1、數(shù)據(jù)庫技術(shù)發(fā)展研究報(bào)告目錄 HYPERLINK l _TOC_250021 一、 數(shù)據(jù)庫是信息系統(tǒng)的核心1 HYPERLINK l _TOC_250020 二、 數(shù)據(jù)庫關(guān)鍵技術(shù)及發(fā)展趨勢2 HYPERLINK l _TOC_250019 (一) 數(shù)據(jù)庫管理系統(tǒng)典型架構(gòu)2 HYPERLINK l _TOC_250018 (二) 數(shù)據(jù)庫技術(shù)發(fā)展歷程4 HYPERLINK l _TOC_250017 (三) 數(shù)據(jù)庫技術(shù)發(fā)展趨勢9 HYPERLINK l _TOC_250016 三、 數(shù)據(jù)庫產(chǎn)業(yè)發(fā)展14 HYPERLINK l _TOC_250015 (一) 數(shù)據(jù)庫產(chǎn)業(yè)概述15 HYPERLINK l

2、 _TOC_250014 (二) 數(shù)據(jù)庫產(chǎn)品16 HYPERLINK l _TOC_250013 (三) 數(shù)據(jù)庫服務(wù)25 HYPERLINK l _TOC_250012 (四) 數(shù)據(jù)庫支撐體系28 HYPERLINK l _TOC_250011 四、 數(shù)據(jù)庫典型行業(yè)應(yīng)用動(dòng)態(tài)33 HYPERLINK l _TOC_250010 (一) 金融行業(yè)&電信行業(yè)34 HYPERLINK l _TOC_250009 (二) 政務(wù)行業(yè)37 HYPERLINK l _TOC_250008 (三) 制造業(yè)38 HYPERLINK l _TOC_250007 (四) 互聯(lián)網(wǎng)39 HYPERLINK l _TOC_

3、250006 五、 總結(jié)與展望41 HYPERLINK l _TOC_250005 六、 附錄42 HYPERLINK l _TOC_250004 (一) 數(shù)據(jù)庫管理系統(tǒng)細(xì)分類別42 HYPERLINK l _TOC_250003 (二) 數(shù)據(jù)庫企業(yè)人才發(fā)展計(jì)劃44 HYPERLINK l _TOC_250002 (三) 中國信通院數(shù)據(jù)庫應(yīng)用創(chuàng)新實(shí)驗(yàn)室44 HYPERLINK l _TOC_250001 (四) 中國信通院數(shù)據(jù)庫評(píng)測體系44 HYPERLINK l _TOC_250000 參考文獻(xiàn)46圖目錄圖 1 數(shù)據(jù)庫發(fā)展歷程重要節(jié)點(diǎn)2圖 2 數(shù)據(jù)庫管理系統(tǒng)各模塊架構(gòu)圖3圖 3 網(wǎng)狀模型與層

4、次模型示意圖4圖 4 關(guān)系模型示意圖5圖 5 部分非關(guān)系模型示意圖7圖 6 集中式與分布式數(shù)據(jù)庫架構(gòu)示意圖8圖 7 數(shù)據(jù)庫產(chǎn)業(yè)鏈全景圖15圖 8 中國數(shù)據(jù)庫市場規(guī)模及增速15圖 9 我國數(shù)據(jù)庫企業(yè)成立時(shí)間分布情況17圖 10 我國數(shù)據(jù)庫企業(yè)總部分布情況17圖 11 我國數(shù)據(jù)庫企業(yè)員工數(shù)量分布情況18圖 12 我國數(shù)據(jù)庫企業(yè)專利數(shù)量分布情況19圖 13 我國數(shù)據(jù)庫產(chǎn)品分布情況20圖 14 關(guān)系型數(shù)據(jù)庫中基于主流開源數(shù)據(jù)庫的分布情況21圖 15 2021 年 6 月數(shù)據(jù)庫開源與商業(yè)許可證流行度對(duì)比24圖 16 數(shù)據(jù)庫服務(wù)能力成熟度模型框架26圖 17 全球各國數(shù)據(jù)庫領(lǐng)域發(fā)文量及質(zhì)量28圖 18 2

5、018-2020 年 VLDB、ICDE 和 SIGMOD 論文分布情況29圖 19 全球數(shù)據(jù)庫領(lǐng)域主要研究內(nèi)容熱點(diǎn)圖30圖 20 2018-2020 年中國高校及企業(yè)學(xué)術(shù)會(huì)議論文貢獻(xiàn)情況30圖 21 我國數(shù)據(jù)庫初創(chuàng)企業(yè)融資情況33表目錄表 1 數(shù)據(jù)庫典型行業(yè)應(yīng)用特點(diǎn)34表 2 金融和電信行業(yè)數(shù)據(jù)庫架構(gòu)升級(jí)典型案例35表 3 金融行業(yè)非關(guān)系型數(shù)據(jù)庫替換典型案例36表 4 金融行業(yè)核心系統(tǒng)數(shù)據(jù)庫替換典型案例37表 5 政務(wù)行業(yè)非關(guān)系型數(shù)據(jù)庫典型案例38表 6 制造業(yè)時(shí)序數(shù)據(jù)庫典型案例39表 7 按數(shù)據(jù)模型分類的數(shù)據(jù)庫管理系統(tǒng)43表 8 部分?jǐn)?shù)據(jù)庫企業(yè)人才培訓(xùn)一覽表44數(shù)據(jù)庫發(fā)展研究報(bào)告（2021

6、 年） PAGE 17一、數(shù)據(jù)庫是信息系統(tǒng)的核心獲取與分析信息，是人類推動(dòng)社會(huì)進(jìn)步的關(guān)鍵過程。如何持續(xù)提高信息處理的能力，是人類社會(huì)的持續(xù)性命題。人類先后利用骨制品、繩結(jié)、紙張、算盤等工具，提高信息處理效率。在計(jì)算機(jī)發(fā)明之后， 信息可經(jīng)過其電子化編碼后轉(zhuǎn)化為數(shù)據(jù)。人類開始探索利用計(jì)算機(jī)算力優(yōu)勢，實(shí)現(xiàn)對(duì)數(shù)據(jù)的高效存儲(chǔ)與計(jì)算，從而大幅提升信息處理效率。人類首先嘗試開發(fā)出各類特定計(jì)算機(jī)應(yīng)用程序完成相關(guān)工作，但由于各類特定應(yīng)用程序復(fù)用性差，人類逐漸圍繞數(shù)據(jù)存儲(chǔ)和計(jì)算功能、抽象出滿足組織信息化需求、邏輯關(guān)聯(lián)的數(shù)據(jù)庫。數(shù)據(jù)庫是支持一個(gè)或多個(gè)應(yīng)用領(lǐng)域，按概念結(jié)構(gòu)組織的數(shù)據(jù)集合， 其概念結(jié)構(gòu)描述這些數(shù)據(jù)的特征

7、及其對(duì)應(yīng)實(shí)體間的聯(lián)系1。數(shù)據(jù)庫中 的數(shù)據(jù)按一定的數(shù)據(jù)模型組織、描述和存儲(chǔ)，具有較小冗余度、較高 數(shù)據(jù)獨(dú)立性和易擴(kuò)展性，并可為各種用戶共享2。數(shù)據(jù)庫由于綜合成 本低、處理能力高，扮演各類信息系統(tǒng)的核心角色。首款企業(yè)級(jí)數(shù)據(jù)庫產(chǎn)品誕生于上世紀(jì) 60 年代，六十余年發(fā)展過程中，數(shù)據(jù)庫共經(jīng)歷前關(guān)系型、關(guān)系型和后關(guān)系型三大階段。前關(guān)系型階段數(shù)據(jù)庫的數(shù)據(jù)模型主要基于網(wǎng)狀模型和層次模型，代表產(chǎn)品為IDS 和 IMS，該類產(chǎn)品在當(dāng)時(shí)較好地解決了數(shù)據(jù)集中存儲(chǔ)和共享的問題，但在數(shù)據(jù)抽象程度和獨(dú)立性上存在明顯不足。關(guān)系型階段以 IBM 公司研究員 E.F.Codd 提出關(guān)系模型概念，論述范式理論作為開啟標(biāo)志，期間誕生

8、了一批以 DB2、Sybase、Oracle、SQL Server、MySQL、1 GB/T 5271.17-2010信息技術(shù) 詞匯 第 17 部分：數(shù)據(jù)庫2數(shù)據(jù)庫系統(tǒng)概論（第 5 版），王珊、薩師煊。PostgreSQL 等為代表的廣泛應(yīng)用的關(guān)系型數(shù)據(jù)庫，該階段技術(shù)脈絡(luò)逐步清晰、市場格局趨于穩(wěn)定。谷歌的三篇論文3開啟后關(guān)系型數(shù)據(jù)庫階段，該階段由于數(shù)據(jù)規(guī)模爆炸增長、數(shù)據(jù)類型不斷豐富、數(shù)據(jù)應(yīng)用不斷深化，技術(shù)路線呈現(xiàn)多樣化發(fā)展。隨著各行業(yè)數(shù)字化轉(zhuǎn)型不斷深入，5G、云計(jì)算等新興技術(shù)快速發(fā)展，傳統(tǒng)數(shù)據(jù)庫的應(yīng)用系統(tǒng)紛紛優(yōu)化升級(jí)。全球市場格局劇烈變革，我國數(shù)據(jù)庫產(chǎn)業(yè)進(jìn)入重大發(fā)展機(jī)遇期。來源：中國信息通信研

