|
|
发表于 2023-2-10 13:30:53
|
显示全部楼层
注1：本文仅仅是一个思考过程，观点仅供参考。
注2：给出定理没有推导过程的行为都是耍流氓。
先给出结论：未来数据库是多种多样的，但是，数据库依然是它原来的样子。
1.什么是数据库？
只要接触过数据库的人，都大概都是数据库是什么？一个数据存取系统。当然，随着发展逐渐增加了很多定语，比如：一个高可用的高扩展的兼容多种数据模型的云原生数据库系统。为了隔离物理和应用之间的依赖问题，增加了数据模型，模式等；再进一步，为了保证数据安全，增加了故障恢复，备份，复制等机制；再进一步，为了保证并发访问的数据可靠性，增加了事务，隔离级别等机制；为了满足不同的负载模型，处理OLTP，OLAP，以及当下很火的HATP这样的特性；为了适配更多的数据模型，出现了半结构化，结构化，图，空间等特种数据库。总的来说，数据库的发展如同在池塘中间扔一个石头，荡起了一圈一圈涟漪。
如果要全面地了解数据库的概念，建议精读《数据库系统概论》，人大王珊老师版本或者北大翻译的国外这本都可以:https://www.db-book.com。
2.数据库的发展？
从时间上来看，数据库是计算机领域的一个组成部分，发展历史自然随着计算机的发展一起。现在算起来，从1970关系模型提出来到现在也有50多年了，当然国内要稍微再晚一点点，而且本身计算机领域我们都要晚，几乎都是跟着国外节奏。从一开始的软硬件，到后面的操作系统，浏览器，再到基础软件，再到业务系统，再到巨头企业，早期的国内互联网仿佛是一场“洋务运动”。 所以，数据库这块，到目前为止，都是DB2和Oracle统治了这个宇宙，至少统治了“商业数据库”这个不太小的“小宇宙”。
更尴尬的是，国产数据库的发展是一个令人着急的事情，和国足的情况有得一拼。随着“宇宙第一”的国产数据库越来越多的出现，不出意外的话，我们在数据库行业的实力在大幅提升，万人捞鱼害还怕水深？
在基础理论上面，数据库的数据模型，事务模型，并发模型，访问机制等几乎都处于一个不断前行的状态，这里的前行不包括那些一直想着弯道超车的选手。关于扩展性问题，分布式和数据库的结合体是这两年最火的话题，无限的水平扩展带来性能和容量的“完美提升”，一条康庄大道摆在我们面前，“5G数据库”即将统治宇宙。相比之下，IBM这些巨无霸显得冷静得许多，默默地完善数据库的特性，兼容更多的数据类型，支持更多的场景特性，比如分析和机器学习相关的特性。
在商业市场中，数据库作为底层应用从来都是求稳不求新的设施。不管是刚成立的创业公司，还是百年传统企业，对于数据库的选型方面，成熟和可靠是准入首要条件。当然，这不是一个“闭关锁国”的“晚清”心态，我更欣赏那些在自身业务成熟，企业发展走上正轨后，不断加大对基础设施的持续迭代的投入的企业。数据对于一个企业可以带来致命性的打击，没有退路的革新显得很不明智。所以，大部分企业现在都在积极探索，默默观望，认真学习那些第一个吃螃蟹的人的“成功经验”。
国内有一个厂商：达梦。培养了一批又一批的数据库人才，值得赞扬。
还有一些厂商，培养了一批又一批数据库忽悠人才，值得“表扬”。
3.数据库的应用场景
目前对于数据库应用场景比较大的场景划分：OLTP，OLAP和HATP。滑稽的是，作为混合模式的HATP其实非常完美的包括了所有的应用场景，任何一个应用系统，肯定多多少少会出来短事务和分析查询。那区分OLTP和OLAP的意义何在？当然，一方面TP数据基本上都可以满足一些常规的统计分析，类似BI；另一方面，当下特别火热的AI类分析系统，大量的数据聚合，排序等分析类操作，AP是面向的这一类更面向分析系统提供数据存取服务的场景定义。换句话说，在大数据技术体系中，随着hadoop，spark的体系发展，数据库希望能力越过ETL来直接提供数据服务，也就是用一个分布式数据库去替换一个分布式存储。无论这个选择是否合理，回过头去最开始的问题，任何一个应用系统都会有这样的需求吗？显然绕了一圈后，就可以轻松说服对方：你的系统肯定也存在一些分析场景，而HATP可以完美覆盖。是不是很神奇？
举个例子：每个家庭都有锅，有的是煮饭的，有的是炒菜的，偶尔炖炖汤，现在有一个既可以炒菜，又可以炖汤，还可以烧烤的万能锅，以后只需要一个锅就好了。”ALL IN ONE”!
