SQL Server 2017中的Python：增強的數據庫內機器學習

Microsoft SQL Server是一款優秀的關係型數據庫管理系統，Python是目前流行的數據科學語言之一，擁有豐富的庫生態系統。從SQL Server 2017的CTP 2.0版本開始，可以將基於Python的智能引入SQL Server中的數據。

本文主要介紹在SQL Server 2017中的Python如何增強數據庫內機器學習、Python集成所提供的優點以及哪些人能夠從中受益。有任何建議或提示請在下方評論區留言，我們會及時處理。

Python的添加建立在SQL Server 2016中為R服務奠定的基礎之上，並且擴展了該機制以包括Python對數據庫內分析和機器學習的支持。

Python集成的幾個優點

消除數據移動

現在可以在數據庫中構建Python應用程序而不再需要將數據從數據庫移動到Python應用程序或模型。這消除了如安全性、合規性、管理性、完整性以及與移動大量數據相關的類似問題的障礙。這項新功能將Python引入數據，並使用SQL Server 2016中內置可擴展性機制在SQL Server中運行代碼。

部署輕鬆

準備好Python模型後，將其部署到生產環境中就像將其嵌入T-SQL腳本一樣簡單，然後任何SQL客戶端應用程序都可以通過簡單的存儲過程利用基於Python的模型和智能來呼叫。

企業級性能和規模

您可以使用SQL Server的高級功能（如內存表和列存儲索引）以及RevoScalePy包中的高性能可伸縮API。利用開源Python您可以為SQL Python應用程序帶來更好的選擇、性能和擴展。

豐富的可擴展性

您可以在SQL Server中安裝和運行任何最新的開源Python包，以便在SQL Server的大量數據上構建深度學習和AI應用程序。在SQL Server中安裝Python包和本地計算機上安裝Python包的操作一樣。

無需額外費用的廣泛可用性

所有版本的SQL Server 2017都提供Python集成，包括Express版本。

哪些人員可以受益

數據科學家

數據科學家可以使用SQL Server上的完整數據集構建模型，而不是將數據移動到IDE或強制使用數據樣本。使用Python IDE可以在SQL Server中的數據上執行Python代碼，並在IDE中獲取結果。

現在不再依賴應用程序開發人員來部署供生產使用的模型，因為這通常涉及將模型和腳本轉換為不同的應用程序語言。現在通過將這些模型嵌入到T-SQL存儲過程中，可以輕鬆地將這些模型部署到生產環境中。並且可以在SQL Server中使用任何開源Python包進行機器學習，使用模式與現在流行的SQL Server R服務相同。

應用程序開發人員

可以通過簡單地創建一個嵌入了Python腳本的存儲過程調用來利用基於Python的模型。不需要深入瞭解Python模型的內部工作原理，或者必須將其轉換為一系列業務語言來與數據科學家密切協調以使用它。甚至可以在同一個應用程序中同時使用R和Python模型，因為它們都是存儲過程調用。

數據庫管理員

可以啟用基於Python的應用程序並設置策略來管理Python運行時在SQL Server上的行為方式。您可以在Python運行時管理和保護以控制使用數據庫計算機上的關鍵系統資源。通過進程隔離，Python作業的有限系統權限和網絡訪問的防火牆規則等機制確保安全性。