9、究院、虛谷偉業(yè)圖 1 數(shù)據(jù)庫發(fā)展歷程重要節(jié)點(diǎn)二、數(shù)據(jù)庫關(guān)鍵技術(shù)及發(fā)展趨勢數(shù)據(jù)庫管理系統(tǒng)作為能夠使用戶定義、創(chuàng)建、維護(hù)和控制訪問數(shù)據(jù)庫的軟件系統(tǒng)4，其整體架構(gòu)與技術(shù)路線不斷深化發(fā)展，如今呈現(xiàn)集中式與分布式并存，數(shù)據(jù)模型不斷拓展等技術(shù)現(xiàn)狀。(一)數(shù)據(jù)庫管理系統(tǒng)典型架構(gòu)數(shù)據(jù)庫管理系統(tǒng)由于不同產(chǎn)品實(shí)現(xiàn)細(xì)節(jié)不完全相同，此處僅對(duì)部3Google File System、Google Bigtable 和Google MapReduce4TM Connolly，CE Begg ,Database Systems: A Practical Approach to Design, Implementation

10、and Management 4th Edition (England: Addison Wesley, 2005), p.16分主流數(shù)據(jù)庫產(chǎn)品做進(jìn)一步抽象處理得出上述架構(gòu)。數(shù)據(jù)庫大致可以由內(nèi)核組件集與外部組件集共同組成，其中外部組件集以數(shù)據(jù)庫配套的獨(dú)立支撐軟件為主，例如數(shù)據(jù)庫驅(qū)動(dòng)。內(nèi)核組件集則一般可以分為管理組件、網(wǎng)絡(luò)組件、計(jì)算組件、存儲(chǔ)組件四大模塊。來源：中國信息通信研究院圖 2 數(shù)據(jù)庫管理系統(tǒng)各模塊架構(gòu)圖存儲(chǔ)組件是負(fù)責(zé)數(shù)據(jù)持久化存儲(chǔ)的組件，對(duì)數(shù)據(jù)庫的日志、索引、堆數(shù)據(jù)等內(nèi)容進(jìn)行管理。在新一代的存算分離體系下，數(shù)據(jù)庫堆數(shù)據(jù)的存儲(chǔ)可能是由外部的分布式存儲(chǔ)系統(tǒng)承擔(dān)；計(jì)算組件又可以稱為協(xié)調(diào)組件、

11、服務(wù)組件，負(fù)責(zé)響應(yīng)數(shù)據(jù)庫訪問請(qǐng)求，并將 SQL 語言解析成為數(shù)據(jù)庫對(duì)應(yīng)的內(nèi)部任務(wù)。計(jì)算組件在分布式、集群等架構(gòu)下也承接大部分的計(jì)算任務(wù)，例如排序、聯(lián)接等；管理組件用于對(duì)數(shù)據(jù)庫全生命狀態(tài)的管理，例如心跳管理、集群管理等，以及各類中心化任務(wù)承接，如死鎖仲裁、存儲(chǔ)映射管理、元數(shù)據(jù)管理、事務(wù)號(hào)管理等；網(wǎng)絡(luò)組件管理整個(gè)數(shù)據(jù)庫管理系統(tǒng)的網(wǎng)絡(luò)通訊的組件。數(shù)據(jù)庫的網(wǎng)絡(luò)通訊有內(nèi)部和外部之分。內(nèi)部一般指在集群環(huán)境或者分布式環(huán)境下的各節(jié)點(diǎn)之間的高速數(shù)據(jù)交換。外部一般指的是各個(gè)數(shù)據(jù)庫通過對(duì)外訪問協(xié)議與存在于客戶端的驅(qū)動(dòng)進(jìn)行互聯(lián)的網(wǎng)絡(luò)交換；驅(qū)動(dòng)組件是支撐數(shù)據(jù)庫能正常提供服務(wù)的配套獨(dú)立組件，數(shù)據(jù)庫管理系統(tǒng)基于其通用特性，

12、往往可以對(duì)不同語言開發(fā)的軟件提供數(shù)據(jù)服務(wù)。但是由于數(shù)據(jù)庫本身只對(duì)外提供網(wǎng)絡(luò)通訊協(xié)議，對(duì)協(xié)議的封裝則由客戶端側(cè)的不同驅(qū)動(dòng)組件完成。通常有支持 JAVA 語言的 JDBC 接口、支持 C 語言的ODBC 接口和 C-API 接口等。(二)數(shù)據(jù)庫技術(shù)發(fā)展歷程從 20 世紀(jì) 60 年代至今，數(shù)據(jù)庫的發(fā)展歷程大致分為以下三個(gè)階段：前關(guān)系型階段（1960-1970）：網(wǎng)狀層次數(shù)據(jù)庫初嘗探索來源：中國信息通信研究院圖 3 網(wǎng)狀模型與層次模型示意圖1963 年，通用電氣公司的 Charles Bachman 等人開發(fā)出世界上第一個(gè)數(shù)據(jù)庫管理系統(tǒng)（以下簡稱 DBMS）也是第一個(gè)網(wǎng)狀 DBMS集成數(shù)據(jù)存儲(chǔ)（Int

13、egrated Data Store，IDS）。網(wǎng)狀 DBMS 的誕生對(duì)當(dāng)時(shí)的信息系統(tǒng)產(chǎn)生了廣泛而深遠(yuǎn)的影響，解決了層次結(jié)構(gòu)無法建模更復(fù)雜的數(shù)據(jù)關(guān)系的建模問題5。同時(shí)期為解決“阿波羅登月”計(jì)劃處理龐大數(shù)據(jù)量的需求，北美航空公司(NAA)開發(fā)出 GUAM(Generalized Update Access Method)軟件。其設(shè)計(jì)思想是將多個(gè)小組件構(gòu)成較大組件，最終組成完整產(chǎn)品。這是一種倒置樹的結(jié)構(gòu)，也被稱之為層次結(jié)構(gòu)6。隨后 IBM 加入NAA， 將GUAM 發(fā)展成為 IMS(Information Management System)系統(tǒng)并發(fā)布于 1968 年，成為最早商品化的層次DBMS

14、。關(guān)系型階段（1970-2008）：關(guān)系型數(shù)據(jù)庫大規(guī)模應(yīng)用圖 4 關(guān)系模型示意圖來源：中國信息通信研究院第一階段的 DBMS 解決了數(shù)據(jù)的獨(dú)立存儲(chǔ)、統(tǒng)一管理和統(tǒng)一訪問的問題，實(shí)現(xiàn)了數(shù)據(jù)和程序的分離，但缺少被廣泛接受的理論基礎(chǔ)， 同時(shí)也不方便使用，即便是對(duì)記錄進(jìn)行簡單訪問，依然需要編寫復(fù)雜程序，所以數(shù)據(jù)庫仍需完善理論從而規(guī)?；瘧?yīng)用落地。第二階段開啟5TM Connolly，CE Begg ,Database Systems: A Practical Approach to Design, Implementation and Management 4th Edition (England: Ad

15、dison Wesley, 2005), p. 24.6出處同上的標(biāo)志性事件為 1970 年，IBM 實(shí)驗(yàn)室的 Edgar Frank Codd 發(fā)表了一篇題為大型共享數(shù)據(jù)庫數(shù)據(jù)的關(guān)系模型論文，提出基于集合論和謂詞邏輯的關(guān)系模型，為關(guān)系型數(shù)據(jù)庫技術(shù)奠定了理論基礎(chǔ)。這篇論文彌補(bǔ)了之前方法的不足，促使 IBM 的San Jos實(shí)驗(yàn)室啟動(dòng)驗(yàn)證關(guān)系型數(shù)據(jù)庫管理系統(tǒng)的原型項(xiàng)目System R，數(shù)據(jù)庫發(fā)展正式進(jìn)入第二階段。1974 年， Ingres 原型誕生， 為后續(xù)大量基于其源碼開發(fā)的PostgreSQL、Sybase、Informix 和Tandem 等著名產(chǎn)品打下堅(jiān)實(shí)基礎(chǔ)。1977 年，Oracl

16、e 前身SDL 成立。1978 年，SDL 發(fā)布Oracle 第一個(gè)版本。20 世紀(jì) 80 年代，關(guān)系型數(shù)據(jù)庫進(jìn)入商業(yè)化時(shí)代。1980 年，關(guān)系型數(shù)據(jù)庫公司RTI（現(xiàn)名 Actian)成立并銷售 Ingres，同年， Informix 公司成立。1983 年，IBM 發(fā)布Database2 (DB2) for MVS，標(biāo)志 DB2 正式誕生。1984 年，Sybase 公司成立。1985 年，Informix 發(fā)布第一款產(chǎn)品。1986 年，美國國家標(biāo)準(zhǔn)局(ANSI)數(shù)據(jù)庫委員會(huì)批準(zhǔn) SQL 作為數(shù)據(jù)庫語言的美國標(biāo)準(zhǔn)并公布標(biāo)準(zhǔn)SQL 文本。1987 年，國際標(biāo)準(zhǔn)化組織(ISO)也做出了同樣決定，

