2017 SQL Server：新消息、Linux版本缺失功能以及未来展望

SQL Server2017可运行于Windows与Linux之上

微软公司总经理Rohan Kumar在接受采访时表示：“这是我们公司的一个里程碑。”该里程碑指的正是立足Linux平台发布的SQL Server。他还在本届于奥兰多举办的Ignite大会上将SQL Server称为“微软公司最重要的服务器产品”。

SQL Server 2017将同时面向Windows与多种Linux版本发布，具体包括：Red Hat Enterprise Linux 7.3、SUSE Linux Enterprise Server 12、Ubuntu与Docker。另外，该产品需要3.25GB或更高的内存容量，且该产品的官方Docker镜像基于Ubuntu 16.04。

微软方面的移植工作围绕一套名为SQLPAL（平台抽象层）的兼容层进行的，该兼容层可确保SQL服务器中所使用的Windows库子集能够在Linux平台上运行。另外，即使在Windows这片“根据地”上，SQL Server同样通过一套代号为SOS（SQL操作平台）的平台执行其自身内存与线程管理。此外，在SQL Server 2017中，SOS作为SQLPAL的组成部分而能够直接调用原生Linux API。

根据在Ignite大会上与之相关的对话环节所言，SQL Server在Linux与Windows上的性能表现“基本相同”。然而，由于没有全部进行移植，故二者仍存在一定差异，具体表现在于Linux版本不具备报告服务、分析服务与机器学习服务（即原本的R服务）。

混合本地/Azure数据库存储不支持复制（除高可用性场景外）或Stretch DB。而负责公布文件系统内SQL Server表的File Table同样无法在Linux上实现。再有，大多数管理工具仍然仅限Windows使用，不过命令行工具则基本通用。

那么，这些缺失的功能最终能在Linux上逐一补全吗？答案是肯定的。复制功能很可能即将实现（在未来的几周内，SQL Server 2017将迎来其首次更新），而此次更新的目标在于让Linux与Windows双方的核心数据库引擎功能基本实现一致——但File Table不在其中，因为其与Windows文件系统关联过于紧密。Kumar 在接受采访时表示：“关于分析服务与报告服务，目前的问题是：‘用户的需求是什么？’，PAL架构允许我们移植任何功能，但这些服务是否能够切实为客户提供价值？” 看来答案不久之后即将揭晓。

SQL服务器总经理Rohan Kumar

除此之外，其他发行版的情况又是怎样？Kumar表示：“对于大多数Linux发行版，其操作系统的核心都是基本相同的，但如果客户对于其中某一特定发行版需求强烈，我也乐于接受这样的情况。”

另外，微软公司是否认为其Windows Server许可遭遇的营收损失将全面被新一轮销售攻势所抵消？“许多客户喜欢Windows Server，而且我们相信他们不会选择放弃Windows Server。但我们也很清楚，现在仍有一部分市场是Windows所未能涉足的。所以，我们将会凭借SQL Server的价值以及同甲骨文产品之间的比较价格优势积极开拓市场。”

容器支持则是另一项关键功能。Windows容器虽然正处于起步阶段，但其现已能够在Linux容器中部署SQL Server数据库引擎以扩展其适用范围。

相较于在Windows上的SQL Server安装体验而言， Linux上的安装过程则较为简便（当然，Linux上的可用功能也相对较少）。首先完成资源库配置，尔后再逐步安装各项组件（引擎、代理、工具、全文本搜索、集成服务等）。配置过程中需要使用mssql-conf工具或者环境变量。

对于Windows安装过程较为复杂这一问题，Kumar表示：“技术团队正在研究是否应该更改以往设置，从而让Windows版本提供更好的安装体验。”那么，微软是否会考虑使用PowerShell命令执行安装？答曰：“正是。”

此外，微软方面决定以互信为基础进行付费版本的交付，而不再需要产品密钥或激活流程。对此，Kumar解释称：“客户不想为需要输入一些关键字而浪费时间，而我们也致力于让该版本的交付过程更加流畅自然。”

在SQL Server 2017中，跨平台无疑是一大新亮点，甚至在某种程度上远远盖过了其它新功能。事实上，为了达到更好的查询优化效果，SQL Server 2017还推出了图形查询支持功能，包括向机器学习服务引入Python、自适应查询处理与自动调节等查询优化机制。

Kumar在接受采访时表示，图形支持在Azure SQL——SQL Server的云版本——中已经受到了广泛欢迎。“这一切表明市场对此已经拥有相当旺盛的需求。”

同样的，Python支持能力也尤为重要。Kumar解释道：“Python是绑定深度学习库的标准，这一点在谷歌TensorFlow或微软Cognitive Toolkit当中都有所体现。由于这些库已经完成了在GPU上运行的针对性优化，因此我们可以在SQL中轻松创建可以处理SQL内数据的原生AI应用，而无需将其移动到环境之外。”

尽管如此， SQL Server 2017与SQL Server 2016之间的发布间隔时间仅有15个月。所以除了跨平台功能以外，SQL Server 2017所具备的其它新功能在种类上不如以往丰富。对此，Kumar解释称这是因为微软公司正考虑缩短产品的发布周期。

 “过去，我们每隔两到四年就会自问，我们是否应该增加发布产品的频率？现在，随着创新的速度越来越快，我们也有计划推进云至上创新举措。如今，我们在SQL Server 2017中所引入的功能早已存在Azure SQL版本当中; 而云版本亦为我们提供了很好的反馈回路。虽然我们对于此项决定还没有达成一致，但这一发展思路的拥护者正逐渐增多。”