尊龙凯时

第一章 行业概况

数据是形貌事物的符号纪录，具有多种体现形式，包括文字、图形、图像、声音和语言等。数据库是相互有关联关系的若干数据的荟萃，特点是数据间联系亲近、冗余度小、自力性较高、易扩展，并且可为种种用户共享。数据库治理系统（DBMS）是认真数据库搭建、使用和维护的系统软件，通过组织、索引、盘问、修改数据库文件，实现数据界说、组织、存储、治理以及数据库操作、运行、维护等主要功效。围绕DBMS构建包括硬件操作系统、数据库治理系统、数据库治理员以及相关机制配套在内的数据库系统（DBS），才华有组织、动态地存储大宗相关数据，利便多用户会见。

数据库的差别分类及特点：

按数据结构分：古板关系型数据库，NoSQLee数据库，NewSQL数据库，多模数据库。其中古板关系型数据库在我国市场占比最大，抵达约60%。

按安排模式分：云托管数据库，云原生数据库，外地安排，混淆安排。

按商业模式分：开源数据库、商业数据库。

按架构分：漫衍式数据库，单机数据库。

按功效分：OLTP、OLAP和HTAP。

按存储介质分类：内存数据库，磁盘数据库。

关系型数据库的差别分类：

按模子分：关系型、非关系型

按架构分：单机式、集中式、漫衍式

按安排形态分：外地安排、云安排

2021年中国数据库市场总规模抵达286.8亿元，同比增添16.1%，2022年展望市场规模将抵达336.1亿元。随着海内外市场上云盘算等手艺的兴起，国产数据库企业生长快速，达梦、人大金仓、PingCAP、TiDB、阿里云、华为云等成为国产数据库企业的代表。

第二章 商业模式

随着下游企业及需求的一直生长，目今数据库行业主要形成了联机事务处置惩罚/数据库OLTP和联机剖析处置惩罚/数据客栈OLAP两种应用场景。

联机事务处置惩罚/数据库OLTP。其应用于面向生意的处置惩罚系统、营业系统，典范应用如银行生意系统。其营业在数据库联机的一样平常操作，通常是对纪录举行盘问、修改，用户体贴快速响应、数据的清静性、完整性和并发支持的用户。数据量方面，每次生意涉及的数据量很小，对响应时间要求很是高，总体数据量相对较小。数据爆发于系统中生意自己的数据。使用职员多为操作职员，用户数目极多，以SQL为交互载体，在设计中只管阻止冗余。

联机剖析处置惩罚/数据客栈OLAP。其应用于剖析驱动，是面向信息的剖析历程。典范应用如数据客栈。主要是针对某些历史数据举行剖析，从而有用地支持投资决议。数据量较为重大，响应时间与数据量相关，且数据总体规模重大。数据泉源于生产系统操作数据，主要为事情职员使用，用户数目少，支持SQL和其他语言。

一样平常数据库企业的商业模式大致是：购入效劳器等基础设施，完成数据库搭建，扣除生产历程中的机械装备等折旧本钱，减去职员薪酬、电费等种种用度，最终出售数据库或提供相关数据库的运营和维护用度获取利润。

数据库企业的利润影响因素：

数据库制品价钱及维护运营用度。价钱越高，盈利能力越强。

基础设施的价钱。数据库的搭建需要依赖于重大的效劳器等基础设施，在目今的数据库效劳中占有本钱较大比重。

装备折旧、人工费、运营费、运输费等。这些本钱用度相对来说较量刚性。

第三章 手艺生长

数据库行业作为主要的基础性行业，基础使命在于以最低的资源消耗、最低的生态负载、最高的效率和手艺水平为下游相关营业及用户提供数目富足、质量优良的数据库效劳，支持下游企业营业生长、效率提升与治理水平上升，知足国家、社会、生长需要。

1、HTAP领域进一步增强AP和TP之间的融合

自2020年以来国产HTAP数据库生长迅猛，险些成为新兴数据库的必选项。Gartner也指出HTAP已经成为全球规模内新一代数据库的入场筹码，HTAP能力成为数据库主要选项。随着数据手艺的一直立异，未来HTAP数据库会进一步增强AP和TP之间的毗连和融合，在数据库内部实现AP和TP之间的内置流（Streaming）处置惩罚能力。通过将ETL事情内置于数据库当中，让HTAP数据库同时具备AP、TP和流（Streaming）能力。用户可以按需建设种种表，运用流处置惩罚能力将表毗连，从而获得简朴、便捷的数据处置惩罚能力。数据库手艺的进一步融合会突破当下数据栈的割裂状态，HTAP、流批一体、湖仓一体等手艺趋势最终会让数据集中在简朴易用、清静可靠、高性价比的数据平台。