17、對(duì) SQL 進(jìn)行標(biāo)準(zhǔn)化規(guī)范并不斷更新， 使得SQL 成為關(guān)系型數(shù)據(jù)庫的主流語言。此后相當(dāng)長的一段時(shí)間內(nèi)， 不論是微機(jī)、小型機(jī)還是大型機(jī)，不論是哪種數(shù)據(jù)庫系統(tǒng)，都采用SQL 作為數(shù)據(jù)存取語言，各個(gè)公司紛紛推出各自支持 SQL 的軟件或接口7。同年 5 月，Sybase 發(fā)布首款產(chǎn)品。7吳鶴齡.關(guān)系數(shù)據(jù)庫的標(biāo)準(zhǔn)語言SQLJ.計(jì)算機(jī)研究與發(fā)展,1989(06):7.20 世紀(jì) 90 年代，Access、PostgreSQL 和 MySQL 相繼發(fā)布。至此，關(guān)系型數(shù)據(jù)庫理論得到了充分的完善、擴(kuò)展和應(yīng)用，在后關(guān)系型階段，關(guān)系型數(shù)據(jù)庫仍在發(fā)展演進(jìn)，從未中止。后關(guān)系型階段（2008-至今）：模型拓展與架構(gòu)解

18、耦并存進(jìn)入 21 世紀(jì)，隨著信息技術(shù)及互聯(lián)網(wǎng)不斷進(jìn)步，數(shù)據(jù)量呈現(xiàn)爆發(fā)式增長，各行業(yè)領(lǐng)域?qū)?shù)據(jù)庫技術(shù)提出了更多需求，數(shù)據(jù)模型不斷豐富、技術(shù)架構(gòu)逐漸解耦，一部分?jǐn)?shù)據(jù)庫走向分布式、多模處理、存算分離的方向演進(jìn)。谷歌在 2003 至 2004 年公布了關(guān)于 GFS、MapReduce 和 BigTable 三篇技術(shù)論文，為分布式數(shù)據(jù)庫奠定基礎(chǔ)， Mike Stonebraker 提出“one size does not fit all”并依照此理念推出多種數(shù)據(jù)模型、存儲(chǔ)介質(zhì)的數(shù)據(jù)庫，數(shù)據(jù)庫發(fā)展正式進(jìn)入第三階段。圖 5 部分非關(guān)系模型示意圖來源：中國信息通信研究院數(shù)據(jù)模型不斷拓展。步入互聯(lián)網(wǎng) Web 2

19、.0 和移動(dòng)互聯(lián)網(wǎng)時(shí)代，許多互聯(lián)網(wǎng)應(yīng)用表現(xiàn)出高并發(fā)讀寫、海量數(shù)據(jù)處理、數(shù)據(jù)結(jié)構(gòu)不統(tǒng)一等特點(diǎn)，關(guān)系型數(shù)據(jù)庫并不能很好地支持這些場景。另一方面，非關(guān)系型數(shù)據(jù)庫有著高并發(fā)讀寫、數(shù)據(jù)高可用性、海量數(shù)據(jù)存儲(chǔ)和實(shí)時(shí)分析等特點(diǎn)，能較好地支持這些應(yīng)用的需求。因此，一些非關(guān)系型數(shù)據(jù)庫也開始興起。為了解決大規(guī)模數(shù)據(jù)集合和多種數(shù)據(jù)類型帶來的挑戰(zhàn)， NoSQL 數(shù)據(jù)庫應(yīng)運(yùn)而生，其訪問速度快，適宜處理互聯(lián)網(wǎng)時(shí)代容量大、多樣性高、流動(dòng)性強(qiáng)的數(shù)據(jù)。來源：中國信息通信研究院圖 6 集中式與分布式數(shù)據(jù)庫架構(gòu)示意圖分布式架構(gòu)逐漸成熟。由于傳統(tǒng)基于集中式數(shù)據(jù)庫在應(yīng)對(duì)海量數(shù)據(jù)及復(fù)雜分析處理時(shí)，存在數(shù)據(jù)庫的橫向擴(kuò)展能力受限、數(shù)據(jù)存儲(chǔ)和

20、計(jì)算能力受限、不能滿足業(yè)務(wù)瞬時(shí)高峰的性能等根本性的架構(gòu)問題。利用分布式計(jì)算和內(nèi)存計(jì)算等新技術(shù)設(shè)計(jì)的分布式數(shù)據(jù)庫能夠解決上述遇到的性能不足等問題。分布式數(shù)據(jù)庫的數(shù)據(jù)分散在網(wǎng)絡(luò)上多個(gè)互聯(lián)的節(jié)點(diǎn)上，數(shù)據(jù)量、寫入讀取的負(fù)載均衡分散到多個(gè)單機(jī)中，集群中某個(gè)節(jié)點(diǎn)故障整個(gè)集群仍然能繼續(xù)工作，數(shù)據(jù)通過分片、復(fù)制、分區(qū)等方式實(shí)現(xiàn)分布存儲(chǔ)。每個(gè)數(shù)據(jù)節(jié)點(diǎn)的數(shù)據(jù)會(huì)存在一個(gè)或者多個(gè)副本，提供數(shù)據(jù)冗余。當(dāng)某個(gè)數(shù)據(jù)節(jié)點(diǎn)出現(xiàn)故障時(shí)，可以從其副本節(jié)點(diǎn)獲取數(shù)據(jù)，避免數(shù)據(jù)的丟失，進(jìn)而提升了整個(gè)分布式集群的可靠性。為保障分布式事務(wù)在跨節(jié)點(diǎn)處理時(shí)事務(wù)的原子性和一致性，一般使用分布式協(xié)議處理。常用兩階段提交、三階段提交協(xié)議保障事務(wù)的原子

21、性；使用Paxos、Raft 等協(xié)議同步數(shù)據(jù)庫的事務(wù)日志從而保障事務(wù)的一致性。分布式數(shù)據(jù)庫技術(shù)架構(gòu)大致可分為如下三類：以Apache Cassandra 、Apache HBase 為代表的分布式存儲(chǔ)為基礎(chǔ)的數(shù)據(jù)庫，底層存儲(chǔ)基于分布式文件系統(tǒng)具備了分片或者分區(qū)存儲(chǔ)的能力，擴(kuò)大了普通存儲(chǔ)設(shè)備的存儲(chǔ)系統(tǒng)的上限。以Greenplum 為代表的Shared-Nothing 架構(gòu)，通過多節(jié)點(diǎn)協(xié)同工作擴(kuò)大分布式存儲(chǔ)能力的同時(shí)，相應(yīng)的還通過MPP 架構(gòu)可以支持多級(jí)并行計(jì)算處理，增強(qiáng)查詢和分析能力。以Kylin 為代表的多維數(shù)據(jù)庫產(chǎn)品，以及以 OpenTSDB 為代表的時(shí)序數(shù)據(jù)庫，使用其它分布式數(shù)據(jù)庫作為后臺(tái)

22、存儲(chǔ)，通過構(gòu)建相應(yīng)的數(shù)據(jù)模型和索引技術(shù)，擴(kuò)展成為新的數(shù)據(jù)庫。其他還包括分庫分表等中間件解決方案，嚴(yán)格來說不屬數(shù)據(jù)庫系統(tǒng)，但是提供類分布式數(shù)據(jù)庫解決方案，適用于合適的業(yè)務(wù)場景對(duì)分布式數(shù)據(jù)庫的需求。(三)數(shù)據(jù)庫技術(shù)發(fā)展趨勢大數(shù)據(jù)時(shí)代，數(shù)據(jù)量不斷爆炸式增長，數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)也越來越靈活多樣，日益變革的新興業(yè)務(wù)需求催生數(shù)據(jù)庫及應(yīng)用系統(tǒng)的存在形式愈發(fā)豐富，這些變化均對(duì)數(shù)據(jù)庫的各類能力不斷提出挑戰(zhàn)，推動(dòng)數(shù)據(jù)庫技術(shù)的不斷演進(jìn)，總結(jié)起來體現(xiàn)為三個(gè)方向：1）多模數(shù)據(jù)庫實(shí)現(xiàn)一庫多用、利用統(tǒng)一框架支撐混合負(fù)載處理、運(yùn)用 AI 實(shí)現(xiàn)管理自治， 提升易用性、降低使用成本（下文趨勢一、二、三）；2）充分利用新興硬件、與云基礎(chǔ)

23、設(shè)施深度結(jié)合，增強(qiáng)功能、提升性能（下文趨勢四、五）；3）利用隱私計(jì)算技術(shù)助力安全能力提升、區(qū)塊鏈數(shù)據(jù)庫輔助數(shù)據(jù)存證溯源，提升數(shù)據(jù)可信與安全（下文趨勢六、七）。趨勢一：多模數(shù)據(jù)庫實(shí)現(xiàn)一庫多用后關(guān)系型階段，數(shù)據(jù)結(jié)構(gòu)越來越靈活多樣，如表格類型的關(guān)系數(shù)據(jù)、半結(jié)構(gòu)化的用戶畫像數(shù)據(jù)以及非結(jié)構(gòu)化的圖片和視頻數(shù)據(jù)等。面對(duì)這些多種結(jié)構(gòu)的數(shù)據(jù)，應(yīng)用程序?qū)Σ煌瑪?shù)據(jù)提出了不同存儲(chǔ)要求， 數(shù)據(jù)的多樣性成為數(shù)據(jù)庫平臺(tái)面臨的一大挑戰(zhàn)，數(shù)據(jù)庫因此需要適應(yīng)多類型數(shù)據(jù)管理的需求。多模數(shù)據(jù)庫支持靈活的數(shù)據(jù)存儲(chǔ)類型，將各種類型的數(shù)據(jù)進(jìn)行集中存儲(chǔ)、查詢和處理，可以同時(shí)滿足應(yīng)用程序?qū)τ诮Y(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一管理需求。目前行

