Oracle Database 23ai/26ai 新特性系列 —— 第六期：企业级可用性、性能自治与开发体验进化

在本系列的第五期中，我们从 SQL Firewall 到抗量子加密，系统解读了 AI 时代的全面防护体系。如果说安全体系解决了“谁能访问数据”的问题，那么企业级可用性与性能优化解决的则是“系统能否持续稳定运行”的问题——在金融交易、实时风控、在线支付等对停机零容忍的场景中，可用性的每一点提升都对应着真金白银的价值。

Oracle Database 26ai 在 23ai 奠定的 AI 能力基础之上，推出了一系列面向企业级高可用和性能自治的增强，涵盖可用性分级体系、In-Memory 列存储的自动智能管理、图分析的 SQL 标准化、开发者语法增强以及自治服务的新能力。这些特性共同构成了 26ai 的企业级能力拼图。

一、可用性分级：铂金级与钻石级

对于承担企业核心业务的数据库而言，高可用性（High Availability）不是锦上添花，而是生死攸关的基础能力。Oracle Database 26ai 在全球分布式数据库和 RAC（Real Application Clusters）能力的之上，正式建立了三层可用性分级体系——从已广泛部署的黄金级，到新推出的铂金级，再到针对极限场景的钻石级。这套体系帮助企业根据业务重要性和成本约束选择合适的可用性方案。

1.1 黄金级：行业标准的高可用

黄金级可用性基于 Oracle RAC 和 Active Data Guard 构建，已在全球大多数大型企业和政府机构中广泛部署。RAC 支持应用在多台计算机之间透明扩展，并防护单机故障；Active Data Guard 则提供跨站点、跨数据中心和跨数据损坏的保护。这一层级已能实现单机应用的秒级灾难恢复和高吞吐多节点集群的低个位数分钟级恢复时间，覆盖了绝大多数企业生产系统的需求。

1.2 铂金级：30 秒内恢复，4 倍性能飞跃

26ai 最大的突破在于铂金级可用性。在 Exadata 平台上，铂金级可用性的灾难恢复时间可做到 30 秒以内，即便是跨区域的高吞吐多节点集群也不例外。与此前版本的数据相比，这比 Oracle Database 19c 快出 4 倍，更关键的是——无需任何应用修改。

铂金级可用性的另一项价值在于其普适性：所有在 Oracle Active Data Guard 和 RAC 上运行 26ai 与 Exadata 的客户，无论工作负载是简单的单机应用，还是运行在大型 RAC 集群上的超高吞吐任务，都可以零成本、零应用变更地直接受益。从黄金级升级到铂金级，只需升级 Oracle 数据库和 Exadata 软件，无额外费用。

1.3 钻石级：3 秒内恢复，感知不到的停机

对于实时信用卡处理、高频交易、支付清算等极度敏感的工作负载，铂金级的 30 秒恢复时间依然不够——每一次故障造成的每一秒中断都意味着巨大的经济损失。

钻石级可用性专为此类应用设计。它利用 GoldenGate 或 Oracle Globally Distributed AI Database，在数据中心或区域之间实现数据库的逻辑复制，构建双活分布式集群，能够极快地检测故障并恢复——通常只需 3 秒，人类的感知完全捕捉不到停机。钻石级可用性实现了零数据丢失和亚秒级恢复，将“高可用”推向“零感知中断”的新高度。

1.4 分级体系的战略意义

黄金级解决的是“大多数企业够用”的标准问题，铂金级将恢复时间从分钟级压缩到 30 秒以内，满足金融、电信、政务等对高可用有严格要求的场景，而钻石级则以 3 秒为标杆，将可用性推向近乎实时的水平。这套分级体系让企业可以根据业务关键程度和成本预算自由选择可用性层级——这正是 26ai 在企业级高可用方面的核心主张。

二、In-Memory 性能自治：数据库自管理的新高度

In-Memory 列存储是 Oracle Database 中提升分析查询性能的核心技术。26ai 对这一技术的演进集中在“自治”二字上——从需要人工干预的手动配置，迈向数据库根据工作负载自动决策的新阶段。

2.1 自动启用 In-Memory 特性

在 26ai 中，AIM 可以根据增强的工作负载分析算法，自动创建 Join Groups、启用 In-Memory Optimized Arithmetic、向量优化和 Bloom filter 优化。这项增强解决了长期困扰 DBA 的一个痛点：在传统模式下，决定哪些表、哪些列应该放入 In-Memory 列存储，哪些优化特性应该开启，需要大量的经验判断和反复测试。现在，数据库可以通过分析实际运行的 SQL 模式，自行做出这些优化决策。

AIM 的另一个重要改进是引入了 DML 开销的评估机制。此前，AIM 只考虑查询性能的提升，不评估 In-Memory 填充对象带来的 DML（插入/更新/删除）开销。在混合负载环境中，这种偏颇可能导致整体性能反而下降。26ai 解决了这一缺陷，使 AIM 能够在读写混合工作负载中做出更平衡的决策。

