- +-------------------------------------------------------------+
生成并执行：
SELECT ai_query(
  '订单金额最高的前 3 名用户是谁？列出姓名、城市和订单金额'
);
﻿
-- 返回:
-- +------+------+--------+
-- | name | city | amount |
-- +------+------+--------+
-- | 王五 | 深圳 | 5600.00|
-- | 郑十 | 南京 | 4200.00|
-- | 孙七 | 杭州 | 3100.00|
-- +------+------+--------+
生成报表
通过 ai_insight() 函数，系统可基于查询结果自动生成包含分析结论与可视化图表的报表。输出格式支持 HTML 与 JSON 两种模式，其中 HTML 格式适用于直接分享与嵌入前端页面展示，JSON 格式则便于程序解析与下游系统对接：
HTML 报表输出：
SELECT ai_insight(
  '最近两周订单量 Top 5 的用户是谁？他们的消费趋势如何？用折线图展示',
  format => 'html'
) AS report;
﻿
-- 返回:
-- +----------------------------------------------------------------------+
-- | report                                                               |
-- +----------------------------------------------------------------------+
-- | https://xxxx.cos.ap-guangzhou.myqcloud.com/reports/top_users.html    |
-- +----------------------------------------------------------------------+
节点内部依次完成：意图解析 → SQL 生成 → 跨源执行 → 统计与趋势归因 → HTML 渲染，返回可分享的报表访问地址。
结构化 JSON 输出：
SELECT ai_insight(
  '过去 30 天活跃用户的异常掉点',
  format => 'json'
);
﻿
-- 返回:
-- {
--   "metric": "DAU",
--   "trend": "down",
--   "anomalies": [{"date":"2026-05-12","drop":0.18,"reason":"..."}],
--   "summary": "..."
-- }
与上层应用集成
Data Dive 支持通过多种方式与上层业务系统集成：
Agent / Chat：通过 MCP 或 HTTP 调用 ai_insight，将返回的 HTML / JSON 渲染至对话界面；
BI / 控制台：将生成的 SQL 落到看板，按定时任务刷新；
后端服务：通过 SDK（Go / Python / Node）发起查询，以 JSON 格式处理返回结果。
实践教程
1. 善用 ATTACH + VIEW：将常用的跨库查询口径固化为视图，业务方仅需访问视图层，降低使用门槛；
2. 保持下推友好：在 WHERE 条件中优先使用源库索引列，避免 SELECT *，以充分利用下推优化；
3. 遵循最小权限原则：接入数据源时使用只读账号，并按需限制可见库表范围；
4. 为自然语言查询提供上下文：通过 schemas => 参数限定查询范围，可显著提升 SQL 生成的准确率。
Data Dive 数据查询与洞察

本页目录：

简介

核心功能与优势

Data Dive 功能使用

接入数据源

自然语言接入

地域 + 实例 ID（推荐）

标准 IP / Port（自建 / 跨账号）

对象存储（COS / S3）

跨库查询

自然语言查询

生成报表

与上层应用集成

实践教程
