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
跨库同步
传统 | kettle | 效果对比 |
|
|
|
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、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 |
|
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 |
|
|
例： 无 | 例：
| 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。
本文链接：https://my.lmcjl.com/post/1039.html
4 评论