近日，參加了由信通院舉辦的 2025 TDBC 大會(huì)，作為年度數(shù)據(jù)庫(kù)行業(yè)重要會(huì)議之一，個(gè)人也全程參與了此次大會(huì)。會(huì)上除了發(fā)布數(shù)據(jù)庫(kù)產(chǎn)業(yè)圖譜、數(shù)據(jù)庫(kù)研究報(bào)告外，還吸引來自行業(yè)、產(chǎn)業(yè)界的很多老師做了專題分享。內(nèi)容很多，本文摘取點(diǎn)滴，從市場(chǎng)、趨勢(shì)、技術(shù)、實(shí)踐等多角度，談?wù)勎业囊恍├斫狻?/p>

1. 行業(yè)趨勢(shì)篇

1)市場(chǎng)規(guī)模增長(zhǎng)與云端差異

從發(fā)布的數(shù)據(jù)庫(kù)行業(yè)研究報(bào)告來看，國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)仍然保持了高速發(fā)展態(tài)勢(shì)，雖然增速有所減緩。其實(shí)從全球來看，中國(guó)的數(shù)據(jù)庫(kù)市場(chǎng)還遠(yuǎn)遠(yuǎn)與其地位不符，相信未來會(huì)有更大的市場(chǎng)空間。從環(huán)境來看，無疑云還是占據(jù)了增長(zhǎng)的主要部分，本地部署形態(tài)增長(zhǎng)緩慢。

圖片

2)企業(yè)洗牌，行業(yè)加速收斂

從數(shù)據(jù)庫(kù)企業(yè)數(shù)量來看，正在經(jīng)歷快速收斂的態(tài)勢(shì)。其實(shí)近期從很多第三方機(jī)構(gòu)也都獲得了類似的信息，國(guó)內(nèi)數(shù)據(jù)庫(kù)企業(yè)快速減少。隨著如國(guó)測(cè)名單等政策引導(dǎo)相繼出臺(tái)，市場(chǎng)用腳做出了自己的選擇。只有那些有實(shí)力、肯投入、成規(guī)模的企業(yè)能夠最終活下來。從社會(huì)資源集約化配置來看，這也是最優(yōu)的一種選擇。避免國(guó)內(nèi)企業(yè)的低層次內(nèi)圈，鼓勵(lì)通過市場(chǎng)化手段完成產(chǎn)業(yè)重塑。不過對(duì)于用戶來說，這也預(yù)示著一些風(fēng)險(xiǎn)。

圖片

3)AI 正在塑造下一代數(shù)據(jù)庫(kù)

數(shù)據(jù)庫(kù)行業(yè)正在AI驅(qū)動(dòng)下，即將進(jìn)入一個(gè)新的階段。從下圖最新的Gartner分析報(bào)告來看，與AI+Data相關(guān)技術(shù)正處于快速上升階段。AI的到來對(duì)數(shù)據(jù)庫(kù)提出了更多的需求，包括向量多模、智能自治、數(shù)據(jù)治理等。數(shù)據(jù)庫(kù)正在經(jīng)歷一場(chǎng)變革...

圖片

Data 與 AI在未來將更加深入的融合，作為數(shù)據(jù)的載體，數(shù)據(jù)庫(kù)也將提升到數(shù)據(jù)底座層面（現(xiàn)有所提的AI-Ready，正是這一能力的表現(xiàn)）。數(shù)據(jù)庫(kù)正在快速外展它的能力，更好地適應(yīng) AI 時(shí)代對(duì)數(shù)據(jù)底座的要求。

