AI 時代的運維分析：嵌入式查詢引擎與湖倉架構的取捨

2026 年 11 月 4 日，InfoQ 中文發表文章《AI 時代的運維分析：嵌入式查詢引擎與湖倉架構的取捨》，圍繞一場大型容災演練的自動化分析實踐，討論在運維分析中引入 AI 智慧體之後資料查詢引擎的定位。文章提出，隨著 AI 智慧體能夠生成分析程式碼、從物件儲存讀取檔案，並把運維資料轉成結構化報告，資料湖、湖倉一體和 SQL 引擎並未因此過時，而是開始嵌入智慧體工作流內部，成為其中的元件。

其原型做法是：把 30 秒粒度的服務指標以 Parquet 格式存入相容 S3 的物件儲存，用 DuckDB 完成確定性聚合，再由 AI 智慧體對故障轉移結果進行分類並給出證據說明。這套原型在沒有共享湖倉的情況下也能跑通。文章指出，核心在於把確定性計算（如指標聚合）與機率性推理（如故障歸因）解耦，按實際需求在嵌入式引擎和託管湖倉之間選擇。

文章給出的判斷依據有四項：資料時效性、協作廣度、計算確定性以及治理要求。據此，嵌入式引擎適用於低延遲、確定性聚合加小規模推理的場景；湖倉則在跨團隊共享、高併發 SQL、長期治理與合規審計方面仍屬必要。目前這場容災隔離演練的分析工作流已端到端跑通併產出首份報告，相關架構選擇的討論仍在進行中。