2.2 自动 In-Memory 大小调整

26ai 的另一项重要创新是将 IM 列存储纳入自动共享内存管理的范畴。ASMM 可以根据整体数据库工作负载的需求，自动扩展或收缩 IM 列存储的大小。这意味着数据库能够在内存资源有限的情况下，动态地在 In-Memory 列存储与其他内存组件之间进行弹性分配——当工作负载以分析查询为主时，IM 列存储可以自动扩展以容纳更多列对象；当交易负载增加、需要更多缓冲区缓存时，IM 列存储则可以自动收缩，将内存让给更紧迫的组件。

2.3 选择性 In-Memory 列与多级连接

选择性 In-Memory 列功能为 DBA 提供了一个更为便捷的语法：当只需要对表中部分列进行 In-Memory 填充时，可以使用 ALL 关键字来简化列列表的定义。多级连接和聚合功能则是对 In-Memory Vectorized Joins 的增强，进一步提升了复杂分析查询的向量化执行效率。

In-Memory Optimized Dates 利用 In-Memory 表达式框架，在 IM 列存储中预先提取日期的 MONTH 和 YEAR 部分，使得时间维度的比较查询实现极速响应。数据库内的 In-Memory Advisor 则提供了原生建议工具，帮助 DBA 更好地规划 In-Memory 列存储的使用策略。

总体来看，In-Memory 性能自治是 Oracle Database 26ai “AI 原生”理念在性能优化领域的具体落地——让数据库通过智能分析来自动完成本该由 DBA 手工完成的优化决策。

三、图数据能力的深化：SQL/PGQ 标准与 GraphQL

在第二期中，我们介绍了 23ai 引入的 SQL 属性图（SQL Property Graphs）能力。26ai 在这一基础上进一步深化，推进了图数据能力的标准化和开发生态的拓展。

3.1 SQL/PGQ 标准的演进

SQL Property Graph 在 26ai 中进一步向 ISO/IEC SQL 标准靠拢。随着 26ai 在 OCI 和多云伙伴平台上的广泛可用，SQL 属性图已成为 Oracle 数据库的原生对象，可以使用任何 SQL 工具进行创建和查询。

在语法增强方面，26ai 对 ONE ROW PER VERTEX/STEP 的支持从单个量化边模式扩展到任意数量的边模式。这意味着复杂路径模式（如多层社交关系、多跳金融交易追踪）可以在一条图查询语句中完成，不再需要拆分为多个查询或使用复杂的递归 CTE。

MATCHNUM 和 ELEMENT_NUMBER 函数则进一步增强了查询结果的解析能力。MATCHNUM 为每个匹配结果分配唯一标识符，ELEMENT_NUMBER 返回迭代变量当前绑定的图元素序号。这在需要详细分析匹配路径顺序的场景（如金融反欺诈中的交易链条还原）中尤其有价值。

3.2 地理布局与增强样式

26ai 的图可视化工具新增了对地理布局的支持，开发者可以选择经纬度属性将节点在地图上精确定位，图会渲染在动态地图上，便于直观分析地理空间坐标及其在图中的关系。样式条件从 Match All（所有条件必须同时满足）扩展到了 Match Any（满足任意条件即可），为复杂的图可视化提供了更灵活的条件组合能力。

3.3 GraphQL 支持

23.26.0 版本引入了 GraphQL 支持，与 SQL/PGQ 和图查询形成互补。GraphQL 是一种面向 API 层的查询语言，特别适合前端应用从数据库获取精确定义的 JSON 数据，减少了 API 层的重复开发和前后端之间的频繁沟通成本。对于那些使用 GraphQL 生态的前端和全栈团队而言，这降低了在 Oracle 数据库上构建现代应用的门槛。

四、开发者语法糖：QUALIFY 子句

Oracle 26ai 的持续发布为开发者带来了大量 SQL 语法层面的“糖”。QUALIFY 子句是其中颇具代表性的一项。

4.1 问题的由来

窗口函数（Window Function）是 SQL 中进行复杂数据分析的强大工具。但窗口函数的一个长期痛点在于：它的计算结果不能直接在 WHERE 子句或 HAVING 子句中引用，因为窗口函数的计算发生在 WHERE 和 GROUP BY 之后。开发者不得不将查询嵌套在一层子查询或 CTE 中，先计算窗口函数，再在外层过滤——代码可读性差，维护成本高。

4.2 QUALIFY 的优雅解决

QUALIFY 子句解决了这一困境。它专门用于基于分析函数的结果进行过滤，在查询的逻辑处理顺序中位于 WINDOW 之后、ORDER BY 和行限制之前。

以一个实际案例说明：假设要找出全球人口占比超过 1% 的国家。传统写法需要嵌套子查询——内层用 RATIO_TO_REPORT 计算人口占比，外层再用 WHERE 筛选大于 1% 的结果。QUALIFY 则允许将筛选条件直接附加在查询末尾，代码更简洁，逻辑也更直观。

QUALIFY 子句不是一个大而炫的新功能，但它直击了 SQL 开发者在日常工作中反复遇到的一个痛点，体现了 Oracle 对开发者体验的精细化关注。

五、自治数据库的持续进化

随着 26ai 的发布，Oracle Autonomous Database 也同步升级为 Oracle Autonomous AI Database 26ai，在自治能力和数据服务开放度上都有显著提升。

