【dtcc】数据库 随笔

数据库百花齐放，竞争逐渐白热化。各家数据库战场逐渐清晰。小公司的市场份额逐渐被挤压。

技术路线上：

基于开源数据库二开：由于数据库原厂的更新迭代速度快。或者不断提pr，原厂新版merge。或者稳定在固定版本独立做分支。或者把原厂数据库作为数据层，自己开发分布式能力。甚至有些帮助原厂重写代码。

基于代码自研：大型公司的必由之路，研发团队庞大、资金实力要求高。出产品慢、稳定性需要大量客户打磨。

部署模式上：

云原生：懂得利用云的硬件优势，serverless、内存共享、多客户资源共享、存储共享，内存非易失、gpu、高性能高压缩磁盘等。花钱少，性能高。阿里云polardb、腾讯云tdsql、Amazon Aurora、snowflake等。

云中立：主打对各家云的信任度、捆绑度问题。

线下私有化部署（包括私有云）：数据安全要求高、大公司有自建机房、数据库团队技术能力强，主打易用性、稳定性、工具齐全。

需求上：

tp：

测重于降本、信创、高并发、高扩展，当然稳定性优先。oracle、sql server、db2，基本快没了，除了换不动的erp，线下传统制造业，医疗等场景，基本都在国产化的洪流中逐渐消失。典型代表：mysql(包括各家rds)、postregres、oceanbase、tdsql、高斯、人大金仓、达梦、崖山等。

htap：

测重于数据tp、ap，数据一致，中间减少同步链路，自动路由，降低业务负担。典型代表：tidb、oceanbase、polardb等

big data：

测重于湖仓一体，serverless，海量数据，组件兼容性好，存算分离，高性能省心不宕机。典型代表：holo、starrocks、doris、databricks，以及湖Delta、Hudi、Iceberg等

ai：

云上，大模型自运维占据主流市场，业务无需关注大模型细节，作为使用方，数据库自然也不必关心。

云下，自建向量库基本以组件自带为主，业务倾向于成熟完整解决方案。

在海量、高并发、核心、开发能力强的公司及业务场景，向量库竞争激烈，基本买定离手，现阶段几乎没有替换需求。