在DNA上直接运行SQL操作，PostgreSQL已验证成功

法国通信系统工程师学校与研究中心（Eurecom）数据科学系助理教授 Appuswamy 和伦敦帝国理工学院 SCALE 实验室负责人 Heinis 等人近期发表了一篇关于在 DBMS 存储层操作 DNA 的论文《OligoArchive: Using DNA in the DBMS storage hierarchy》。

论文研究了在数据库存储层次结构中集成 DNA 的问题。更具体地，其提出了以下两个问题：

• 数据库经验如何帮助优化 DNA 编码和解码？
• 生化机制如何应用于对 DNA 操作进行体外、近数据的 SQL 查询处理？

为了回答这两个问题，该研究引入了一个叫 OligoArchive 的架构，这是一种使用基于 DNA 的存储系统作为关系数据库归档层的架构。

DNA 的存储系统简单讲也就是指基于 ATCG 这些碱基所组成的一套存储信息的方案，类比 0/1 二进制，这种存储系统具有四进制。用 DNA 作为存储介质，优势是容量大与存储时间长，有数据指出 1 克 DNA 能够存储大约 2 拍字节，相当于大约 300 万张 CD；同时用 DNA 存储数据保存时间可能长达数千年；此外与硬盘、磁带等存储介质不同，DNA 不需要经常维护，而且在读取方式上，DNA 存储不涉及兼容性问题。

天然存在的 DNA 是有两条核苷酸链的双螺旋结构，而用于数据存储的 DNA 是单链核苷酸序列，又叫寡核苷酸（oligo），它是使用每次一个核苷酸来组装 DNA 的化学过程合成的。

OligoArchive 架构通过将基于磁带的归档层替换为基于 DNA 的归档层来改变 DBMS 存储层次结构，论文具体介绍了数据库引擎和 DNA 存储设备之间的分工，以及 DNA 存储设备应在 OligoArchive 中使用的接口。

数据库与 DNA 存储分工是这样的：数据库系统执行关系数据和寡核苷酸序列之间的转换。在 put 操作期间，DNA 存储系统合成 DNA 链并将它们存储在库中；在 get 操作期间，对 DNA 链进行测序并将读数返回。

研究人员通过为 PostgreSQL 构建归档和恢复工具（pg_oligo_dump 与 pg_oligo_restore）证明 OligoArchive 可以在实践中实现，这些工具执行模式识别编码和解码 DNA 上的关系数据，并使用这些工具将 12KB TPC-H 数据库归档到 DNA，进行体外计算，并将其恢复。

论文中的实验表明，使用合成 DNA 存档和恢复数据不仅可行，而且还可以利用数据库知识经验优化 DNA 编码和解码过程，甚至直接在 DNA 上执行 SQL 操作。

具体内容查看论文：
http://cidrdb.org/cidr2019/papers/p98-appuswamy-cidr19.pdf