24、業(yè)以Azure Cosmos DB、ArangoDB、SequoiaDB 和 Lindorm 等多模數(shù)據(jù)庫為典型代表。未來在云化架構(gòu)下，多類型數(shù)據(jù)管理是一種新趨勢， 也是簡化運(yùn)維、節(jié)省開發(fā)成本的一個(gè)新選擇。趨勢二：統(tǒng)一框架支撐分析與事務(wù)混合處理業(yè)務(wù)系統(tǒng)的數(shù)據(jù)處理分為聯(lián)機(jī)事務(wù)處理（OLTP）與聯(lián)機(jī)分析處理（OLAP）兩類。企業(yè)通常維護(hù)不同數(shù)據(jù)庫以便支持兩類不同的任務(wù)，管理和維護(hù)成本高。因此，能夠統(tǒng)一支持 OLTP 和OLAP 的數(shù)據(jù)庫成為眾多企業(yè)的需求。產(chǎn)業(yè)界當(dāng)先正基于創(chuàng)新的計(jì)算存儲(chǔ)框架研發(fā)HTAP 數(shù)據(jù)庫，其能夠基于統(tǒng)一套引擎同時(shí)支撐業(yè)務(wù)系統(tǒng)運(yùn)行和分析決策場景，避免在傳統(tǒng)架構(gòu)中，在線與離線數(shù)據(jù)

25、庫之間大量的數(shù)據(jù)交互。目前 HTAP 大致有兩種實(shí)現(xiàn)方式，第一種是主備庫物理隔離，主庫運(yùn)行OLTP 負(fù)載，備庫運(yùn)行 OLAP 負(fù)載，主備之間通過重做日志進(jìn)行數(shù)據(jù)同步。第二種是采用一體化設(shè)計(jì)，通過同一套引擎實(shí)現(xiàn)混合負(fù)載，區(qū)分OLTP 與OLAP 請(qǐng)求所在資源組，對(duì)資源組進(jìn)行邏輯隔離， 例如Oracle 多租戶隔離機(jī)制。HTAP 典型產(chǎn)品有Oracle、SQL Server、Greenplum、TiDB、OceanBase 和PolarDB 等。需要注意的是，HTAP 的價(jià)值在于更加簡單通用，對(duì)于絕大部分中等規(guī)模的客戶，數(shù)據(jù)量不會(huì)特別大，只需要一套系統(tǒng)即可，但對(duì)于超大型互聯(lián)網(wǎng)企業(yè)，HTAP 數(shù)據(jù)庫

26、的分析性能可能不如專用OLAP 數(shù)據(jù)庫或大數(shù)據(jù)平臺(tái)。趨勢三：運(yùn)用AI 實(shí)現(xiàn)管理自治面對(duì)大規(guī)模數(shù)據(jù)和不同的應(yīng)用場景，傳統(tǒng)數(shù)據(jù)庫組件存在業(yè)務(wù)類型不敏感、查詢優(yōu)化能力弱等問題。目前有研究通過將傳統(tǒng)數(shù)據(jù)庫組件用機(jī)器學(xué)習(xí)算法替代，來實(shí)現(xiàn)更高的查詢和存儲(chǔ)效率，自動(dòng)化處理各種任務(wù)，例如自動(dòng)管理計(jì)算與存儲(chǔ)資源、自動(dòng)防范惡意訪問與攻擊、主動(dòng)實(shí)現(xiàn)數(shù)據(jù)庫智能調(diào)優(yōu)。機(jī)器學(xué)習(xí)算法可以分析大量數(shù)據(jù)記錄，標(biāo)記異常值和異常模式，幫助企業(yè)提高安全性，防范入侵者破壞，還可以在系統(tǒng)運(yùn)行時(shí)自動(dòng)、連續(xù)、無人工干預(yù)地執(zhí)行修補(bǔ)、調(diào)優(yōu)、備份和升級(jí)操作，盡可能減少人為錯(cuò)誤或惡意行為，確保數(shù)據(jù)庫高效運(yùn)行、安全無失。2019 年 6 月，Orac

27、le 推出云上自治數(shù)據(jù)庫 Autonomous Database；2020 年 4 月，阿里云發(fā)布“自動(dòng)駕駛”級(jí)數(shù)據(jù)庫平臺(tái) DAS；2021 年 3 月，華為發(fā)布了融入 AI 框架的openGauss2.0 版本。其均采用上述思想降低數(shù)據(jù)庫集群的運(yùn)維管理成本，保障數(shù)據(jù)庫持續(xù)穩(wěn)定、高效運(yùn)行。未來 80%以上的日常運(yùn)維工作有望借助AI 完成。趨勢四：充分利用新興硬件最近十幾年，新興硬件在經(jīng)歷學(xué)術(shù)研究、工程化和產(chǎn)品化階段發(fā)展，對(duì)數(shù)據(jù)庫系統(tǒng)設(shè)計(jì)提供了廣闊思路。期間最主要的硬件技術(shù)進(jìn)步是多處理器（SMP）、多核（MultiCore）、大內(nèi)存（Big Memory）和固態(tài)硬盤（SSD），多處理器和多核為并

28、行處理提供可能，SSD 大幅提升了數(shù)據(jù)庫系統(tǒng)的 IOPS 和降低延遲，大內(nèi)存促進(jìn)了內(nèi)存數(shù)據(jù)庫引擎的發(fā)展。根據(jù)第三方機(jī)構(gòu) Wikibon 預(yù)測，2026 年 SSD 單 TB 成本將低于機(jī)械硬盤，達(dá)到 15 美元/TB；非易失性內(nèi)存（NVM）具有容量大、低延遲、字節(jié)尋址、持久化等特性，能夠應(yīng)用于傳統(tǒng)數(shù)據(jù)庫存儲(chǔ)引擎各個(gè)部分，如索引、事物并發(fā)控制、日志、垃圾回收等方面； GPU 適用于特定數(shù)據(jù)庫操作加速，如掃描、謂詞過濾、大量數(shù)據(jù)的排序、大表關(guān)聯(lián)、聚集等操作，互聯(lián)網(wǎng)公司在 FPGA 加速進(jìn)行了很多探索，例如微軟利用 FPGA 加速網(wǎng)卡處理，百度用 FPGA 加速查詢處理等。隨著新型硬件成本逐漸降低，

29、充分利用新興硬件資源提升數(shù)據(jù)庫性能、降低成本，是未來數(shù)據(jù)庫發(fā)展的重要方向之一。趨勢五：與云基礎(chǔ)設(shè)施深度結(jié)合Gartner 預(yù)測到 2022 年 75%的數(shù)據(jù)庫將托管在云端。云計(jì)算技術(shù)的不斷發(fā)展催生出將數(shù)據(jù)庫部署在云上的需求，通過云服務(wù)形式提供數(shù)據(jù)庫功能的云數(shù)據(jù)庫應(yīng)運(yùn)而生。云與數(shù)據(jù)庫的融合，減少了數(shù)據(jù)庫參數(shù)的重復(fù)配置，具有快速部署、高擴(kuò)展性、高可用性、可遷移性、易運(yùn)維性和資源隔離等特點(diǎn)，具體有兩種形態(tài)，一種是基于云資源部署的傳統(tǒng)數(shù)據(jù)庫；另一種是基于容器化、微服務(wù)、Serverless 等理念設(shè)計(jì)的存算分離架構(gòu)的云原生數(shù)據(jù)庫。云原生數(shù)據(jù)庫能夠隨時(shí)隨地從多前端訪問，提供云服務(wù)的計(jì)算節(jié)點(diǎn)，并且能夠靈活

30、及時(shí)調(diào)動(dòng)資源進(jìn)行擴(kuò)縮容，助力企業(yè)降本增效。以亞馬遜 AWS、阿里云、Snowflake 等為代表的企業(yè)，開創(chuàng)了云原生數(shù)據(jù)庫時(shí)代。未來，數(shù)據(jù)庫將深度結(jié)合云原生與分布式特點(diǎn)，幫助用戶實(shí)現(xiàn)最大限度資源池化、彈性變配、超高并發(fā)等能力，更加便捷、低成本實(shí)現(xiàn)云上數(shù)字化轉(zhuǎn)型與升級(jí)。趨勢六：隱私計(jì)算技術(shù)助力安全能力提升隨著數(shù)據(jù)上云趨勢顯著，云數(shù)據(jù)庫面臨的風(fēng)險(xiǎn)相較于傳統(tǒng)數(shù)據(jù)庫更加多樣化、復(fù)雜化。如何解決第三方可信問題是云數(shù)據(jù)庫面臨的首要安全挑戰(zhàn)。當(dāng)前云數(shù)據(jù)庫數(shù)據(jù)安全隱私保護(hù)是針對(duì)數(shù)據(jù)所處階段來制定保護(hù)措施的，如在數(shù)據(jù)傳輸階段使用安全傳輸協(xié)議 SSL/TLS，在數(shù)據(jù)持久化存儲(chǔ)階段使用透明存儲(chǔ)加密，在返回結(jié)果階段使

