SQL Server 2025的新功能之Gemini篇

 

作者：楊先民  
精誠資訊/恆逸教育訓練中心資深講師

※網路引用請註明完整出處

在 SQL Server 2025（以及 Azure SQL Database）中，這是一個非常強大的應用場景。主要歸功於新推出的系統儲存過程 sp_invoke_external_rest_endpoint，它讓資料庫具備了直接發送HTTPS 請求的能力，本期就來了解如何利用 SQL Server與 Gemini 溝通。

前置準備：開啟功能與授權

以下是利用 SQL Server 連接 Google Gemini 的具體實作思路：

預設情況下，出於安全考量，資料庫的外部 REST 調用功能是關閉的。

啟用功能：

EXEC sp_configure 'external rest endpoint enabled', 1;

RECONFIGURE;

建立憑證：你需要將 Google Gemini 的 API Key 儲存在資料庫的「資料庫限定範圍憑證」（Database Scoped Credential）中，以確保密鑰安全性。

Google Gemini API 的對接要點

Google Gemini 提供 REST API 接口（例如 gemini-1.5-flash 或 gemini-1.5-pro）。

·         Endpoint 範例： https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:generateContent

·         認證方式：通常是在 Header 中加入 x-goog-api-key。

T-SQL 實作範例

你可以寫一個簡單的儲存過程，將輸入的問題傳給 Gemini 並取回答案：

DECLARE @url NVARCHAR(4000) = N'https://generativelanguage.googleapis.com/v1beta/models/gemini-1.5-flash:generateContent';

DECLARE @headers NVARCHAR(MAX) = N'{"x-goog-api-key": "你的_GEMINI_API_KEY"}';

DECLARE @payload NVARCHAR(MAX) = N'{

    "contents": [{

        "parts": [{

            "text": "請幫我分析這筆銷售數據的異常原因..."

        }]

    }]

}';

 

DECLARE @response NVARCHAR(MAX);

 

EXEC sp_invoke_external_rest_endpoint

    @url = @url,

    @method = 'POST',

    @headers = @headers,

    @payload = @payload,

    @response = @response OUTPUT;

 

-- 解析 JSON 結果

SELECT [Gemini_Reply] = JSON_VALUE(@response, '$.result.candidates[0].content.parts[0].text');

為什麼要在 SQL 裡面連 Gemini？

這不只是為了「聊天」，在企業應用中這開啟了幾種新的使用方式：

·         自動化標籤：當產品評論（NVARCHAR 欄位）寫入時，觸發程序自動調用 Gemini 進行情感分析或分類，並回寫到表中。

·         即時摘要：在產生報表前，將數據轉成文字交給 Gemini 生成一段「摘要分析」。

·         資料清理：利用 LLM 的模糊處理能力，修正資料庫中地址或名稱的不一致性。

安全與效能提醒

1.       超時處理：API 調用受網路環境影響，建議設定合理的 @timeout 參數。

2.       併發控制：不建議在頻繁的高頻交易（OLTP）中同步調用外部 API，這會拖慢資料庫回應。建議配合 Service Broker 或 SQL Agent 非同步執行。

3.       隱私：傳送數據給 Google 前，請確保已去識別化，避免敏感數據外洩。 

 

SQL Server 2025 引入的 sp_invoke_external_rest_endpoint 就像是給資料庫裝上了一條光纖，直接連通到像 Google Gemini 這樣的大型語言模型（LLM）。這意味著，DBA 與開發者現在可以在不離開 SQL 環境的情況下，利用 AI 處理以前需要寫數千行 Python 程式碼才能完成的任務。

情境一：全自動化客戶情緒分析與工單標籤系統

想像一下，一個擁有百萬用戶的電商平台，每天產生數萬條產品評論與客服工單。傳統做法是定期將數據匯出到 AI 平台處理，再匯回資料庫。

實作邏輯

利用 SQL Server 2025 的 Trigger（觸發器） 或 Service Broker。當一筆新的評論存入 ProductReviews 資料表時，系統自動觸發一個預存程序，將內容發送給 Gemini。

·         Gemini 的任務：分析情緒（正面/負面/中立）、提取關鍵字（品質、物流、價格）、自動分派優先級。

·         優勢：資料在庫內即時完成「知識化」。

-- 範例：自動分類觸發器的程式片段

CREATE TRIGGER tr_test_AnalyzeReview

ON ProductReviews

AFTER INSERT

AS

BEGIN

    DECLARE @review NVARCHAR(MAX);

    SELECT @review = ReviewText FROM inserted;

   

    -- 調用先前建立的 Gemini 呼叫儲存的過程

    EXEC dbo.usp_CallGeminiAI

        @Prompt = N'請分析以下評論，僅回傳一個 JSON 格式，包含 Sentiment (1-5) 與 Category: ' + @review;

   

    -- 將回傳結果更新回該筆紀錄

    -- ... 更新邏輯 ...

