kettle开发-其实chatGPT一直在身边

本文涉及的产品
RDS MySQL Serverless 基础系列,0.5-2RCU 50GB
云数据库 RDS MySQL,集群系列 2核4GB
推荐场景:
搭建个人博客
云数据库 RDS MySQL,高可用系列 2核4GB
简介: kettle开发-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
  1. 不限制数据库类型
  2. 无需整理SQ
  3. 1:1灵活复制
  1. 传统方式耗时长、数据库类型限制
  2. kettle可灵活选择、无数据库类型限制
  3. 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
  1. 传统方式下数据库优化全靠经验
  2. kettle模式下AI自动优化


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。


相关实践学习
如何在云端创建MySQL数据库
开始实验后,系统会自动创建一台自建MySQL的 源数据库 ECS 实例和一台 目标数据库 RDS。
全面了解阿里云能为你做什么
阿里云在全球各地部署高效节能的绿色数据中心,利用清洁计算为万物互联的新世界提供源源不断的能源动力,目前开服的区域包括中国(华北、华东、华南、香港)、新加坡、美国(美东、美西)、欧洲、中东、澳大利亚、日本。目前阿里云的产品涵盖弹性计算、数据库、存储与CDN、分析与搜索、云通信、网络、管理与监控、应用服务、互联网中间件、移动服务、视频服务等。通过本课程,来了解阿里云能够为你的业务带来哪些帮助     相关的阿里云产品:云服务器ECS 云服务器 ECS(Elastic Compute Service)是一种弹性可伸缩的计算服务,助您降低 IT 成本,提升运维效率,使您更专注于核心业务创新。产品详情: https://www.aliyun.com/product/ecs
相关文章
|
6月前
|
人工智能 自然语言处理 测试技术
使用 GPT4 和 ChatGPT 开发应用:第四章到第五章
使用 GPT4 和 ChatGPT 开发应用:第四章到第五章
168 0
|
12天前
|
人工智能 自然语言处理 自动驾驶
深入理解ChatGPT:下一代人工智能助手的开发与应用
【10月更文挑战第27天】本文深入探讨了ChatGPT的技术原理、开发技巧和应用场景,展示了其在语言理解和生成方面的强大能力。文章介绍了基于Transformer的架构、预训练与微调技术,以及如何定制化开发、确保安全性和支持多语言。通过实用工具如GPT-3 API和Fine-tuning as a Service,开发者可以轻松集成ChatGPT。未来,ChatGPT有望在智能家居、自动驾驶等领域发挥更大作用,推动人工智能技术的发展。
|
2月前
|
人工智能 自然语言处理 前端开发
基于ChatGPT开发人工智能服务平台
### 简介 ChatGPT 初期作为问答机器人,现已拓展出多种功能,如模拟面试及智能客服等。模拟面试功能涵盖个性化问题生成、实时反馈等;智能客服则提供全天候支持、多渠道服务等功能。借助人工智能技术,这些应用能显著提升面试准备效果及客户服务效率。 ### 智能平台的使用价值 通过自动化流程,帮助用户提升面试准备效果及提高客户服务效率。 ### 实现思路 1. **需求功能设计**:提问与接收回复。 2. **技术架构设计**:搭建整体框架。 3. **技术选型**:示例采用 `Flask + Template + HTML/CSS`。 4. **技术实现**:前端界面与后端服务实现。
|
2月前
|
人工智能 API Python
ChatGPT 插件开发
本教程旨在帮助您掌握ChatGPT API的基本使用方法,包括应用开发、代码分析、插件开发及专属领域模型应用等。通过学习,您将为未来的人工智能应用开发打下坚实基础。教程包含官方文档介绍、环境搭建步骤及Python示例代码,助您快速上手。请注意,API调用需收费,初始提供5美元免费额度。
|
2月前
|
存储 Linux 开发工具
如何进行Linux内核开发【ChatGPT】
如何进行Linux内核开发【ChatGPT】
|
3月前
|
机器学习/深度学习 人工智能 算法
为什么ChatGPT等AI大模型都是基于Python开发?
为什么ChatGPT等AI大模型都是基于Python开发?
|
3月前
|
数据采集 iOS开发 Python
Chatgpt教你开发iPhone风格计算器,Python代码实现
Chatgpt教你开发iPhone风格计算器,Python代码实现
|
3月前
|
自然语言处理 iOS开发 开发者
ChatGPT 等相关大模型问题之大模型提升开发效率如何解决
ChatGPT 等相关大模型问题之大模型提升开发效率如何解决
|
6月前
|
机器学习/深度学习 PyTorch TensorFlow
TensorFlow、PyTorch、Keras、Scikit-learn和ChatGPT。视觉开发软件工具 Halcon、VisionPro、LabView、OpenCV
TensorFlow、PyTorch、Keras、Scikit-learn和ChatGPT。视觉开发软件工具 Halcon、VisionPro、LabView、OpenCV
107 1
|
6月前
|
存储 JavaScript 前端开发
【ChatGPT 指令大全】怎么使用ChatGPT辅助程式开发
【ChatGPT 指令大全】怎么使用ChatGPT辅助程式开发
58 0