31、用數(shù)據(jù)脫敏策略等。這些傳統(tǒng)技術(shù)手段可以解決單點(diǎn)風(fēng)險(xiǎn)，但不成體系，且對(duì)處于運(yùn)行或者運(yùn)維狀態(tài)下的數(shù)據(jù)則缺少有效的保護(hù)。近年來以同態(tài)加密等密碼學(xué)為代表的軟件解決方案和以可信執(zhí)行環(huán)境（TEE）為代表的硬件方案為數(shù)據(jù)庫安全設(shè)計(jì)提供許多新思路。密碼學(xué)方案的核心思路是整個(gè)運(yùn)算過程都是在密文狀態(tài)，通過基于數(shù)學(xué)理論的算法來直接對(duì)密文數(shù)據(jù)進(jìn)行檢索與計(jì)算。硬件方案的核心思路是將存放于普通環(huán)境（REE）的加密數(shù)據(jù)傳遞給 TEE 側(cè)，并在TEE 側(cè)完成數(shù)據(jù)解密和計(jì)算任務(wù)?；陔[私計(jì)算技術(shù)的數(shù)據(jù)庫產(chǎn)品有 CryptDB、ZeroDB、openGauss 等。未來，此類數(shù)據(jù)庫將圍繞算法安全性和性能損耗等問題，逐步突破，進(jìn)而

32、提供覆蓋數(shù)據(jù)全生命周期的安全保護(hù)機(jī)制。趨勢七：區(qū)塊鏈數(shù)據(jù)庫輔助數(shù)據(jù)存證溯源數(shù)據(jù)庫管理員或黑客對(duì)數(shù)據(jù)庫歷史記錄的修改是一個(gè)經(jīng)常爆發(fā) 的問題。區(qū)塊鏈具有去中心化、信息不可篡改等特征，區(qū)塊鏈數(shù)據(jù)庫 能夠長期留存有效記錄，數(shù)據(jù)庫的所有歷史操作均不可更改并能追溯， 適用于金融機(jī)構(gòu)、公安等行業(yè)的應(yīng)用場景。區(qū)塊鏈數(shù)據(jù)庫典型產(chǎn)品有BlockchainDB、BigchainDB 和 ChainSQL 等。區(qū)塊鏈數(shù)據(jù)庫由于要容忍節(jié)點(diǎn)拜占庭行為而不得不采用代價(jià)更高的 PBFT、PoW 等共識(shí)算法成為落地應(yīng)用的一大挑戰(zhàn)，此外，由于沒有統(tǒng)一的協(xié)調(diào)者，如何保證 區(qū)塊鏈網(wǎng)絡(luò)分片時(shí)分布式系統(tǒng)的安全性，高并發(fā)下的并行控制如何保

33、證ACID 也都是設(shè)計(jì)者不可忽視的問題。未來，提升區(qū)塊鏈數(shù)據(jù)庫性能將成為學(xué)術(shù)界與工業(yè)界共同探索的命題。三、數(shù)據(jù)庫產(chǎn)業(yè)發(fā)展全球數(shù)據(jù)庫產(chǎn)業(yè)生態(tài)成熟壯大，在發(fā)展過程中，逐漸細(xì)分出數(shù)據(jù)庫產(chǎn)品、數(shù)據(jù)庫服務(wù)和數(shù)據(jù)庫支撐體系三個(gè)細(xì)分產(chǎn)業(yè)。(一)數(shù)據(jù)庫產(chǎn)業(yè)概述圖 7 數(shù)據(jù)庫產(chǎn)業(yè)鏈全景圖來源：中國信息通信研究院數(shù)據(jù)庫產(chǎn)品主要由關(guān)系型數(shù)據(jù)庫、非關(guān)系型數(shù)據(jù)庫、混合型數(shù)據(jù)庫及數(shù)據(jù)庫周邊工具構(gòu)成。數(shù)據(jù)庫服務(wù)是指圍繞數(shù)據(jù)庫的咨詢規(guī)劃、實(shí)施部署和運(yùn)維運(yùn)營等環(huán)節(jié)，為數(shù)據(jù)庫系統(tǒng)的正常、高效、持續(xù)、安全使用提供信息技術(shù)服務(wù)工作。數(shù)據(jù)庫支撐體系由從事數(shù)據(jù)庫學(xué)術(shù)研究、人才培養(yǎng)、開源社區(qū)、評(píng)測認(rèn)證等工作的相關(guān)主體共同構(gòu)成。來源：中國信

34、息通信研究院，2021 年 6 月圖 8 中國數(shù)據(jù)庫市場規(guī)模及增速據(jù)中國信通院測算8，2020 年全球數(shù)據(jù)庫市場規(guī)模為 671 億美元，其中中國數(shù)據(jù)庫市場規(guī)模為 35 億美元（約合 240.9 億元人民幣），占全球 5.2%9。預(yù)計(jì)到 2025 年，全球數(shù)據(jù)庫市場規(guī)模將達(dá)到 798 億美元。中國的IT 總支出將占全球 12.3%。我們預(yù)計(jì)，中國數(shù)據(jù)庫市場在全球的占比將在 2025 年接近中國 IT 總支出在全球的占比，中國數(shù)據(jù)庫市場總規(guī)模將達(dá)到 688 億元，市場年復(fù)合增長率（CAGR）為 23.4%。(二)數(shù)據(jù)庫產(chǎn)品本節(jié)主要聚焦國內(nèi)數(shù)據(jù)庫產(chǎn)品提供商、產(chǎn)品分布及市場競爭三方面，并逐一展開分析。

35、企業(yè)主體大部分仍處于發(fā)展初期階段據(jù)中國信通院統(tǒng)計(jì)分析，截止 2021 年 5 月底，我國數(shù)據(jù)庫產(chǎn)品提供商共計(jì) 80 家。來源：中國信息通信研究院，2021 年 6 月8市場規(guī)模為 2021 年統(tǒng)計(jì)，主要依據(jù)企業(yè)財(cái)報(bào)、人員訪談、評(píng)測評(píng)估、歷史公開數(shù)據(jù)等得出。9根據(jù)國家統(tǒng)計(jì)局顯示，2020 年全年人民幣平均匯率為 1 美元兌 6.8974 元人民幣。圖 9 我國數(shù)據(jù)庫企業(yè)成立時(shí)間分布情況成立時(shí)間呈現(xiàn)兩個(gè)熱周期。從企業(yè)成立時(shí)間看10，我國數(shù)據(jù)庫企業(yè)成立時(shí)間主要集中在 1999-2000 年和 2013-2017 年兩個(gè)時(shí)間段，數(shù)量分別是 12 個(gè)和 38 個(gè)，依次占比 15%和 48%。上世紀(jì) 90

36、 年代，以O(shè)racle、DB2 等為代表的國際商業(yè)數(shù)據(jù)庫進(jìn)入大陸市場，先后在電信、金融、政務(wù)等重要行業(yè)拿下大單，應(yīng)用于各類核心系統(tǒng)和周邊系統(tǒng)。國內(nèi)也由于頂層設(shè)計(jì)加碼，掀起一股國產(chǎn)數(shù)據(jù)庫的浪潮。2012 年， 大數(shù)據(jù)成為國家級(jí)發(fā)展戰(zhàn)略。在此背景下，我國涌現(xiàn)出一大批以大數(shù) 據(jù)和數(shù)據(jù)庫為主營業(yè)務(wù)的初創(chuàng)公司。2015 年，平凱星辰、星瑞格、華勝信泰、上海叢云、恒輝信達(dá)等企業(yè)成立。2016 至 2018 年，圖數(shù) 據(jù)庫和時(shí)序數(shù)據(jù)庫關(guān)注度不斷提升，以費(fèi)馬科技、創(chuàng)鄰科技、歐若數(shù) 網(wǎng)、蜀天夢圖等為代表的初創(chuàng)圖數(shù)據(jù)庫企業(yè)相繼成立，以浙江智臾、濤思數(shù)據(jù)等為代表的時(shí)序數(shù)據(jù)庫企業(yè)不斷涌現(xiàn)，政策利好與資本關(guān)注 為我國數(shù)

37、據(jù)庫產(chǎn)業(yè)不斷注入新活力，國產(chǎn)數(shù)據(jù)庫產(chǎn)業(yè)迎來第二輪浪潮。來源：中國信息通信研究院，2021 年 6 月圖 10 我國數(shù)據(jù)庫企業(yè)總部分布情況10成立時(shí)間以開展數(shù)據(jù)庫業(yè)務(wù)為成立標(biāo)志。數(shù)據(jù)庫發(fā)展研究報(bào)告（2021 年）18地域分布以一線城市為主?？偛糠植记闆r代表企業(yè)所在城市對(duì)數(shù)據(jù)庫產(chǎn)業(yè)的重視與發(fā)展程度。從企業(yè)總部的數(shù)量看，由于人才規(guī)模聚集效應(yīng)，企業(yè)總部通常設(shè)在超一線城市，數(shù)量最多的前五名是北京、杭州、上海、成都和深圳，分別是 43、9、7、3、2 個(gè)，占企業(yè)總數(shù)約為 54%、11%、9%、4%和 3%，除此之外，濟(jì)南、南京、天津、武漢、廣州、貴陽、福州、合肥和烏魯木齊等直轄市和省會(huì)城市平均孵化出 1-