圖片

4)信創(chuàng)+AI，經(jīng)歷現(xiàn)在與未來

從數(shù)據(jù)庫(kù)發(fā)展來看，如下圖所示經(jīng)歷了幾個(gè)階段。目前我們正處于一個(gè)交叉的階段，一方面以國(guó)產(chǎn)信創(chuàng)升級(jí)為代表，這幾年開始步入關(guān)鍵期（如下下圖），國(guó)產(chǎn)數(shù)據(jù)庫(kù)很多也都吃到了紅利；另一方面是AI技術(shù)的發(fā)展與應(yīng)用，近一兩年開始進(jìn)入活躍期，正開始影響了數(shù)據(jù)庫(kù)行業(yè)的整體發(fā)展。如果說前者代表著現(xiàn)在，那么后者就預(yù)示了未來。國(guó)產(chǎn)數(shù)據(jù)庫(kù)正以信創(chuàng)為起點(diǎn)，打下基礎(chǔ)，為后續(xù)AI時(shí)代真正帶來做好準(zhǔn)備。

圖片

圖片

2. 產(chǎn)品技術(shù)篇

1).AI 重塑數(shù)據(jù)庫(kù)企業(yè)產(chǎn)品

從數(shù)據(jù)庫(kù)企業(yè)來說，規(guī)劃產(chǎn)品的AI能力成為必然，但是各家的投入程度不同。下面幾張圖是幾家數(shù)據(jù)庫(kù)企業(yè)的AI產(chǎn)品能力。有些僅從AI for DB層面，從外圍工具入手嘗試使用；有些則從內(nèi)核入手，快速植入了AI能力，甚至在上層開始支持AI應(yīng)用。后者已經(jīng)不能理解是簡(jiǎn)單的數(shù)據(jù)庫(kù)了，可以說是數(shù)據(jù)智能平臺(tái)。目前這一領(lǐng)域還是在快速發(fā)展之中，各家企業(yè)也都在嘗試多種可能，有點(diǎn)類似“軍備競(jìng)賽”的感覺，可以很初級(jí)，但是不能沒有。

圖片

圖片

圖片

2)AI 賦能企業(yè)數(shù)據(jù)庫(kù)使用

從甲方用戶來講，AI 更多是賦能數(shù)據(jù)庫(kù)的使用。無論是之前的數(shù)據(jù)庫(kù)使用者、開發(fā)者，都可以從AI中受益。特別是一些較大的數(shù)據(jù)庫(kù)甲方，可以嘗試自建數(shù)據(jù)庫(kù)智能運(yùn)維體、智能開發(fā)平臺(tái)等。

圖片

圖片

圖片

圖片

3)一體化/融合成為共識(shí)

此次大會(huì)上，很多數(shù)據(jù)庫(kù)廠商都不約而同提到了融合或一體化的理念，但各家的定義有所區(qū)別。有的是架構(gòu)一體化，包含從單機(jī)、主備、共享與分布式；有的是模型一體化，提供多模數(shù)據(jù)存儲(chǔ)與統(tǒng)一訪問；有的是計(jì)算一體化，將關(guān)系查詢SQL與智能處理AI結(jié)合在一起；有的則強(qiáng)調(diào)是場(chǎng)景的一體化，通過單一產(chǎn)品適應(yīng)不同場(chǎng)景。這其中背后的邏輯都是一樣的，那就是盡量簡(jiǎn)化使用者的技術(shù)棧，通過一系列一體化能力，簡(jiǎn)化選型、簡(jiǎn)化使用、簡(jiǎn)化管理。

圖片

圖片

圖片

圖片

圖片

4)共享集群成為“新熱點(diǎn)”

作為一種經(jīng)典架構(gòu)，相應(yīng)DBA們對(duì)Oracle RAC都非常熟悉。在過去20~30年，大量企業(yè)的核心應(yīng)用都構(gòu)建于此，曾幾何時(shí)這一架構(gòu)被人們忽視了，隨著而來的是對(duì)分布式架構(gòu)的追捧，究其根本還是產(chǎn)品能力尚的不足，導(dǎo)致不得不通過分布式架構(gòu)來解決內(nèi)核能力的不足。近兩年來，一批國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商開始發(fā)力，在共享存儲(chǔ)集群領(lǐng)域獲得突破，后者正成為除超大規(guī)模外的更普惠、更具性價(jià)比的解決方案。

