多维度看 database 发展 和 风来了吹得起来国产数据库吗?

本文探讨中国数据库市场现状,分析国内外数据库软件竞争格局,强调国产数据库发展机遇与挑战,提及云数据库趋势。

guo'chan

中国不乏好电影,但能登得上银幕的那就寥寥无几了,幸亏有了抖音,各种不能登上大雅之堂的都能看到,看完反思自己  what's the point of the life ?   meaning nothing , just make you confortable,有不少人问,天天写你不累,天天写你的有多闲,实际上我很忙,写仅仅是让我感到 confortable 实际上没有那么多的“故事”。

 

回到正文做技术的同学都希望埋头钻研技术, 其实在行业中生存,也是需要狐獴精神的,觅食的过程中,是不是抬起头看看,有没有猛兽到访,天上的,路上的,四肢行走的,匍匐前进的,还有电闪雷鸣加雨雪冰雹,稍有不慎,没看到就可能成为牺牲品.会偶然 search 一下 Most popular database , the database future ,等词汇. 

这篇文字的起因是下面的这张图, 首先的感觉是,这不科学呀,NO.1 不应该是Oracle , 这一定必有原有.仔细看了这篇文章

读完第一段后,明白了这篇文字主要的对象是数据库容器化,和DEVOPS , 在2019年在这些方面中,数据库被喜爱的程度, 那ORACLE 有此名次也就在正常不过了。

那么统计的数据从哪里来, Stack Overflow, 别说你不知道这是啥, 地球人IT的都知道, 比GOOGLE 搜索对于某些方面可能收集的信息的准确度会更高,因为至少人家要提问题,并不是随便搜索一个词就被统计进去

  

为什么PG在头部排名的原因, 免费好用,提供的功能多, 一句话表达 easy one to make many things.

要表达easy 下面有一个实例,最近开发问过我,如果开发中使用PG的话,应该是用 VARCHAR ,Char ,我给的答复是 text,是的因为在PG的原理中 VARCHAR 和 TEXT 其实没有性能的不同,他们再次和我确认,你是认真的吗, 这不就是跟随意扩展字段一样,以后就没有什么因为字段不够导致的,要改字段结构的事情,尤其特别大的表. 我都看到他们的嘴咧到后槽牙了. (当然实际中是会限制的)

同时可以看到上面的排名中,MONGODB 也比较靠前的原因也和目前的主流的数据交互形式有关,JSON 是程序接口间标准的数据交互形式,所以MONGODB 在支持JSON的同时,还能进行数据的分析和聚合,并且社区版提供了大部分的必要功能,(NEO4J这点就比较差了,社区和企业差距太大). 

所以听听不同的声音,有利于脑部做做课间操。

回到此文的重点,中国的数据库市场是怎样,到底怎么发展,因为饭碗在中国, 红旗的方向就是饭碗的方向.这边找了一篇最近金融行业对中国数据库产业的分析报告. 哦顺便说一句,这篇文字你在BAIDU 上可还真不容易找到,所以要找到这篇文字,还靠G。

这篇文字在开头就指出,我国2020年的数据库软件市场规模会达到200亿元。当然这结论不是直接得出,是通过多年的调研和数据,分析得出,2009年到2019年,我国的数据库市场以平均17.5的速度平稳的增长。其中的另一个数据2017年我国的120.22亿元的数据库市场,国外的软件企业份额在103.07亿元,16亿元的国产数据库份额在 14.27%。

其实本身数据库的种类从之前的RDS,到 NO-SQL ,(NOSQL 也分为,键值数据库, 列式存储,文档数据库,图形数据库), 当然还有时序数据库等等,从需求看OLTP OLAP ,HTAP 的需求可以将这些数据库在分分类。当然如果要再分,就是传统数据库和分布式数据库之间的战争。所以如果到此脑部,还仅仅有oracle 这一个单词,那你和数据库市场之间的距离就是东京到巴黎,土耳其和莫斯科的距离了。

从分析报告中给出的国内国产数据库市场的规模也是逐年递增的

从上图可以看出从2009年开始,国内的数据库市场处于0 ,但到2017年已经达到20%, 当然从今年开始估计这个数字会更好看。

这里就产生一个问题,为什么大部分数据库从业者,还是很难感受到国产数据库软件,国产数据库软件都在哪些企业使用的问题。和到底哪些软件被使用。要说清这个问题还的需要分类

数据库研发方式  :  自研     和    非自研

国产数据库市场份额比例 :超过10%  和 低于 10%

另外到底谁使用了,这个问题也是大家关心的

摘取:文中的一段话

 

具体的内容可以去看这篇文字的PDF, 因为涉及厂家以及敏感信息,庙小就不多言了,一句话,国产数据库走向了和国家初期发展电动汽车时的老路,何时这些厂家不会因为在涉密,信密体系的名单中存活,和国产汽车企业一样,开始和合资车正面抗争,那国产数据库才真的能被称为国产数据库.

