بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
قواعد البيانات تحتجز بياناتك خلف طبقات من برمجيات القيادة — وهذا بالضبط ما قرر فيكتور جيانّاكوريس وإيمانويل تروميّر كسره. في ورقة بحثية نُشرت على arXiv في الثامن من يوليو 2026، يقدّم الباحثان نظاماً اسمه Jailbreak يتخلى كلياً عن قنوات الوصول التقليدية كـ JDBC وODBC، ويقرأ ملفات التخزين مباشرةً ليحقق تسريعاً يصل إلى 27 ضعفاً في أعباء التحليل.
المشكلة التي تعالجها الورقة ليست غامضة: أي تطبيق تحليلي يعمل على بيانات مخزّنة في PostgreSQL أو MySQL يضطر للمرور عبر driver قاعدة البيانات، الذي صُمِّم أصلاً للاستعلامات التفاعلية لا للقراءة الكتلية الموجّهة للأعمدة. هذا الـ driver يُجبر كل عملية قراءة على المرور عبر طبقة تنفيذ الاستعلام وطبقات إضافية لم تُبنَ أصلاً لتحليل البيانات الضخمة، مما يخلق عنق زجاجة بنيوياً في خطوط المعالجة offline وسيناريوهات النسخ المتماثلة للقراءة.
الحل يقوم على فكرة بسيطة في جوهرها لكنها تقنياً معقدة التنفيذ: بدلاً من سؤال قاعدة البيانات عن بياناتها، اقرأ ملفات التخزين مباشرةً. الإشكالية أن صيغ هذه الملفات معقدة ومتباينة، وكتابة محلل لكل صيغة يتطلب تقليدياً هندسة بشرية عميقة. هنا يدخل دور نماذج اللغة الكبيرة: Jailbreak يغذّي LLMs بكود المصدر والتوثيق الخاص بصيغة الملف، ثم يطلب منها توليد مكوّنات قراءة مخصصة لكل جدول بيانات — بدون أي منطق تحليل مكتوب يدوياً.
المخرج النهائي هو buffers من نوع Apache Arrow تُقرأ مباشرةً بواسطة معظم محركات الاستعلام الحديثة المعروفة، من بينها DuckDB وApache Spark، إضافةً إلى الأُطر المُعجَّلة بالـ GPU كـ cuDF وSpark RAPIDS. هذا يعني أن المطوّر يحصل على بيانات في صيغة عمودية كاملة التوافق دون أن تلمس الـ query engine لقاعدة البيانات الأصلية حزمةً واحدة.
للتحقق من صحة النتائج، اختبر الباحثان النظام على ملفات تخزين PostgreSQL وMySQL باستخدام معيار TPC-H الشهير للأعباء التحليلية، ومطابقة نتائجه مع النتائج المرجعية الصادرة عن JDBC وODBC عبر جميع نتائج الاستعلامات. لم يكتفيا بالصحة فحسب، بل وثّقا تسريعاً يبلغ 27 ضعفاً في الإنتاجية التحليلية الشاملة (وفقاً للورقة البحثية على arXiv).
ما يجعل هذا النهج مهماً للمطوّرين هو قابليته للتعميم. الباحثان لا يقدّمان أداة مثبّتة الأسلاك لقاعدة بيانات بعينها، بل منهجية: أي نظام تخزين تتوفر له وثائق أو كود مصدري يمكن للـ LLM استيعابه يصبح هدفاً قابلاً للتطبيق. يعني ذلك نظرياً إمكانية توسيع Jailbreak ليشمل أي قاعدة بيانات أخرى يتوفر لها توثيق كافٍ، وهو ما يفتح الباب أمام تحرير بيانات المؤسسات من قفص الـ vendor lock-in التقليدي.
السياق العملي الأبرز لهذا النهج هو سيناريوهات لقطات البيانات التحليلية — تحديداً النسخ المتماثلة للقراءة وخطوط المعالجة غير المتصلة offline — حيث لا توجد حاجة لاستعلام مباشر على قاعدة البيانات الحية، والهدف هو رفع معدل نقل البيانات إلى أقصاه. في هذه السيناريوهات تحديداً، يتحوّل الـ driver التقليدي من بوابة إلى عائق، وهنا يكون الفارق بين 1x و27x أكثر من مجرد رقم في ورقة بحثية — هو فرق ملموس في تكلفة البنية التحتية وسرعة خطوط البيانات.
هذا العمل يقع في تقاطع مثير بين هندسة قواعد البيانات وتوليد الكود بالذكاء الاصطناعي — وهو تقاطع يزداد اكتظاظاً بالأبحاث الواعدة، كما رأينا مؤخراً مع GeoSQL الذي حسّن قدرات Claude وCodex وCopilot في الاستعلامات الجيومكانية. لكن Jailbreak يذهب خطوة أبعد: لا يُحسّن الاستعلام، بل يتجاوز طبقة قاعدة البيانات برمّتها. الفكرة جريئة، وإذا نجحت في التحول من بيئة البحث إلى الإنتاج، فقد تغير الطريقة التي تُبنى بها خطوط البيانات التحليلية في المؤسسات.
