国产数据库厂商300多家
数据库是IT系统的核心，对安全、性能、功能要求极高，其投入远非一般企业所能承受的。你看Oracle数据库公司，员工规模已超10万人。如果国内数据库厂商分散成300家，人才自然也分散四处，那拿什么与人家抗衡呢？为什么会冒出来这么多数据库厂商？当然和开源数据库有关。当前国内数据库厂商可分两类，分别是“自研类”和“开源改造类”。前者是完全从零开始探索，后者则是依据主流开源数据库进行改造。大家觉得哪类厂商更容易推出产品？
开源改造类不仅门槛低，操作的弹性空间还大，干多干少全凭良心。于是一夜冒出数百家数据库企业的乱象，也就可以解释了。
其实国内冒出这么多数据库厂家也不仅是因为开源数据库，还有第二个原因，即数据库产品越来越多了。
早先基本就是通用关系型数据库一库打天下，现在则根据不同场景出现了多种专用数据库，同时又对应催生出一大批数据库厂商。数据库按场景可分出OLTP数据库、OLAP数据库、HTAP数据库、图数据库、GIS数据库、时序数据库、向量数据库.....
每种类型的数据库产品都有多个厂商参与，如果前面描述的是数据库产品名，总数还得数十倍的往上加。
假设一个场景，9点，公司账户A将奖金成功转给老明账户B，老明收到短信通知后立即查询了余额，接着干活愈发来劲了。这种能支撑此类数据交易操作的数据库即OLTP数据库，也是通用关系型数据库。
10点，公司开始分析像老明这个年龄段所有员工的薪酬水平，觉得给高了。这种能支撑此类数据分析操作的数据库即OLAP数据库。
12点，老明用奖金买了一笔理财产品，系统先对老明风险承担能力做了分析评估，认为合适后才同意其购买。这种能支撑此类集数据交易、分析于一体的数据库，即HTAP数据库。
15点，银行发现A账户存在异常操作，开始查找A账户和各种相关联账户之间关系，同时分析各账户交易地点。这种能找到数据间关联关系的数据库即图数据库；这种能保存数据空间地理位置的数据库即GIS数据库。
22点，老明总算完成了设备上各采集指标数据的分析工作，准备下班。这种能按时间顺序连续存储数据的数据库，即时序数据库。
24点，忙碌一天的老明躺在床上，心想自己任劳任怨，应该快涨薪了，然后美美的进入梦乡。要实现是否涨薪的预测，需要使用向量类型的相关数据进行机器学习，这种能支持向量存储的数据库即向量数据库。
为什么通用数据库搞不定这些专用数据库的场景呢？
再假设一个场景，
X年X月X日多云
公司决定部署专用的OLAP分析型数据库，因为数据统计分析的需求越来越多了......只是，咱们DBA团队的活以后要变多了。
X年X月X日阴
今天公司准备上HTAP数据库，没料到真有实时性要求很高的分析需求，新上的Y系统居然要求交易前先分析，判断符合条件才能交易......看来，以后DBA团队的活要越来越多了。
X年X月X日 雨
质量追溯的需求实在是太复杂了，SQL响应时间没法满足要求啊。不过图数据库的的这个方式倒还真有用.....团队忧喜参半啊，喜的是能解决问题，忧的是又要折腾了，已经快忙不过来了。
X年X月X日 暴雨
今天公司决定上专用时序数据库，真没想到时序数据有这么大的坑，频率、指标和设备三者的变化会让你疲于奔命啊。采集频率1分钟变1秒，数据量增大60倍......哎，现在技术栈太多了，咱们DBA团队已经扛不住了。
X年X月X日 晴空万里
因为生产系统跑的关系型数据库没有向量类型......不得不引进了向量数据库，惨！好在今天收到我面试通过的消息，明天就向老大提离职，太好了，终于解脱了！
所有新出现的这些专用数据库都是特定历史时期的特定产物。就说时序数据库，正是由于关系型数据库在当时无法在满足ACID的前提下还能有很好的扩展性，给了通过牺牲阉割大部分功能而换取扩展性的时序数据库一个机会，但是关系型很快就弥补了这个短板。其实其他专用数据库的逻辑也是类似的。
那这些专用数据库很快就要被关系型通用数据库融合进去的，可实际上产品、厂商已形成，且产品在生产系统已上线，这不是说放弃就放弃，说替换就替换的，需要各种平衡和考量。
页:
[1]