实际上国产数据库大部分都是在,银行,政府,军队来买单,大中小型企业基本上看不到太多的身影,原因也很简单,有盗版的ORACLE , SQL SERVER 在大量的使用,并且国产数据库软件,基本上处于三无的水平,无广泛宣传,无知名社区,无专业知名的大咖。如提到ORACLE 那就想到盖老师, 提到PG 就想到 德哥. 国产继续如此发展也会和国产汽车的经历差不多,如中国汽车企业发展了多年,其实在变速器,发动机,底盘上还是和国外有差距,目前还只能在中低端中存活,反观那些国家的国企汽车企业,和民营的汽车企业相比就更差了,还不如民营的汽车企业有知名度较高的辨识的产品,就是保护太多,扶不起来。

注:某国产数据库服务的行业

到底国产数据库要怎么弯道超车,文中也提到,上云,其中提到2023年 75%的数据库要运行在云上,其实我对此有些疑问,大型企业,国家企业,有多少会上云,上云的企业大多是不是小型企业,考虑上云的企业大部分是在成本上的考虑,减少维护人员,减少数据库本身购买的成本,减少配套的基础设备的成本,这一切都和钱有关,而又有多少企业在具备的一定规模后,又开始将数据,从云上迁出,这些文中都没给出答案。

如,某云本身行业知名度不高,但做起政府的生意稳准狠,将大部分政府的网站都迁移到这个云,看似是政府上云,实际上不过又是政府保护主义的延伸。

到此,风口到底在哪里,这里不是对从业者来说,而是对国产数据库软件厂商来说,抱着政府采购,涉密名单这样的想法存活,风口不风口的不值得讨论,而是怎么达到政府的标准,让数据库能让政府批量采购,这样的方面动心思,最后只能落得国产数据库,而不是国产数据库产业。

这里胆敢胡说八道,针对国产数据库软件,为什么不能也有免费试用,来盗盗版,或者说你使用,厂商补贴的活动,进行大范围的推广才是当下要做的,收集出客户对数据库软件的建议和不满,将产品做的更贴近市场,到时候不用政府采购也能活着,你不选我没得选精神发扬光大.

其实风口已经来临,政治因素,地缘因素,市场因素已经齐聚,至于要怎么

飞,飞得起来飞不起来,只能看国家的导向,和扶持的方式,以及各个厂商自己的选择的“命” 而定了。

### 分布式数据库国产数据库的区别与特点 #### 定义区分 分布式数据库是一种由多个独立实体组成的系统,这些实体通过网络相互连接并协同工作[^1]。而国产数据库则是指由中国公司或机构开发的数据库管理系统,其可能既包括传统的集中式数据库也涵盖现代的分布式架构。 #### 技术特性比较 - **数据分片能力** 在分布式环境下,PolarDB-X 提供了一种机制允许将单一逻辑表的数据分布在不同的物理节点上,这种设计使其在写入操作上的表现优于 TiDB,并且对于读写的混合负载场景也有较好的优化效果[^2]。相比之下,虽然 OceanBase TiDB 同样具备类似的水平扩展功能,但在具体性能指标方面存在细微差别。 - **事务处理模型** SQL 类型的关系型数据库通常提供强大的 ACID 属性支持,适用于需要高度一致性可靠性的应用场景,比如银行交易或者电子商务平台中的订单管理流程[^3]。然而 NoSQL 数据库往往牺牲部分严格的一致性要求换取更高的可用性伸缩潜力,NewSQL 则试图融合两者的优势,在保证兼容传统 RDBMS 接口的同时引入更灵活的设计理念适应新时代需求变化趋势。 #### 性能考量因素 当评估不同类型的解决方案时需考虑以下几个维度: - 单纯从吞吐量角度来看待各种方案的选择可能会忽略掉延迟敏感度以及资源利用率等因素的影响; - 针对企业级客户而言除了单纯追求极致速度之外还需要兼顾成本效益分析结果如何平衡硬件投入产出比例等问题; 另外值得注意的是尽管某些特定条件下某一款产品可能展现出一定领先态势但这并不代表它在整个生命周期内的综合竞争力就绝对占优因此建议实际选型过程中充分调研目标环境特征后再做决定。 ```python # 示例代码展示简单的分布式查询逻辑 def distributed_query(node_list, query_sql): results = [] for node in node_list: result = execute_on_node(node, query_sql) results.append(result) return merge_results(results) def execute_on_node(node, sql): connection = connect_to_database(node['host'], node['port']) cursor = connection.cursor() cursor.execute(sql) data = cursor.fetchall() connection.close() return data def merge_results(data_chunks): combined_data = sum(data_chunks, []) return sorted(combined_data, key=lambda x: x[0]) # 假设按第一个字段排序 ``` #### 应用领域适配情况 | 场景描述 | 推荐技术栈 | |----------------|--------------------| | 财务报表统计 | Oracle / MySQL | | 实时推荐引擎构建 | Redis | | 大规模联机事务处理服务部署 | TiDB | 以上表格仅作为参考指南并非固定规则每种工具都有各自擅长解决的问题范围最终还是要依据项目具体情况权衡利弊做出合理决策。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值