《Garnter云数据库管理系统关键功能-分析用例》2022年报告 …

曾现伟民

前言

数据和分析领导者可以使用Gartner研究来指导评估和初步选择云数据库管理系统产品。需要注意的是Gartner研究报告是一个系列。

• 《Gartner云数据库管理系统魔力象限》: 该文档被人们了解得更多：2022年报告链接。这份报告是按厂商综合评价，如果一个厂商有多个云数据库产品相对占优势，这也是一些云厂商排名相对靠前的原因。
  
• 《Garnter云数据库管理系统关键功能-分析用例》：本文档对分析场景的单一产品进行详细评测，所以更值得关注。
  
• 《Garnter云数据库管理系统关键功能-运营用例》：本文档面向交易场景，数据和分析丛业者可以暂时不做研究。
  

关键功能

• 结构化数据的战术和即席分析：财务、人力资源、供应链、客户关系管理和供应商关系管理等主流业务流程使用的信息需要分析并向大量和广泛的用户类型提供结果。这通常是传统数据仓库的域，它构建数据以便通过许多不同的用例进行有效访问，并经常组合来自多个源的数据。
  
• 数据科学和其他高级分析：人工智能 （AI）、机器学习 （ML） 和高级统计需要提供已知质量的可靠数据。算法可以在云数据库管理系统中运行，也可以与单独的服务接口。云数据库管理系统也可用于数据工程，这是分析的前提。
  
• 多级数据结构：现在通常对结构化信息以外的各种数据执行分析。物联网 （IoT）、社交媒体、视频、音频、文档和博客通常用于提供更全面的分析图。这些数据类型可用于数据湖，数据湖通常为数据提供较少的结构和验证。
  
• 虚拟化数据：LDW现已在分析的架构最佳实践中牢固确立（请参阅实用逻辑数据仓库）。现在，在数据仓库和数据湖之间预集成以及可以访问许多远程源的产品很常见。
  
• 实时或准实时分析： 现在，需要实时或准实时的分析结果来向主流业务流程提供信息。这可能是分析数据存储的实时查询、实时和离线分析的混合、实时数据引入、事件流的实时分析或通过 API 提供实时数据。
  
• 跨云、多云和混合操作：数据分布在多个云平台和本地。在不同平台上运行产品以及跨平台访问数据的能力变得越来越重要。
  

注：对比2021年报告，2022年关键功能的描述变化非常大，这里就不一一说明了，有兴趣的可以对比阅读。
两个趋势

• 数据和分析生态系统的出现是竞争的基础：这是评估产品或供应商的地方，不是基于单个产品解决方案，而是基于集成在一起以协同工作的解决方案集合。典型场景包括数据仓库、数据湖和 ML 服务的集成。本研究评估单个产品。
  
• 单个数据库产品用于事务和分析用例，而不是单独的两个产品： 在某些情况下，可以使用相同的产品，但对于两种类型的用例，它可能配置不同。
  

四大场景评分

传统数据仓库



Vendors’ Product Scores for Traditional Data Warehouse Use Case
逻辑数据仓库



Vendors’ Product Scores for Logical Data Warehouse Use Case
数据湖



Vendors’ Product Scores for the Data Lake Use Case
流式分析




注解：

• 对比2021年报告，前三个场景的测试场景没有变化，第4个场景由2021年的【运营智能】变化为【流式分析】，更加与时俱进。
  
• 从四大场景评分来看，传统厂商Teradata (Teradata Vantage)、Oracle (Autonomous Data Warehouse)优势比较明显。相反网红产品：Snowflake (Snowflake Data Cloud)、Databricks (Databricks Lakehouse Platform)等还存在一定的差距。