38、2 個(gè)數(shù)據(jù)庫企業(yè)。來源：中國信息通信研究院，2021 年 6 月圖 11 我國數(shù)據(jù)庫企業(yè)員工數(shù)量分布情況員工數(shù)量普遍在百人以下11。我國數(shù)據(jù)庫企業(yè)人員平均人數(shù)約為184 人，最高為 1200 人左右規(guī)模，最低為 10 人左右規(guī)模。其中 21-50人左右規(guī)模企業(yè)占比最高，數(shù)量 34 個(gè)，比例達(dá)到 43%，人數(shù)在 51-100 人左右規(guī)模次之，數(shù)量為 12 個(gè)，占比 15%，101-200 人和 201-300 人規(guī)模并列第三，均為 10 個(gè)，分別占比 13%，由此可見，我國數(shù)據(jù)庫雖然數(shù)量眾多，但平均從業(yè)人員數(shù)量較少，仍在快速發(fā)展階段。11統(tǒng)計(jì)口徑為數(shù)據(jù)庫團(tuán)隊(duì)的研發(fā)、測試、技術(shù)支持等技術(shù)人員數(shù)量。

39、數(shù)據(jù)庫發(fā)展研究報(bào)告（2021 年） PAGE 21來源：中國信息通信研究院，2021 年 6 月圖 12 我國數(shù)據(jù)庫企業(yè)專利數(shù)量分布情況平均專利數(shù)量不足五十個(gè)12。我國數(shù)據(jù)庫企業(yè)針對(duì)數(shù)據(jù)庫領(lǐng)域的平均專利數(shù)量（含國內(nèi)外專利）為 38 個(gè)，最高為 500 個(gè)左右規(guī)模，數(shù)量為 0 的企業(yè)個(gè)數(shù)是 19 個(gè)，占比 24%。擁有專利數(shù) 0-4 個(gè)的企業(yè)占比最高為 51%，專利數(shù) 5-10 個(gè)的企業(yè)次之，占比 14%，專利數(shù) 21-50個(gè)的企業(yè)數(shù)量排名第三，占比 12%。從企業(yè)專利數(shù)量上看，Oracle 以1.4 萬個(gè)全球領(lǐng)先，SAP 居次席，國內(nèi)數(shù)據(jù)庫的全部企業(yè)技術(shù)專利累計(jì)千余，仍有較大發(fā)展空間。產(chǎn)品類型

40、仍以關(guān)系型為主，非關(guān)系型產(chǎn)品正在快速發(fā)展我國數(shù)據(jù)庫產(chǎn)品數(shù)量分布呈現(xiàn)以關(guān)系型為主，非關(guān)系型及混合型數(shù)據(jù)庫為輔的局面。數(shù)據(jù)庫產(chǎn)品根據(jù)研發(fā)方式不同，分為完全自研和基于開源二次研發(fā)兩類。12統(tǒng)計(jì)口徑包含國內(nèi)及國際專利數(shù)量。來源：中國信息通信研究院，2021 年 6 月圖 13 我國數(shù)據(jù)庫產(chǎn)品分布情況我國關(guān)系型數(shù)據(jù)庫產(chǎn)品多數(shù)基于 MySQL 和 PostgreSQL 二次開發(fā)而來。據(jù)中國信通院統(tǒng)計(jì)分析，截止 2021 年 6 月，我國數(shù)據(jù)庫產(chǎn)品共有 135 款。其中關(guān)系型數(shù)據(jù)庫 81 個(gè)，非關(guān)系型數(shù)據(jù)庫有 54 個(gè)， 占比分別為 60%和 40%。按二級(jí)細(xì)分類別，以云服務(wù)為主要服務(wù)交付方式的關(guān)系型云數(shù)據(jù)

41、庫 19 個(gè)；非關(guān)系型數(shù)據(jù)庫中，鍵值型數(shù)據(jù)庫 5個(gè)，列存數(shù)據(jù)庫 3 個(gè)，文檔數(shù)據(jù)庫 4 個(gè)，圖數(shù)據(jù)庫 13 個(gè)，全文檢索數(shù)據(jù)庫 1 個(gè)，在非關(guān)系數(shù)據(jù)庫中依次占比 9.26%、5.56%、7.41%、24.07%和 1.85%，由于一些不可控因素，其余非關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)模型暫不可知。來源：中國信息通信研究院，2021 年 6 月圖 14 關(guān)系型數(shù)據(jù)庫中基于主流開源數(shù)據(jù)庫的分布情況關(guān)系型數(shù)據(jù)庫中基于開源數(shù)據(jù)庫 MySQL 和 PostgreSQL 進(jìn)行二次開發(fā)的個(gè)數(shù)分別為 23 和 24 個(gè)，依次占關(guān)系型數(shù)據(jù)庫比例為 28.40% 和 29.63%，總計(jì)占 58.03%。我國非關(guān)系型數(shù)據(jù)庫產(chǎn)品發(fā)

42、展勢頭良好，逐漸受到國際認(rèn)可。非關(guān)系型數(shù)據(jù)庫中以基于開源數(shù)據(jù)庫如 Redis、InfluxDB、CouchDB 等產(chǎn)品進(jìn)行二次開發(fā)為主。時(shí)序數(shù)據(jù)庫因其存儲(chǔ)處理海量時(shí)序數(shù)據(jù)的特性，常應(yīng)用于工業(yè)控制、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等領(lǐng)域。據(jù)中國信通院統(tǒng)計(jì)分析，我國時(shí)序數(shù)據(jù)庫從 2000 年后迅速發(fā)展，產(chǎn)品數(shù)量已達(dá) 15 款，1 款為開源數(shù)據(jù)庫，其余均為商業(yè)數(shù)據(jù)庫。4 個(gè)由云廠商提供，還有來自石化、電力、鋼鐵等傳統(tǒng)工業(yè)實(shí)時(shí)數(shù)據(jù)庫企業(yè)的產(chǎn)品 9 個(gè)。同時(shí)根據(jù) DB-Engines 官網(wǎng)顯示13，2021 年 5 月的時(shí)序數(shù)據(jù)庫的流行度排名中，我國上榜的數(shù)據(jù)庫產(chǎn)品已有兩個(gè)，分別是浙江智臾和阿里云TSDB，依次位列第 1

43、1 和第 21 名。由于圖數(shù)據(jù)庫能夠支撐社交網(wǎng)絡(luò)、13/en/ranking/time+series+dbms數(shù)據(jù)庫發(fā)展研究報(bào)告（2021 年） PAGE 47金融反欺詐等互聯(lián)網(wǎng)與金融場景的關(guān)聯(lián)分析業(yè)務(wù)，所以行業(yè)關(guān)注熱度自 2016 年以來逐漸升溫。我國圖數(shù)據(jù)庫產(chǎn)品數(shù)量為 13 款，自研程度較高，自研產(chǎn)品占總數(shù)比例為 69.23%。從供應(yīng)商類型看，初創(chuàng)公司、云廠商、高校紛紛入局，其比例分別為 7:5:1。根據(jù)DB-Engines 官網(wǎng)顯示14，2021 年 5 月的圖數(shù)據(jù)庫的流行度排名中，我國上榜的數(shù)據(jù)庫產(chǎn)品有 3 個(gè)，分別是歐若數(shù)網(wǎng) Nebula Graph、華為云 GraphBase 和百

44、度智能云開源產(chǎn)品HugeGraph，依次位列第 15、第 28 和第 30 名。市場份額正逐漸傾向云上，線下市場迎來激烈競爭線上市場呈現(xiàn)快速增長。隨著云計(jì)算技術(shù)不斷成熟，云上數(shù)據(jù)庫市場快速增長。根據(jù) Gartner 公司 2019 年發(fā)布的市場分析，2017 年至 2018 年的全球數(shù)據(jù)庫產(chǎn)業(yè)總營業(yè)額的 18.4%增長中，云數(shù)據(jù)庫管理產(chǎn)品的營業(yè)額占比 68%，而 Microsoft 與亞馬遜的 AWS 占到總增長的 75.5%。同時(shí)根據(jù) 2021 年Gartner 對(duì)數(shù)據(jù)庫產(chǎn)品提供商的排名情況看，Microsoft 憑借云數(shù)據(jù)庫的后發(fā)優(yōu)勢，搶占了 Oracle 已經(jīng)持續(xù)占據(jù)十年的榜首位置，前十

45、名中已經(jīng)有四家以云服務(wù)為主要供應(yīng)方式的企業(yè)，分別為Microsoft、Amazon、Google 和阿里云。據(jù)中國信通院統(tǒng)計(jì)分析，2020 年，中國公有云數(shù)據(jù)庫市場規(guī)模為 107.68 億元， 未來5 年，公有云數(shù)據(jù)庫市場年復(fù)合增長率將達(dá)到36.1%，預(yù)計(jì)到2025年，中國公有云數(shù)據(jù)庫市場總規(guī)模將達(dá)到 503.31 億元。Gartner 預(yù)測到 2023 年，全球數(shù)據(jù)庫市場中 75%的數(shù)據(jù)庫將完成到云平臺(tái)的遷徙， 僅有 5%的數(shù)據(jù)保持在原本的本地模式當(dāng)中。線上市場格局巨頭涌現(xiàn)。14/en/ranking/graph+dbms中國信通院調(diào)研顯示，阿里云、華為云和騰訊云作為我國頭部云服務(wù)商，其在云

