幾年前，連研究人員都不愿使用 DNA 來存儲數據，覺得這么做太超前了，不具有任何實用價值。今天，你可以使用合適的軟件和生化模塊來擴展 PostgreSQL，并在 DNA 上運行 SQL。

　　當下全世界的數據浪潮來勢兇猛，不僅超出了我們理解數字和衡量單位（比如澤字節）的能力，還超出了我們存儲海量數據的能力。

　　一切都變得數字化，一切都日益在基于算法的應用軟件上運行，這些算法拿數據來訓練，反過來生成更多的數據，饋送給為更多的下游應用軟件和算法……結果可想而知。

　　簡而言之，按照這種步伐，很快就沒有足夠的數據存儲和計算材料以滿足需求。這就是為什么人們現在一直在尋找替代的存儲介質以存儲數據。使用 DNA 存儲數據乍一聽很奇怪，實際上大有意義。現在研究人員已取得了重大突破，他們因而能夠將 DNA 存儲整合到 PostgreSQL 這種流行的開源數據庫中。

　　DNA 是一種信息編碼機制

　　究其核心，DNA 是一個數據存儲層。DNA 由四種基礎部分組成：腺嘌呤、鳥嘌呤、胞嘧啶和胸腺嘧啶（又名 AGCT）。DNA 由這四個堿基組成三個核苷酸形成的三聯體（名為密碼子）。密碼子是給人體細胞下達蛋白質形成指令的單位。

　　我們的信息技術基礎設施基于以比特（包括兩個數字：0 和1）來存儲信息，而 DNA 信息存儲在四個潛在堿基單位的串中。為了將非遺傳信息存儲在 DNA 中，我們必須先將二進制數據從比特轉換成 DNA 數據的四單位（AGCT）結構。

將比特轉換成 DNA 序列（圖片來源：Shaan Ray）

　　理論部分實際上相當簡單。與使用硅或磁性介質（其工作原理基于將狀態存儲為 1 和 0 序列的能力）一樣，我們可以使用 DNA，存儲A、G、C和T組成的序列。但是這實際上如何運作？——該如何將數據寫入到 DNA 和從 DNA 中讀取數據？

　　這可能聽起來太過遙遠，但分子技術的進步使其變得切實可行，盡管并不稱心如意。這一切意味著，確實能夠以一種可以在 DNA 上存儲和檢索信息的方式來編碼信息，分別利用 DNA 合成和 DNA 測序。

　　比如說，微軟已展示了世界上第一個自動化的 DNA 數據存儲和檢索系統。你可能想知道這個 DNA 來自哪里，告訴你：這是合成 DNA，生成合成 DNA 的陣列是系統的一部分。

　　天然存在的 DNA 呈現有兩條核苷酸鏈的雙螺旋這種結構。相比之下，用于數據存儲的 DNA 是單鏈核苷酸序列，又叫寡核苷酸（oligo），它是使用每次一個核苷酸來組裝 DNA 的化學過程合成的。

　　法國通信系統工程師學校與研究中心（Eurecom）數據科學系助理教授 Appuswamy 和倫敦帝國理工學院 SCALE 實驗室負責人 Heinis 最近發表了 DNA 存儲方面的開創性成果。

　　使用 DNA 在現實世界存儲數據　　

　　Heinis 和 Appuswamy 在創新數據系統研究大會上發表了題為“OligoArchive：在 DBMS 存儲層次結構中使用 DNA”的研究論文（http://cidrdb.org/cidr2019/papers/p98-appuswamy-cidr19.pdf）。

　　雖然他們并非最先使用 DNA 來存儲和檢索數據，卻最先針對結構化數據這么做，與現成數據庫集成起來，而且不僅限于存儲，還實現了計算。

　　DNA 作為數據存儲層方面要認識到的第一點是，每次執行寫入操作時，都必須合成寡核苷酸。這實際上將如何做到？實驗室技術人員是否要待命執行此操作，并為用于化學過程的原材料“重新灌滿油箱”？

　　據 Appuswamy 和 Heinis 聲稱，并非如此，微軟用自動化的 DNA 存儲和檢索系統演示了其在這方面的價值。結果表明，可以在無需人參與的情況下操作這種陣列。就像沒人監管數據中心的日常運營一樣（維護除外），基于 DNA 的數據中心將同樣如此。

　　不過，我們離合成 DNA 陣列替換傳統硬盤還遠得很。首先，以這種方式存儲數據的現代技術速度非常慢。最初，存儲 1 兆字節的數據需要科學家花一周時間。

　　Appuswamy 和 Heinis 都認為這方面需要做更多的工作。雖然這超出了他們自身研究的范圍，所以只好等生化組合過程趕上來，但他們確實讓人看到了希望。

　　首先，他們特別指出存儲速度在變得越來越快，目前每秒可以存儲數 KB。比如說，盡管與 SSD 相比速度仍然慢得要命，但已是相當大的進步。這個速度對于 Appuswamy 和 Heinis 的研究設想的使用場景：歸檔存儲而言實際上可以接受。

　　數據庫引擎使用三層存儲層次結構，這種層次結構包括價格/性能特點大不一樣的眾多設備。性能層存儲高性能 OLTP 和實時分析這類應用訪問的數據。

　　容量層存儲對延遲不敏感的批處理分析這類應用訪問的數據。歸檔層用于存儲極少訪問的數據，比如在安全合規檢查或法務審計期間。如今，磁帶通常用于這一層。

　　OligoArchive 改變了數據庫存儲層次結構：它將基于磁帶的歸檔層換成了基于 DNA 的歸檔層。合成 DNA 使用額外的預防措施來加以存儲；至于將基于 DNA 的存儲用于普通設備效果有多好還成問題。但數據和數據庫進入云端是大勢所趨，只要你的數據安全地存儲在數據中心，它在最終用戶眼里就是黑盒子。

