Automatisierung der Code-Synthese für datenbanknative Funktionen mit LLMs

Zusammenfassung

Datenbanksysteme integrieren eine stetig wachsende Anzahl von Funktionen in ihre Kernel (auch bekannt als database-native Funktionen) für Szenarien wie die Unterstützung neuer Anwendungen und Geschäftsprozessmigration. Dieses Wachstum führt zu einer dringenden Nachfrage nach automatischer Synthese database-nativer Funktionen. Während aktuelle Fortschritte bei der LLM-basierten Code-Generierung (z.B. Claude Code) vielversprechend sind, sind sie für datenbankspezifische Entwicklung zu allgemein gehalten. Sie halluzinieren oft oder übersehen kritischen Kontext, da die Synthese von Datenbankfunktionen inhärent komplex und fehleranfällig ist – die Synthese einer einzelnen Funktion kann die Registrierung mehrerer Funktionseinheiten, die Verknüpfung interner Referenzen und die korrekte Implementierung der Logik erfordern. Daher schlagen wir DBCooker vor, ein LLM-basiertes System zur automatischen Synthese database-nativer Funktionen. Es besteht aus drei Komponenten. Erstens aggregiert das Funktionscharakterisierungsmodul Multi-Source-Deklarationen, identifiziert Funktionseinheiten, die spezielle Programmierung erfordern, und verfolgt übergreifende Abhängigkeiten nach. Zweitens entwerfen wir Operationen zur Bewältigung der Hauptherausforderungen der Synthese: (1) einen pseudocode-basierten Codierungsplangenerator, der strukturierte Implementierungsgerüste durch Identifizierung Schlüsselelemente wie wiederverwendbarer Referenzfunktionen konstruiert; (2) ein hybrides "Fill-in-the-Blank"-Modell, das durch probabilistische Priors und Komponentenbewusstsein geleitet wird, um Kernlogik mit wiederverwendbaren Routinen zu integrieren; und (3) eine dreistufige progressive Validierung, einschließlich Syntaxprüfung, Standardskonformität und LLM-gesteuerter semantischer Verifikation. Schließlich vereint eine adaptive Orchestrierungsstrategie diese Operationen mit bestehenden Werkzeugen und steuert sie dynamisch über den Orchestrierungsverlauf ähnlicher Funktionen. Ergebnisse zeigen, dass DBCooker andere Methoden bei SQLite, PostgreSQL und DuckDB übertrifft (durchschnittlich 34,55 % höhere Genauigkeit) und neue Funktionen synthetisieren kann, die in der neuesten SQLite-Version (v3.50) nicht vorhanden sind.

English

Database systems incorporate an ever-growing number of functions in their kernels (a.k.a., database native functions) for scenarios like new application support and business migration. This growth causes an urgent demand for automatic database native function synthesis. While recent advances in LLM-based code generation (e.g., Claude Code) show promise, they are too generic for database-specific development. They often hallucinate or overlook critical context because database function synthesis is inherently complex and error-prone, where synthesizing a single function may involve registering multiple function units, linking internal references, and implementing logic correctly. To this end, we propose DBCooker, an LLM-based system for automatically synthesizing database native functions. It consists of three components. First, the function characterization module aggregates multi-source declarations, identifies function units that require specialized coding, and traces cross-unit dependencies. Second, we design operations to address the main synthesis challenges: (1) a pseudo-code-based coding plan generator that constructs structured implementation skeletons by identifying key elements such as reusable referenced functions; (2) a hybrid fill-in-the-blank model guided by probabilistic priors and component awareness to integrate core logic with reusable routines; and (3) three-level progressive validation, including syntax checking, standards compliance, and LLM-guided semantic verification. Finally, an adaptive orchestration strategy unifies these operations with existing tools and dynamically sequences them via the orchestration history of similar functions. Results show that DBCooker outperforms other methods on SQLite, PostgreSQL, and DuckDB (34.55% higher accuracy on average), and can synthesize new functions absent in the latest SQLite (v3.50).

Automatisierung der Code-Synthese für datenbanknative Funktionen mit LLMs

Automating Database-Native Function Code Synthesis with LLMs

Zusammenfassung

Support