2、云盘算配景下的漫衍式前瞻

国产漫衍式数据库自2019年以来坚持高速增添，热度一连高涨。而通过用户调研相识到，面临漫衍式数据库的故障时，运维职员往往一筹莫展。主要缘故原由是相较集中式数据库，漫衍式数据库对IT基础设施可靠性要求更高了，其焦点代码主要笼罩了SQL实现和数据存储，而未能自动感知种种对数据库稳固性、性能、并发能力有重大影响的故障隐患，也难以在代码层面临此类问题举行处置惩罚，从而实现故障自动规避。未来漫衍式数据库应提升基础数据探测和剖析能力，随时针对泛起的异常隐患提前处置惩罚，实现无需运维职员过多干预的高效自治运行，让漫衍式数据库从IT工程化产品变为真正开箱即用的通用型产品。

3、智能运维实现融合智能手艺应用下的数据库治理自治

DT时代数据库手艺架构和运行情形日趋重大，种类从简单产品转变为混淆型商业数据库和开源数据库组合，依赖人工运维显得左支右绌。作为智能化的数据库周边工具，数据库治理平台将机械学习与数据治理在功效上融合统一，使用机械学习增强系统设计开发，以标准化、自动化、智能化的方法提供实时监控、康健巡检、智能诊断、多维剖析等数据库治理效劳。数据库治理平台的实质是数据库治理履历的代码化，焦点要领论是云资源池化、分层解耦以及效劳化，实现手段是基于微效劳、漫衍式等云手艺实现多元混淆数据库情形的统一治理，目的是实现海量数据高清静、高可用、高性能的运维要求，助力数字化转型。

4、数据开源

近年来海内数据库厂商逐步推行开源战略，可是由于开源数据库运行时间短，运营整体体现仍有较大空间。凭证开源数据库在GitHub的活跃度细分情形，海内整体水平是低于全球市场开源数据库的整体水平的。

第四章 生长趋势

国产数据库快速生长，危害与时机并存。新兴厂商焦点团队普遍来自尊厂，手艺扎实，履历富厚，产品各具特色，性能较佳，并且资金充裕。但另一方面，海内数据库市场的用户侧泛起危害点，如互联网用户多接纳开源或自研数据库而少少使用新兴的产品、新兴厂商难切入政企类用户具备完善的产品和效劳生态、缺乏互联网+新“风口”发动市场增量空间、大宗中小企业存续不稳固和需求不强烈等问题。数据库厂商纷纷提出出海战略，创业公司自建设之初便定位国际化，但普遍面临信托度、羁系、地理位置等障碍，而上云、开源、新手艺敏感度成为除基础手艺以外，国产数据库顺遂出海的要害要素。

云盘算上下拉动，云原生优化资源设置。云原生数据库实现了云资源对数据库的细粒度资源拆解。在软件层面，盘算层打包SQL语句剖析、物理妄想执行、事务处置惩罚等，共享存储层存放事务日志和数据存储，并通过漫衍式手艺包管高可用和一致性，最后二者接纳高速网络互联，通过数据传输协议或其他手艺提升I/O性能。

别的，云原生数据库的分层架构还需团结新硬件手艺的特征举行重构，如运用可扩展CPU和高主频内核举行算力优化，运用长期内存(PMEM)重构二级缓存以提升I/O麋集型场景下的读写性能。未来数据库将进入从硬件平台到架构层再到应用层的全栈优化时代。

数据库与大数据手艺界线一直模糊。大数据与数据库划分保存结构化能力差、运算支持能力缺乏的问题。随着数据手艺的生长立异，数据库与大数据手艺的界线一直模糊，二者相互延伸。我们以为古板大数据手艺有着更为富厚的生态，可是敌手艺要求较高，相较量而言，从仓向湖的延伸蹊径，更适合古板企业和中小企业。