　　在 DNA 上運行 SQL

　　Appuswamy 和 Heinis 還特別指出，盡管速度仍很慢，但 DNA 存儲在并行處理方面大有潛力。這是由于 DNA 存儲數量充足、成本低廉——或者更準確地說，希望最終會如此。按目前情況來看，存儲 1 分鐘的高質量立體聲將花費 10 萬美元。

　　雖然使用合成 DNA 用于大規模存儲仍然成本過于高昂，但 Appuswamy 和 Heinis 表示，他們預計每一次科技突破（包括存儲技術）通常會使成本大幅下降。

　　如果合成寡核苷酸在經濟上變得可行，讓許多寡核苷酸滿足存儲需求自在情理之中。這意味著讓許多 DNA 存儲單位并行操作這方面巨大潛力。雖然并非每種算法的每個方面都可并行化，但對于果真可并行化的算法而言，可以大幅提升速度。這引出了一個關鍵點。

　　就在不久前，DNA 還被用于存儲非結構化文件，無論是文本、視頻或諸如此類的數據。 Appuswamy 和 Heinis 所做的是將 DNA 存儲集成到關系數據庫中。他們拿來標準數據庫基準測試 TPC-H 中包含的數據和查詢，在 PostgreSQL 實例上運行 TPC-H。不是串行訪問，而是隨意選擇數據。

　　將結構化數據存儲在數據庫系統中，后端使用 DNA，并通過 SQL 來查詢，這在今天已成為現實。

　　研究人員為 PostgreSQL 構建了歸檔和恢復工具（pg_oligo_dump 和 pg_oligo_restore），這些工具在 DNA 上對關系數據執行感知模式的編碼和解碼，然后他們用這些工具將 12KB TPC-H 數據庫歸檔到 DNA，執行體外計算，然后再恢復該數據庫。

　　這意義重大。這意味著現在 DNA 存儲還可以支持 SQL 操作，選擇性地訪問和處理部分數據。請注意：數據并不被提取到數據庫以便在那里執行操作。Appuswamy 和 Heinis 找到了一種方法在寡核苷酸中處理 SQL 連接之類的操作。這超出了生化存儲的范疇，還涉及生化計算。

　　用于編碼和解碼進出 DNA 的信息的技術存在著缺陷；然而要做到這一點，研究人員就得處理與這些缺陷有關的一堆問題。在 DNA 上執行操作需要專門的編碼技術，這些技術可以生成適合生化操作的寡核苷酸。讀取 DNA 數據目前很容易出錯，而以前的研究依賴數據過度表示：數據以多個副本寫入，因此即使原始數據被破壞，還有備份。

　　相比之下，Appuswamy 和 Heinis 依賴元數據。他們在編寫的代碼段中添加了一些額外的數據，利用數據庫模式感知功能。他們表明，這可以在編碼（寫入）過程中提高密度，并有助于在解碼（讀取）過程中識別錯誤。他們特別指出實際效果比預期的好——一點元數據就大有幫助。

　　DNA 是數據的未來嗎？

　　盡管技術堆棧的某些部分還不成熟，但這是一項重大突破。讓已有的數據中心擁有充足的存儲資源可以改變游戲規則。但將 DNA 這種數量充足的材料充當存儲和計算的可行介質具有重大影響，遠非我們所能想象。

　　這可能只是朝這個方向邁出的第一步，但每段旅程都從第一步開始。Appuswamy 和 Heinis 并非單槍匹馬開展這項工作，他們也不會憑一己之力開展進一步的研究。他們的項目 OLIGOARCHIVE 一直在取得進展，這歸功于與法國蔚藍海岸大學（UCA）和 CNRS 的其他研究人員進行合作，因而得以壯大研究團隊，并擴大研究范圍。

　　Eurecom、CNRS、ICL、UCA 以及 DNA 合成初創公司 Helixworks 已獲得歐盟資助，以進一步開展 DNA 存儲方面的研究。該系統將旨在支持編碼數據，將數據合成為 DNA，并通過測序讀回數據這整個過程完全實現自動化。它將存儲眾多不同類型的數據，并實現近數據處理和數據的精確檢索。

　　將數據存儲在 DNA 中方面的進一步研究將得到歐盟的資助。

　　該項目通過未來和新興技術（FET）歐盟計劃獲得資金，該計劃投資致力于研究全新未來技術方面新想法的早期階段項目，在早期階段很少有研究人員開展項目課題。雖然這似乎是天作之合，但我們很想知道商業機構有沒有找過這些研究人員。

　　Appuswamy 和 Heinis 提到，到目前為止，感興趣的主要是其他研究人員，不過微軟是個例外。倒不是這方面有任何實際成果，而是眼下微軟似乎比其他任何公司抱有更大的興趣。

　　在這項技術方面獲得優勢可能意味著主導未來，因為這個領域的突破將帶來巨大影響。 Appuswamy 和 Heinis 特別指出，人們的態度表明了這一點：“幾年前，人們會覺得這遙不可及。而今天，我們告訴他們我們在做的工作后，他們的態度是‘告訴我們更多’”。

　　論文全文：

總結

以上是生活随笔為你收集整理的突破！DNA 上的 SQL 查询已经成为现实的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。