PolarDB for AI助力菜鸟实现一站式数据智能

菜鸟是全球电商物流行业领导者，全球跨境电子商务物流提供商，也是中国顶尖的电商综合供应链提供商。凭借出色的“电商和科技”基因，构建了一张全球智慧物流网络，通过不断创新解决方案，满足高速增长的复杂电商物流需求。通过全国自营网络建设，菜鸟速递为天猫超市等众多渠道的商家和品牌提供上门揽收、中转配送、在途拦截、逆向退货、售后客服等一站式快速、可靠和准时的快递服务，并保证送货上门。目前已在约300个城市提供次晨达、次日达和按需送货上门服务，重点城市最快半日达。在服务淘宝和天猫平台的快递公司中，菜鸟速递的送货上门率业内最高。

为了保障送货上门的服务质量，如果通过电话随机回访用户确认包裹是否上门，需要较高的成本，也会频繁打扰用户；通过AI能力把大概率虚假上门的订单识别出来进行优先回访，可帮助将回访量由百万级定向到万级，有效降低成本和客户打扰。

但是在AI模型的生命周期管理过程中，存在如下痛点：

1. 业务不灵活：数据标注加工、算法设计与开发、特征工程、模型训练、模型调优、模型评估、模型上线等工作涉及众多业务系统、至少三类工程师角色，业务逻辑复杂，全流程耗时过长，当有新需求或者变更时，无法及时满足。
2. 开发难度大：需要Python、SQL、Java等众多开发语言和开发平台，对技术水平要求很高
3. 资源成本高：数据需要在不同业务系统中流转，导致数据冗余、计算资源冗余。

经过充分的调研和评估，此业务最终采用了DB4AI解决方案，使用PolarDB数据库MLOps能力来替换原有解决方案。PolarDB for AI拥有一系列MLOps和内置的模型解决了数据、特征和模型的割裂状态，通过SQL来驱动数据、特征和模型，实现了基于数据库的数据智能的一站式服务。

PolarDB for AI具备如下特点：

• 全自动：内置MLOps能力，全流程自动化管理，提供一站式数据智能服务；
• 一站式：支持包括模型创建、模型训练、模型评估、模型推理和模型管理等生命周期管理。避免数据来回传递。
• 应用简单：统一SQL访问，不再需要独立的数据工程师和算法工程师。
• 安全：数据和模型通过数据库访问控制和安全机制来保护。
• 高性能：ML性能会随着集群的大小进行扩展，同时支持集成GPU卡，按需进行选型

如上图所示，通过AI节点，PolarDB通过扩展的SQL支持了多种模型操作，包括但不限于模型创建、模型评估、模型推理（在线）、模型推理（离线）、模型上传、模型部署等，下面给出了几个样例SQL：

• 模型创建

CREATE MODEL airlines_gbm WITH (model_class='lightgbm’, 

x_cols ='Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay’, 

model_parameter=(boosting_type='gbdt', n_estimators=100, max_depth=8, num_leaves=256)) 

AS (SELECT * FROM airlines_train)

• 模型评估

SELECT Delay FROM evaluate(MODEL airlines_gbm, SELECT * FROM airlines_test) 

WITH (x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length’, 

y_cols='Delay', metrics='acc');

• 模型推理（离线）

SELECT TripID,Delay FROM PREDICT ( MODEL airlines_gbm_copy1, 

SELECT * FROM airlines_train_1000_copy1) WITH ( s_cols='TripID,Delay’, 

x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay’, 

primary_key='TripID', mode='async') INTO lightgbm_v2_predict82201;

• 模型推理（在线）

SELECT TripID,Delay FROM PREDICT ( MODEL airlines_gbm_copy1, 

SELECT * FROM airlines_train_1000_copy1) WITH ( s_cols='TripID,Delay’, 

x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length', y_cols='Delay’, 

primary_key='TripID',);

菜鸟通过PolarDB for AI的应用和部署，实现了如下业务价值：

1. 非专业算法同学通过已有SQL+Java技术栈，具备一定的算法理论基础的情况下，即可通过PolarDB for AI的能力进行算法的全生命周期开发，降低了算法研发门槛和维护成本。这样工程开发同学以相对较低的学习成本，结合当前的业务场景，可以快速解决领域内的业务问题，开发工作量从7人日降低至3人日，部署工作量从2人日降低为0。
2. PolarDB for AI相比原解决方案，消除了数据冗余，减少了计算资源，云资源成本降低50%。