46、計(jì)算基礎(chǔ)設(shè)施、應(yīng)用生態(tài)、用戶渠道等方面處于領(lǐng)先地位， 云上數(shù)據(jù)庫作為云基礎(chǔ)設(shè)施的延續(xù)與發(fā)展，具備天然先發(fā)優(yōu)勢。2020 年，上述三家云服務(wù)商公有云數(shù)據(jù)庫總營收約占中國公有云數(shù)據(jù)庫市場份額 75.5%15。以電商、游戲、短視頻等為主營業(yè)務(wù)的互聯(lián)網(wǎng)公司是線上數(shù)據(jù)庫的服務(wù)對(duì)象。出于對(duì)業(yè)務(wù)特性和生態(tài)兼容考慮，約 83% 的云上客戶傾向選擇 MySQL、Redis、MongoDB、InfluxDB 等開源數(shù)據(jù)庫。存量市場替換空間可觀，線下市場迎來激烈競爭。2020 年數(shù)據(jù)庫傳統(tǒng)部署模式市場為 133.22 億元，隨著市場傾向的變化，傳統(tǒng)部署市場替換國外數(shù)據(jù)庫空間巨大。以關(guān)系型數(shù)據(jù)庫為例，2017 年以前

47、市場格局十分穩(wěn)定，Oracle、IBM、Microsoft、Teradata 等為代表的產(chǎn)品占據(jù)數(shù)據(jù)庫傳統(tǒng)部署模式市場份額 90%以上，以達(dá)夢、人大金倉、南大通用、神舟通用為代表的國產(chǎn)數(shù)據(jù)庫，通常聚焦于軍工、政務(wù)等封閉領(lǐng)域，整體市場份額較小，如今電信、金融等重要行業(yè)數(shù)據(jù)庫改造變更需求不斷，相關(guān)存量市場前景誘人。隨著技術(shù)層面的分布式改造需求不斷以及市場層面自發(fā)選擇國產(chǎn)產(chǎn)品傾向，國產(chǎn)數(shù)據(jù)庫市場份額有望得到大幅提升，各企業(yè)紛紛搶抓戰(zhàn)略機(jī)遇，不斷迭代打磨產(chǎn)品能力，搶占市場份額。據(jù)中國信通院大數(shù)據(jù)產(chǎn)品能力評(píng)測十二批16結(jié)果顯示，國產(chǎn)數(shù)據(jù)庫供給能力較幾年前得到大幅提升，產(chǎn)品功能15數(shù)據(jù)來源：中國信息通信研

48、究院統(tǒng)計(jì)，主要依據(jù)人員訪談、評(píng)測評(píng)估、歷史公開數(shù)據(jù)得出。16中國信通院大數(shù)據(jù)產(chǎn)品能力評(píng)測是中國信息通信研究院下屬的大數(shù)據(jù)及數(shù)據(jù)庫評(píng)測品牌，每半年一批評(píng)測，至今已開展十二批。逐漸完善，集群規(guī)模與日俱增，性能表現(xiàn)不斷攀升，市場競爭程度較為激烈。來源：DB-Engines 官方網(wǎng)站，2021 年 6 月圖 15 2021 年 6 月數(shù)據(jù)庫開源與商業(yè)許可證流行度對(duì)比初創(chuàng)企業(yè)和巨頭陸續(xù)投身開源市場。開源已成為數(shù)據(jù)庫產(chǎn)業(yè)的共 識(shí)，2021 年 1 月，DB-Engines 官網(wǎng)顯示17，開源許可證流行度首次超過商業(yè)許可證，開源數(shù)據(jù)庫迎來新紀(jì)元。截止 2021 年 6 月，開源與商業(yè)許可證數(shù)量分別為192

49、和179 個(gè)，流行度分別占比51.1%和48.9%。近些年以巨杉、平凱星辰、濤思數(shù)據(jù)、歐若數(shù)網(wǎng)為代表的初創(chuàng)企業(yè)和 以百度、華為、阿里云、螞蟻金服為代表的巨頭意識(shí)到開源有助于擴(kuò) 大人才規(guī)模及上下游生態(tài)影響力，通過運(yùn)營開源社區(qū)快速獲得反饋并 加快產(chǎn)品開發(fā)、提升產(chǎn)品質(zhì)量，同時(shí)反哺社區(qū)開發(fā)者及獨(dú)立軟件開發(fā) 商（ISV）等生態(tài)伙伴，能夠達(dá)到多方共贏目的。針對(duì)開源，企業(yè)紛 紛采取不同的商業(yè)模式18 。2014 年 12 月， 巨杉數(shù)據(jù)庫宣布開源17/en/ranking_osvsc18數(shù)據(jù)庫領(lǐng)域催生三種開源商業(yè)模式：一是完全開源式，借助基金會(huì)托管，通過捐贈(zèng)覆蓋運(yùn)營成本和獲取利潤，以 HBase、HAWQ

50、為代表；二是開源版本和商業(yè)版本分別運(yùn)營，通過運(yùn)營開源版本社區(qū)獲取人才、應(yīng)用場景、市場品牌、技術(shù)等，再通過售賣商業(yè)版本獲取利潤，以 MySQL 為代表；三是過渡式開源運(yùn)作，SequoiaDB，成為國內(nèi)最早開源自研數(shù)據(jù)庫項(xiàng)目；2017 年 10 月，平凱星辰開源 TiDB；2018 年，百度開源數(shù)據(jù)庫 Doris 和 HugeGraph； 2019 年，濤思數(shù)據(jù)和歐若數(shù)網(wǎng)分別開源 TDengine 和 NebulaGraph； 2020 年 6 月，華為建立 openGauss 開源社區(qū)，并于 2021 年 3 月發(fā)布第一個(gè) Release 版本；2021 年 5 月，阿里云宣布對(duì)外開放關(guān)系型數(shù)據(jù)

51、庫 PolarDB for PostgreSQL 源代碼，同年 6 月，螞蟻集團(tuán)宣布開源OceanBase。(三)數(shù)據(jù)庫服務(wù)很長一段時(shí)間內(nèi)，我國數(shù)據(jù)庫服務(wù)工作主要以附屬技能的形式由應(yīng)用開發(fā)商和硬件服務(wù)商提供保障。隨著數(shù)據(jù)庫對(duì)于企業(yè)的重要性越來越高，企業(yè)對(duì)于以數(shù)據(jù)庫為核心的專業(yè)服務(wù)的需求也越加迫切，獨(dú)立的數(shù)據(jù)庫服務(wù)廠商開始嶄露頭角，并形成了一個(gè)專業(yè)化的數(shù)據(jù)庫細(xì)分服務(wù)領(lǐng)域。頭部企業(yè)主體發(fā)展時(shí)間較長數(shù)據(jù)庫服務(wù)產(chǎn)業(yè)主體主要由多年來在電信、金融、政務(wù)等重要行業(yè)提供外包 IT 運(yùn)維服務(wù)的企業(yè)構(gòu)成，成立時(shí)間普遍十年以上，核心成員多為早期提供Oracle、DB2 原廠或第三方服務(wù)的專家，由于企業(yè)數(shù)據(jù)庫技術(shù)體系

52、龐雜，需要服務(wù)提供商能夠提供橫向主流數(shù)據(jù)庫產(chǎn)品和縱向多版本技術(shù)服務(wù)覆蓋能力，服務(wù)行業(yè)技術(shù)壁壘較高。此外，由于一般與客戶簽訂一至三年合同，服務(wù)提供商對(duì)客戶系統(tǒng)非常熟悉， 容易形成相對(duì)穩(wěn)定的長期合作伙伴關(guān)系，市場壁壘較高，新興初創(chuàng)公前期通過開放社區(qū)制造影響力和吸收外部技術(shù)力量，后通過修改商業(yè)許可證轉(zhuǎn)為商業(yè)產(chǎn)品進(jìn)行售賣，并停止社區(qū)的維護(hù)，為收購和獨(dú)立上市鋪墊，以 Neo4j 為代表。司較少，巨頭員工數(shù)量普遍在千人左右。頭部典型企業(yè)有云和恩墨、新炬網(wǎng)絡(luò)、海量數(shù)據(jù)、太陽塔、愛可生、中亦安圖、萬國數(shù)據(jù)、銀信科技、天璣科技、新數(shù)科技、沃趣科技、迪思杰、九橋同步等。服務(wù)工作范圍廣，缺乏行業(yè)規(guī)范和指引數(shù)據(jù)驅(qū)動(dòng)時(shí)

53、代，企業(yè)開始利用海量實(shí)時(shí)數(shù)據(jù)分析業(yè)務(wù)發(fā)展、了解客戶行為和優(yōu)化配置資源，并據(jù)此制定企業(yè)發(fā)展戰(zhàn)略。數(shù)據(jù)庫系統(tǒng)作為數(shù)據(jù)存儲(chǔ)的主要載體，數(shù)據(jù)庫服務(wù)貫穿企業(yè) IT 系統(tǒng)的整個(gè)生命周期。按照信息系統(tǒng)建設(shè)的不同階段，數(shù)據(jù)庫的服務(wù)范圍主要覆蓋規(guī)劃設(shè)計(jì)、實(shí)施部署、運(yùn)維運(yùn)營三個(gè)方面，三個(gè)方面又細(xì)分多個(gè)服務(wù)工作內(nèi)容，如下圖所示。來源：中國信息通信研究院圖 16 數(shù)據(jù)庫服務(wù)能力成熟度模型框架由于數(shù)據(jù)庫服務(wù)產(chǎn)業(yè)正處于快速變革期，玩家眾多，能力水平參差不齊，服務(wù)過程缺乏行業(yè)規(guī)范和指引，導(dǎo)致眾多數(shù)據(jù)庫應(yīng)用單位面臨各類選型和實(shí)施問題。中國信息通信研究院聯(lián)合國內(nèi)數(shù)據(jù)庫廠商和服務(wù)商，共同編制并發(fā)布了數(shù)據(jù)庫服務(wù)能力成熟度模型團(tuán)體標(biāo)

