kettle开发-Day38-其实chatGPT一直在身边

前言：

最近chatGPT火出圈，其实不是chatGPT多智能，只是它用了一种新的交互方式来组织我们现有的知识，然后通过“高智商”的表达来使我们惊艳。但是目前或者未来的人工智能缺少创造力，他们只会整合信息目的是提高我们的效率。现在好多人不是说，ChatGPT可以写小说吗？至少可以先让程序写一个初版，然后作家再亲自上手精修。针对这个现象，作为一个作家，特德·姜给自己的同行提了个建议。就是，不要这么干。因为初稿对作家来说，其实很重要。

借用特德·姜的原话。你的初稿只是一个原始想法的拙劣表达，你对它是不满意的，而初稿的价值，就在于让你意识到，你所说的和想说的之间的距离。这能够指导你重写东西。当你使用人工智能写初稿时，你将缺少这种指导。正如有句话说的，最适合你往上攀登的台阶，往往不是别人，而是昨天的自己。其实在我们身边的很多工具早就有了chatGPT的功能了。今天分享kettle中的那些人工智能。

一、kettle的AI能力目录

1. 跨库同步

传统

kettle

效果对比

1. 源库与目标库类型一致

2. 需提前整理表名、表结构等

3. 只能全库同步、批量SQ表同步

4. 不限制数据库类型

5. 无需整理SQ

6. 1:1灵活复制

7. 传统方式耗时长、数据库类型限制

8. kettle可灵活选择、无数据库类型限制

9. kettle更AI（智能）

例：

源库是oracle，目标库必须是oracle，同步时数据泵或者第三方同步软件全库或者批量表同步

例：

源库是mysql，目标库可以是oracle、mysql、sqlserver任一类型，灵活选择同步方式

2.自动开发

传统

kettle

效果对比

1. 写数据泵脚本、等待同步耗时在一天左右

2. 编写建表SQ、同步表超一百时，错误率高、开发周期长

3. 购买第三方软件，选型时间长，部署服务器、运维等，耗时长、成本高

1、可视化开发，可见即可得

2、标准化开发，几步自动完成

3、零代码开发，DevOps

1. 传统方式耗时长、成本高

2. kettle更AI、更高效

例：

源库是oracle，目标库必须是oracle，同步时数据泵或者第三方同步软件全库或者批量表同步

例：

源库是mysql，目标库可以是oracle、mysql、sqlserver任一类型，灵活选择同步方式

3.自动优化

传统

kettle

效果对比

表同步后，数据进数据库后不会根据数据量和开发程序的特点提出优化建议

1. 开发程序不同自动生成优化脚本如自动生成单主键、联合主键索引

2. 根据开发程序自动生成增删字段语句

3. 根据源数据库数据自动匹配字段类型

4. 传统方式下数据库优化全靠经验

5. kettle模式下AI自动优化

例：

无

例：

1. 插入更新模式下会自动生成插入更新主键索引

2. 第一次抽取数据时会自动建表并根据数据量匹配数据类型，如number类型会根据源数据库的数的大小和小数点情况生成如number(10,5)的数据类型

更多优化知识可参加我上一节的文章

数据库优化

二、AI实例

1、跨库同步

sqlsever表同步至oracle数据库

1.1源库sqlserver

1.2目标库oracle

1.3可视化跨库同步

使用多表复制向导

选择跨库的表，下一步下一步，即可生成跨库同步程序

查看自动生成的复制程序，根据自己的需求可做微雕。如统一同步过来的表名称

最终效果

自动生成转换完成数据同步任务，非常的标准并且带有标准注释

执行作业后，目标库可查看到对应同步表

2、自动开发、优化

2.1自动开发

在上一步的跨库同步中，如果我们需要修改表名进行微雕时，我们直接修改目标表的名称，然后点击下面的SQL即可自动生成修改后的SQ语句点击执行即可。

2.2自动优化

当我们抽取模式选择插入更新时，kettle会自动根据开发模式生成关键字索引来提高程序运行效率

三、总结

我们常用的程序和工具都在向智能化转型，当然设计之初也都傻瓜式处理了。chatGPT拥有数据整合的能力并将整合后的知识“高情商”的表达出来了，这就是它革命的点。但AI终究只是一个辅助工具，人类才是真正的高智商的存在，只是我们大部分的能力待开发而已。因此当AI潮水漫过膝盖时，不要慌张，这时候多想想大禹就好了。