5.1 Autonomous AI Lakehouse

26ai 推出的 Autonomous AI Lakehouse 是下一代 Autonomous Data Warehouse 的演进版本，它彻底打破了数据仓库与数据湖之间的壁垒。Autonomous AI Lakehouse 支持在对象存储中读写 Apache Iceberg 数据格式，将 Exadata 性能和无服务器扩展能力带到开放湖仓表上，支持跨 OCI、AWS、Azure 和 Google Cloud 的多云湖仓表。

更值得关注的是，Autonomous AI Lakehouse 的设计目标是开放和多供应商互操作性，而不是将企业锁定在 Oracle 的生态中——Databricks、Snowflake 及其他 Iceberg 兼容的数据存储均可与 Autonomous AI Lakehouse 无缝互操作。这在数据平台领域是一项重要的战略转向。

5.2 与云服务的深度融合

Azure AD OAuth2 集成是另一项务实的增强。在 26ai 中，用户可以使用 Microsoft Azure 云的身份认证服务实现 Oracle AI Database 服务实例和本地部署的单点登录。这对于大量同时使用 Azure 和 Oracle 的混合云客户而言，意味着认证管理的统一和用户体验的提升。

Select AI 功能也在 26ai 中得到增强。自 23.7 RU 开始，DBMS_CLOUD_AI 包支持 Select AI 功能，为 NL2SQL 提供 SQL 和 PL/SQL 接口。企业可以直接在数据库内核中使用自然语言生成 SQL 查询，进一步降低了数据访问门槛。

六、持续交付与未来展望

6.1 稳定的交付节奏

Oracle 严格遵循季度发布周期，关键补丁更新固定在每年 1 月、4 月、7 月和 10 月的第三个星期二发布。2026 年第二季度的 CPU 已于北京时间 4 月 22 日如期发布，后续日期也已确定：7 月 21 日、10 月 20 日以及 2027 年 1 月 19 日。

在版本管理方面，Oracle 维护两条产品线：长期支持版提供最高稳定性和最长错误修复支持（至少 5 年标准支持 + 3 年扩展支持），适合生产环境；创新版包含最新功能，标准支持至少 2 年，适合希望快速采用新技术的用户。26ai 的企业版于 2026 年 1 月通过 23.26.1 RU 正式登陆 Linux x86-64 本地部署平台。

6.2 从 26ai 到未来

26ai 的发布不是终点，而是 Oracle AI 数据库长期演进道路上的一个关键里程碑。Oracle 在 26ai 发布时明确表示，自 23ai 推出以来，团队以稳定的节奏交付 AI 优先的能力——持续扩展 AI Vector Search 能力，扩大向量搜索与其他数据类型的组合范围，增加对智能体 AI 的支持，强化数据隐私治理和可观测性。

23ai 确立了融合 AI 数据库的架构基础，26ai 则将这些能力整合并提升为一个面向规模化生产工作负载的、内聚的 AI 原生平台。展望未来，随着 AI 智能体、多模态数据湖和 GPU 加速等方向的持续推进，Oracle 数据库正在从一个“能跑 AI”的平台，进化为一个“本身具备 AI 智能”的自主数据平台。

总结

在本系列第六期中，我们聚焦于 Oracle Database 23ai/26ai 在企业级可用性、性能自治和开发体验层面的持续进化：

从 23ai 到 26ai，Oracle 数据库的演进主线逐渐清晰：AI Vector Search 让数据库能够理解语义；Select AI 让数据库能够听懂自然语言；数据库内机器学习和图分析让数据库能够进行智能分析；铂金级和钻石级可用性让数据库能够持续稳定地支撑核心业务；In-Memory 性能自治则让数据库开始学会自我管理。一个能够感知、理解、分析、自主管理并持续稳定运行的 AI 原生数据库平台，正在从愿景走向现实。

系列完结语

本系列六期内容系统涵盖了 Oracle Database 23ai/26ai 在 AI 能力、开发体验、机器学习、空间数据、安全防护和企业级架构等维度的核心新特性。这一系列并非对官方文档的简单翻译，而是以企业用户的视角，筛选最具价值的创新特性进行深度解读。随着 Oracle 持续以季度节奏交付新功能，AI 数据库的版图仍在快速扩展。期待在下一个重大版本中，与大家再次相遇。

参考资料

[1] Oracle AI Database 26ai: Next-Gen AI-Native Database Announcement (blogs.oracle.com)

[2] Oracle AI Database New Features Guide (docs.oracle.com)

[3] Oracle AI Database Raises the Bar for Availability and Security (tmcnet.com)

[4] Database In-Memory New Features in Oracle Database 23ai (blogs.oracle.com)

[5] Second Quarterly Update on Oracle Graph (2025) (blogs.oracle.com)

[6] What’s new for Developers in Oracle AI Database 23.26.0 (geraldonit.com)

[7] Oracle AI Database Receives Comprehensive Series of Updates (dbta.com)

[8] 2026年Oracle Q2 季度补丁发布 (modb.pro)

[9] Spatial GeoRaster Developer’s Guide (asktheway.org)