AI 时代的运维分析：嵌入式查询引擎与湖仓架构的取舍

2026 年 11 月 4 日，InfoQ 中文发表文章《AI 时代的运维分析：嵌入式查询引擎与湖仓架构的取舍》，围绕一场大型容灾演练的自动化分析实践，讨论在运维分析中引入 AI 智能体之后数据查询引擎的定位。文章提出，随着 AI 智能体能够生成分析代码、从对象存储读取文件，并把运维数据转成结构化报告，数据湖、湖仓一体和 SQL 引擎并未因此过时，而是开始嵌入智能体工作流内部，成为其中的组件。

其原型做法是：把 30 秒粒度的服务指标以 Parquet 格式存入兼容 S3 的对象存储，用 DuckDB 完成确定性聚合，再由 AI 智能体对故障转移结果进行分类并给出证据说明。这套原型在没有共享湖仓的情况下也能跑通。文章指出，核心在于把确定性计算（如指标聚合）与概率性推理（如故障归因）解耦，按实际需求在嵌入式引擎和托管湖仓之间选择。

文章给出的判断依据有四项：数据时效性、协作广度、计算确定性以及治理要求。据此，嵌入式引擎适用于低延迟、确定性聚合加小规模推理的场景；湖仓则在跨团队共享、高并发 SQL、长期治理与合规审计方面仍属必要。目前这场容灾隔离演练的分析工作流已端到端跑通并产出首份报告，相关架构选择的讨论仍在进行中。