圖片

圖片

圖片

5)兼容性，形似容易神似難

幾乎所有廠商都談到了兼容性，并且都羅列出了兼容能力。這里有一個(gè)誤區(qū)，就是兼容性本身就沒有標(biāo)準(zhǔn)范圍，大家各自談到的兼容性外延各不同。常見的就是語法兼容性（包括類型、函數(shù)、過程等），還有則是更高層級(jí)的語義兼容、生態(tài)兼容，甚至還包括不算兼容的兼容性能力（如性能不衰退等等）。比較可喜的是，各家一方面都比較重視兼容性，一方面也都通過工具等手段將不兼容的情況提前識(shí)別出來。那么從用戶角度來講，要有一個(gè)清醒的認(rèn)識(shí)，就是沒有兩款產(chǎn)品是完全兼容的，不兼容的情況是一定，要做好不兼容的各種預(yù)案，包括預(yù)留必要的資源來改造。

圖片

圖片

圖片

6)高可用，老生常談的問題

高可用是數(shù)據(jù)庫(kù)的基礎(chǔ)能力之一，可以說是老生常談，但有不能忽略。特別是在企業(yè)的核心業(yè)務(wù)替換中，高可用是最不能被忽略的評(píng)估項(xiàng)。下面幾圖就是廠商談到的自己全方位的高可用能力。

圖片

圖片

7)產(chǎn)品體系，從能用到好用

隨著國(guó)產(chǎn)數(shù)據(jù)庫(kù)使用不斷深化，廠商已經(jīng)從獨(dú)立產(chǎn)品的構(gòu)建，演變?yōu)轶w系化的產(chǎn)品布局。用戶想使用好數(shù)據(jù)庫(kù)，不能僅僅滿足于提供一個(gè)單品，更要更為強(qiáng)調(diào)體系、乃至生態(tài)的作用。下圖正是廠商構(gòu)建的數(shù)據(jù)庫(kù)全生命周期的產(chǎn)品家族，滿足從選型評(píng)估、遷移同步、開發(fā)優(yōu)化、運(yùn)維管理、診斷排障等，覆蓋全場(chǎng)景的產(chǎn)品系列。同時(shí)也有很多第三方的廠商也發(fā)力于此，提供滿足多種數(shù)據(jù)庫(kù)的此類能力。

圖片

圖片

3. 生產(chǎn)實(shí)踐篇

1)產(chǎn)品選型，從經(jīng)驗(yàn)到體系

隨著用戶對(duì)國(guó)產(chǎn)數(shù)據(jù)庫(kù)使用深入，各家也都逐漸摸索出選型的評(píng)估方法。如果說原來更多靠案例、靠口碑，現(xiàn)在則開始依靠評(píng)估體系。隨著廠商數(shù)量的快速收斂，未來選型方面會(huì)逐步簡(jiǎn)化，頭部趨勢(shì)開始明朗。后續(xù)用戶會(huì)逐步根據(jù)自身情況，構(gòu)建起多層次、多架構(gòu)的自有技術(shù)棧選型方案。

圖片

圖片

圖片

2)系統(tǒng)上線，走好最后一公里

原來曾寫過一篇文章，談到走好信創(chuàng)最后一公里的問題，其核心數(shù)據(jù)庫(kù)的替換，特別是最后面臨割接上線、雙軌并行等問題。各家廠商都經(jīng)歷了大量案例實(shí)踐，總結(jié)出一系列方法來幫助用戶快速落地。其實(shí)從用戶角度來講，一個(gè)完善的從評(píng)估、驗(yàn)證、適配、改造、測(cè)試、遷移、并軌、割接的整體方案，是非常有意義的。這也是廠商從簡(jiǎn)單的產(chǎn)品PK，逐步過渡到方案比拼，回歸到用戶關(guān)注的核心問題，如何平滑順利上線。

圖片

圖片

圖片

圖片

3)其他：分片、跑批、遷移

下面是在生產(chǎn)實(shí)踐中一些零散的總結(jié)，包括如何做數(shù)據(jù)分片，如何提升跑批性能，如何完成遷移及回退等。這些都是在實(shí)踐中的寶貴經(jīng)驗(yàn)，也值得同業(yè)者來學(xué)習(xí)借鑒。

圖片

圖片

圖片