END

 

情境二：企業級「數據清理」的終極方案 (Fuzzy Matching 2.0)

數據清理（Data Cleansing）或是資料淨化，一直是 DBA 的夢魘。例如：台北市松山區敦化北路100號 與 臺北市敦化北路100號，在傳統 SQL 中需要複雜的 REPLACE 或模糊搜尋才能對齊。

實作邏輯

傳統的模糊比對算法（如 Levenshtein Distance）只能計算字元差異，無法理解語義。Google Gemini 可以輕易辨識地址的變體、縮寫、甚至是錯別字。

·         Gemini 的任務：將不規範的輸入數據「標準化」為企業定義的格式。

·         應用：客戶名單去重、地址校對、產品型號歸一化。

 

情境三：動態商業智慧 (BI) 與「數據故事化」

目前的 BI 報表（如 Power BI）擅長呈現數字，但「解釋數字」仍需要人工。SQL Server 2025 可以結合 Gemini，在生成報表的同時提供「文字解讀」。

實作邏輯

在執行複雜的聚合查詢（Aggregation）後，將結果（例如：本月銷量下降 15%，但退貨率上升 5%）傳遞給 Gemini。

·         Gemini 的任務：根據數據生成摘要報告。「本月業績下滑主因在於特定品項的退貨率異常，建議檢查批次品質控制。」

·         優勢：決策者看到的不再只是冷冰冰的數字，而是具備商業洞察的建議。

情境四：安全日誌監控與 SQL 注入預警

安全性是資料庫的生命線。傳統的 WAF 或防火牆基於特徵碼，但對於變體攻擊往往防不勝防。

實作邏輯

監控 sys.dm_exec_query_stats 或審計日誌（Audit Logs），將異常的、長時間運行的、或是結構詭異的 SQL 指令發送給 Gemini。

·         Gemini 的任務：分析該 SQL 是否具有惡意企圖，或是否符合該帳號往常的操作邏輯。

·         優勢：實現基於 AI 的資料庫內部防禦體系，能識別複雜的邏輯漏洞攻擊。

性能、成本與架構：專業 DBA 的核心考量

在 SQL Server 中直接呼叫外部 API 雖然強大，但必須考慮以下三點：

1. 同步 vs 非同步 (Sync vs Async)

直接在交易（Transaction）中呼叫 REST API 是大忌，因為 API 的延遲會導致資料庫鎖定（Locking）時間過長。

呼叫方式	優點	缺點	建議場景
同步呼叫	邏輯簡單，直接拿結果。	阻塞交易，網路波動會卡死資料庫。	低頻率、單筆的小型維護任務。
非同步 (Queue)	不影響資料庫效能，具備重試機制。	開發較複雜，需管理排程。	生產環境的首選，如大規模資料標籤。

 

. API 費用與速率限制 (Rate Limiting)

Google Gemini API 是按 Token 計費的。如果你的 SELECT 語法一次呼叫了 10 萬次 API，月底的帳單可能會讓你大吃一驚。

·         對策：使用快取（Caching）機制。如果相同的問題已經問過，直接從 local table 取回結果，不要重複呼叫。

. JSON 處理的進化

SQL Server 2025 針對 AI 需求大幅強化了 JSON 效能。利用 OPENJSON 與 JSON_MODIFY，你可以輕鬆地將 Gemini 回傳的複雜嵌套結構（Nested JSON）轉化為關聯式表格格式。

結語：從 DBA 進化為 AI 資料架構師

SQL Server 2025 與 Google Gemini 的連動，象徵著「資料庫管理」這門學問正在與「人工智慧」融合。未來的 DBA 不再只是負責備份與調優，更需要理解如何調度 LLM 來提升數據價值。

透過這套 T-SQL 與 REST 的橋樑，我們終於可以說：SQL Server 不再只是儲存事實，它現在具備了判斷事實的能力。