54、準(zhǔn)， 期望為國內(nèi)的數(shù)據(jù)庫服務(wù)生態(tài)體系提出更全面和專業(yè)的評(píng)估標(biāo)準(zhǔn)。服務(wù)市場集中在重點(diǎn)行業(yè)，環(huán)境變革倒逼各主體轉(zhuǎn)型升級(jí)服務(wù)市場主要集中在金融、電信、政府、制造、交通五個(gè)行業(yè)。根據(jù)中國信通院統(tǒng)計(jì)分析19，各行業(yè)的數(shù)據(jù)庫服務(wù)市場份額比例分別為金融 22.3%、電信 18.9%、政府 16.4%、制造 13.3%、交通 9.6%， 這五個(gè)行業(yè)合計(jì)占比超過 80%。云計(jì)算改變傳統(tǒng)服務(wù)市場格局。在云計(jì)算逐漸成熟之后，與云上數(shù)據(jù)庫市場份額迅速擴(kuò)大。而云上數(shù)據(jù)庫的咨詢、部署、運(yùn)維等服務(wù)工作則直接由云計(jì)算公司負(fù)責(zé)，所以云計(jì)算公司將改變傳統(tǒng)服務(wù)市場格局。由于服務(wù)工作定制化程度較高，相對(duì)標(biāo)準(zhǔn)化云產(chǎn)品，屬于勞動(dòng)力密集型

55、工作，所以從綜合成本角度出發(fā)，未來云上數(shù)據(jù)庫服務(wù)市場部分將由云計(jì)算公司依靠自身資源儲(chǔ)備負(fù)責(zé)，另一部分云計(jì)算公司將與線下服務(wù)公司進(jìn)行合作，形成優(yōu)勢互補(bǔ)，共同完成相關(guān)工作。服務(wù)企業(yè)向產(chǎn)品企業(yè)轉(zhuǎn)型。如今隨著分布式云數(shù)據(jù)庫興起，數(shù)據(jù)庫運(yùn)維要求不斷提升，數(shù)據(jù)庫服務(wù)商除了提供傳統(tǒng)的駐場與遠(yuǎn)程運(yùn)維類服務(wù)外，圍繞數(shù)據(jù)庫開發(fā)、測試、運(yùn)維等環(huán)節(jié)也提供多種類型的數(shù)據(jù)庫周邊工具。與此同時(shí)，以云和恩墨、新數(shù)科技、愛可生、海量數(shù)19數(shù)據(jù)來源：中國信息通信研究院統(tǒng)計(jì)，主要依據(jù)人員訪談、評(píng)測評(píng)估、歷史公開數(shù)據(jù)得出。據(jù)等為代表的數(shù)據(jù)庫服務(wù)商為了拓展業(yè)務(wù)范圍，提升企業(yè)利潤總額， 認(rèn)識(shí)到可以利用自身服務(wù)能力積累與經(jīng)驗(yàn)，對(duì)數(shù)據(jù)庫產(chǎn)品

56、供應(yīng)商形成差異化優(yōu)勢，順勢推出自有數(shù)據(jù)庫產(chǎn)品，進(jìn)一步加劇了數(shù)據(jù)庫產(chǎn)品市場競爭激烈程度。其中云和恩墨與海量數(shù)據(jù)分別基于開源數(shù)據(jù)庫openGauss 推出了企業(yè)級(jí)數(shù)據(jù)庫MogDB 和 Vastbase，愛可生和新數(shù)科技基于MySQL 也發(fā)布了相關(guān)產(chǎn)品。(四)數(shù)據(jù)庫支撐體系當(dāng)前數(shù)據(jù)庫支撐體系由于數(shù)據(jù)庫技術(shù)路線不斷演進(jìn)，也正處于變革和創(chuàng)新的高發(fā)期。學(xué)術(shù)研究仍以關(guān)系理論為重點(diǎn)，國內(nèi)研究水平逐漸提升來源：中國信息通信研究院，2021 年 6 月圖 17 全球各國數(shù)據(jù)庫領(lǐng)域發(fā)文量及質(zhì)量2016 至 2020 年，美國、中國、印度、德國和英國是全球數(shù)據(jù)庫領(lǐng)域論文產(chǎn)出前五的國家，美國發(fā)文量最多，占全球總發(fā)文量

57、22.4， 之后依次為中國 19.4，印度 7.420。從高水平論文數(shù)量分析，英國高被引論文數(shù)占 3.1%，中國占 0.3%。從國際合作論文的角度分析， 英國、法國、加拿大、西班牙的國際合作論文較多，均超過 50%。來源：公開資料整理圖 18 2018-2020 年 VLDB、ICDE 和 SIGMOD 論文分布情況學(xué)術(shù)界公認(rèn)的數(shù)據(jù)庫領(lǐng)域頂級(jí)會(huì)議主要有 VLDB、SIGMOD 和ICDE。從這些會(huì)議的研究方向看，當(dāng)前以關(guān)系型數(shù)據(jù)庫為主，非關(guān)系型數(shù)據(jù)庫為輔。以VLDB 為例，2018-2020 年，各領(lǐng)域論文總數(shù)分別為 146、151 和 95 個(gè)，關(guān)系型和非關(guān)系型數(shù)據(jù)庫論文分別占三年論文總數(shù)量

58、的 37%和 21%。SIGMOD 各領(lǐng)域論文總數(shù)分別為 90、88 和144 個(gè)，關(guān)系型和非關(guān)系型數(shù)據(jù)庫論文總數(shù)占三年論文總數(shù)的 22%和13%。ICDE 各領(lǐng)域論文總數(shù)分別為 188、268 和 241 個(gè)，關(guān)系型和非關(guān)系型數(shù)據(jù)庫論文總數(shù)占三年論文總數(shù)均為 13%。20基于Web of science 核心合集，選取 SCI-EXPANDED、CPCI-S 數(shù)據(jù)庫。檢索 2011-2020 年關(guān)于數(shù)據(jù)庫領(lǐng)域的論文。檢索時(shí)間為 2021 年 6 月。來源：中國信息通信研究院，2021 年 6 月圖 19 全球數(shù)據(jù)庫領(lǐng)域主要研究內(nèi)容熱點(diǎn)圖綜合分析全球論文研究主題，除了關(guān)系型數(shù)據(jù)庫，圖論、圖數(shù)據(jù)

59、庫、查詢優(yōu)化、機(jī)器學(xué)習(xí)、分布式處理、時(shí)序數(shù)據(jù)、流數(shù)據(jù)、時(shí)空數(shù)據(jù)、云數(shù)據(jù)庫等代表當(dāng)前火熱的技術(shù)方向。此外，數(shù)據(jù)安全、隱私保護(hù)也是每年不可或缺的研究主題。來源：中國信息通信研究院根據(jù)公開資料整理圖 20 2018-2020 年中國高校及企業(yè)學(xué)術(shù)會(huì)議論文貢獻(xiàn)情況我國在全球數(shù)據(jù)庫領(lǐng)域?qū)W術(shù)影響逐漸提升。高校及企業(yè)在 ICDE 論文貢獻(xiàn)占比最高，三年依次為 28.19%、37.31%和 43.15%，三大會(huì)議每年貢獻(xiàn)占比平均為 22.14%、23.74%和 23.81%，數(shù)量呈逐年上升趨勢，研究方向以圖論、圖數(shù)據(jù)庫、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、查詢處理等方向?yàn)橹?。阿里巴巴、華為、騰訊、螞蟻金服、百度、PingCA

60、P 等企業(yè)和清華大學(xué)、香港科技大學(xué)、北京大學(xué)、香港中文大學(xué)、香港大學(xué)、浙江大學(xué)、華中師范大學(xué)、華東師范大學(xué)、中國人民大學(xué)、復(fù)旦大學(xué)、北京航空航天大學(xué)、華中科技大學(xué)、中國科學(xué)院、北京理工大學(xué)等高校論文紛紛入選三大頂會(huì)，顯示我國數(shù)據(jù)庫學(xué)術(shù)水平國際影響力不斷擴(kuò)大。領(lǐng)域內(nèi)各類組織形成，產(chǎn)業(yè)熱度不斷提高數(shù)據(jù)庫支撐體系各類組織主要分為以下四類：一類是由具備官方背景的研究組織，例如以中國計(jì)算機(jī)學(xué)會(huì)（CCF）數(shù)據(jù)庫專業(yè)委員會(huì)為代表的學(xué)術(shù)組織和以通信標(biāo)準(zhǔn)化協(xié)會(huì)大數(shù)據(jù)技術(shù)標(biāo)準(zhǔn)推進(jìn)委員會(huì)（CCSA TC601）為代表的行業(yè)組織，用于匯聚國內(nèi)數(shù)據(jù)庫理論研究頭部力量；第二類是數(shù)據(jù)庫從業(yè)人員牽頭發(fā)起的面向數(shù)據(jù)庫技術(shù)愛好者