4.云和数据库
另一个问题就是云，云原生数据库，Cloud Native。。。虚拟化也发展很多年了，无论是半虚拟化还是全虚拟化；无论是虚拟机还是容器技术，都在不断地细化隔离进程资源，从而实现资源的有效利用和云服务能力。有一句话比较赞同，具备云特性的服务，就是云原生的。换句话说，云原生不是准入门槛，而是对服务本身的描述，比如服务的扩展能力，容错能力，交付能力等。
对于数据库是否上云，除了和一般应用程序要考虑的改造问题外，数据库作为有状态的服务，还要考虑数据安全，存储，高可用和故障恢复问题，当然还有非常重要的是性能损耗问题。个人看法，如果出发点是思考数据库是否上云，建议慎重；如果出发点是考虑是否在云上建设数据库服务，建议是需要。看起来是一回事？其实有本质区别，前者更容易成了为了上云而上云，特别是单独把数据库上云的情况，必然会做出一些妥协。后者则是基础云先行，从应用到中间件到数据库服务，全线做云化适配和改造，结合微服务和大中台两极化发展，无论未来是平衡态还是处于某一端，对于数据库来说，弹性服务能力显得应变能力更好。
5.数据库原来的样子
当潮水退去，相信数据库会回归本质，成为它原来的样子。在存储管理，索引，查询优化，并发，锁，事务，故障恢复这些数据库自身应该去解决问题上不断深耕。当然随着硬件的发展，未来的处理器，存储计算，内存计算的发展，数据库相应的实现也会随之变化。最终，数据库依然是一个数据存取系统，提供可靠的高效的数据存储和查询服务，仅此而已。而基础理论突破才是关键，比如数据模型，事务控制，CAP等。如果存储服务可以无限扩展而不用牺牲性能，分布式意义何在？分布式计算的网络开销和调度消耗，与其带来的扩展能力如何兼得？未来，业务系统会越来越大，还是会越来越小，继而是需要“小而美”的数据库，还是需要“大而全”的“数据库中台”？或者是共存？无论是哪一个路线，对于数据库基础要求，从未发生变化。
6.数据库的未来
计算机行业日新月异，新技术不断出现，老技术不断淘汰。Cobol程序员80岁还要出来维护代码，可见快速迭代带来的断层很明显。开发语言的快速变化让刚入行的从业人员十分茫然。而操作系统，编译原理，数据库这些底层服务，变化相对要慢一些，带来的影响确更大更深远。未来的数据库，依然会不断进化：
多模型化。数据模型是数据库的基础，也是理论核心。关系模型称霸这么多年，不断有新的数据结构出来挑战，比如json，xml，object，图，空间等，未来数据库会支持更多类型的数据模型，同时也期待更好的数据模型出现，
场景选型。依据系统所处的场景，数据类型，数据规模，访问模型等特性来选择合适的数据库会更普遍，选择一个合适的数据库比选择一个万能的数据库更明智。这里云化的优势会比较明显，云数据库的可变性更强，可以适配不同场景，规模，负载的应用场景。这里有个未知数，关于复杂化分析型场景，数据库能不能占据一定比例还是有待观望的。
数据集成。从业务系统运行开始，数据库就开始不断积累，越来越大，到达存储瓶颈时，就产生了拆分、扩展需求。数据仓库，实时系统和分析系统这三者之间数据集成问题，将是亟待解决的问题，涉及到数据同步，类型转换等问题。可能存在一个处于数据系统之间，企业之间，行业之间的“数据总线”,连接这些数据源，如同人的大脑一样，有一个递进的思考过程。 |
|
