我来简单阐述一下中国数据库行业发展趋势。
国产数据库的全新增量逻辑，风险与机会并存
随着基础软件领域成为资本热土，仅2021年新成立数据库公司超30家，新兴厂商核心团队普遍来自大厂，技术扎实，经 验丰富，产品各具特色，性能较佳，并且资金充裕。但另一方面，国内数据库市场的用户侧呈现如下特点：第一，互联网 用户多采用开源或自研数据库，极少使用新兴的产品；第二，政企类用户具备完善的产品和服务生态，新兴厂商难切入； 第三，缺乏互联网+ 新“风口”带动市场增量空间；第四，大量中小企业存续不稳定，对数据库需求不强烈。数据库厂商 纷纷提出出海战略，创业公司自成立之初便定位国际化，但普遍面临信任度、监管、地理位置等障碍，而上云、开源、新 技术敏感度成为除基础技术以外，国产数据库顺利出海的关键要素。
上层需求驱动，底层技术支撑，存算分离，优化资源编排
数据库云托管解放了底层硬件的管理成本和计算资源约束，但底层存算一体的资源绑定导致无效成本和资源浪费。云原生 数据库实现了云资源对数据库的细粒度资源拆解，符合业务的资源编排。尽管各家厂商的架构设计和创新思路不尽相同， 但可总结为“软硬兼施”。在软件层面，计算层打包 SQL 语句解析、物理计划执行、事务处理等，共享存储层存放事务 日志和数据存储，并通过分布式技术保障高可用和一致性，最后二者采用高速网络互联，通过数据传输协议或其他技术提 升 I/O 性能。此外，云原生数据库的分层架构还需结合新硬件技术的特性进行重构，如运用可扩展 CPU 和高主频内核进 行算力优化，运用持久内存 (PMEM) 重构二级缓存以提升 I/O 密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。
数据库与大数据技术边界不断模糊，呈现融合趋势
Hadoop 为代表的大数据技术以低成本的方式提供海量数据的开发和运行处理，但缺点是结构化能力较差，早期不支 持 SQL 语句解析。随着大数据技术发展，基于 Hadoop 的数仓工具 Hive 开始提供 SQL 查询功能，但整体性能较差。 随后支持 SQL 查询的工具（如Spark SQL）开始涌现，大数据技术的分析处理能力提升，结构化趋势明显。另一方面， 数据库天然具备强结构化能力，尤其关系型数据库原生支持 SQL 查询，但早期存储成本高，对海量数据的支持能力不足。 但随着对象存储（OSS）被广泛应用，其低成本、高可用、数据持久及按需付费的特点，让数据库产品能够应对轻体量的 大数据场景。由此，随着数据技术的发展创新，数据库与大数据技术的边界不断模糊，二者互相延伸。我们认为传统大数 据技术有着更为丰富的生态，但是对技术要求较高，相比较而言，从仓向湖的延伸路线，更适合传统企业和中小企业。
