数据库丨研究报告
核心摘要：
中国数据库市场规模：据艾瑞统计，2020年中国数据库市场总规模将达到2.47.亿元，同比增长16.2%。未来三年有望保持高增长，多种利好因素促成：1）政策支持、本地化和数字化转型带动需求增长；2）各类厂商积累了很多，产品和技术已经成熟；3）企业对基础软件的支付意愿逐年提高。
中国数据库市场格局：1）多类型数据库百花齐放，关系型数据库绝对主流。2020年中国关系型数据库市场占有率将达到90%左右；2020年，大盟等国内传统厂商市场占有率将提升至7.1%，国外厂商将降至52.6%；3）2020年中国公有云部署模式数据库市场份额占比32.7%，近年来增速放缓。预计2025年将达到47.2%。云厂商将成为中国数据库市场份额最大的阵营；4）初创企业不断涌现，预计未来五年将有10倍以上的增长空间。
中国数据库市场的挑战与趋势：2010年左右以来，中国数据库市场进入了活力全面释放的十年，但在分布式改造、本地化、数据迁移、跨库管理、组合等诸多方面仍面临挑战的软件和硬件。艾瑞认为，“多场景、集成、云、仓一体化、开源、人工智能”将成为中国数据库市场未来发展的必然趋势。
供应方
全球数据库发展历程
数据库和互联网的发展相互促进，技术和产品趋于成熟和完善
受益于市场需求和技术沉淀，进入百花齐放的高速发展期
1980年代以来，我国的数据库市场逐渐发展起来。经过最初的技术萌芽期和国外厂商的垄断期，21世纪初，在863计划、核高基计划等国家政策的支持下，一批具有大学背景的国内厂商成立，打破了与IBM一统天下的格局。2010年代，随着市场需求的增长和技术的沉淀，一些云厂商和新兴的独立厂商开始提供数据库产品。近年来，借助本土化热潮，不少软件厂商、集成商、运营商等也开始入局，发展自己的数据库能力。
中国数据库产业地图
中国数据库市场规模
政策和数字化释放需求，2020年市场规模将达到2.47.1亿
据艾瑞咨询，2020年中国数据库市场总规模将达到2.47.1亿，比2019年增长16.2%，CAGR（2020-2025e）将达到1< @5.6% 。2020-2022年，中国数据库市场将快速增长，这是由多方面因素造成的：1）政策利好，国家大力鼓励国内数据库厂商发展；2）需求带动，本地化和数字化建设带动需求爆发式增长；3）供给侧多家厂商发力，传统、初创、跨界厂商积累不少，产品和技术经历工程实践打磨成熟；4）
中国数据库市场发展特点
多类型数据库百花齐放，关系型数据库绝对主流
随着互联网的发展，各类数据爆炸式增长，各种创新业务场景层出不穷，进而推动供给侧厂商技术和产品架构的创新。从2010年代左右开始，各种类型和技术路线的数据库厂商纷纷成立，中国数据库市场进入了百花齐放的阶段。但从商业价值来看，中国数据库市场的收入仍主要来自关系型数据库，而NoSQL数据库更多是开源模式，造成二次开放和服务费。
在政策的帮助下，国内厂商积累了很多，市场迅速扩大
借助政策红利，国内厂商经过多年的技术研发和经验积累，市场份额逐年提升。在国内阵营中，以“大盟、人大金仓、南大将军、神州将军”为代表的一批2000年前后成立的国内传统数据库厂商，近年来开始发力。开源正在走向自主研发，实力不断增强。在党政军市场有良好的表现。同时，也开始向能源电力、运营商、交通等其他行业快速扩张。此外，初创厂商、云厂商、ICT厂商等。近几年也开始在数据库市场发力，国内阵营愈发强大。相比之下，国外的数据库厂商如OLTP、IBM等，虽然在OLTP的核心场景中仍有较高的市场份额ibms数据库，但整体市场份额正逐渐被蚕食。
公有云数据库增速放缓，未来仍有一定渗透空间
中国公有云部署模式数据库近三年增长迅速，2020年达到32.7%的市场份额。虽然未来增速放缓，但仍有一定空间渗透。从应用逻辑来看，数据库服务于数据，数据应用到业务上最终会产生价值；反之，业务端的创新和数据变化也会反馈给数据库市场。从最终业务端来看，现阶段云数据库多用于互联网行业和传统行业的互联网场景。未来，随着行业端更多的业务创新，有望进一步拉动对云数据库的需求。
借助 HTAP 和 NoSQL 等新技术，初创企业不断涌现
一批在2015年前后成立的初创厂商，借助SQL on、NoSQL等新技术架构，以开源或垂直领域商业化的思路，逐渐提升市场影响力。很棒的表演。从现阶段来看，其收入市场份额较小，但增速相对较快。是中国数据库市场增长最快的赛道，预计到2025年实现十倍的扩张。随着市场的大浪淘沙，未来初创数据库厂商赛道将趋于收敛，市场份额将集中到少数具有核心技术优势和高价值应用场景的优秀厂商。
需求方
采购流程
不同公司的组织架构和选拔要求不同，采购流程也不同。
选择指标
综合考虑外部因素、产品技术相关因素和服务价格因素
参考企业的业务采购流程，一般的数据库选择从前期到后期都会综合考虑外部因素（自身技术路线、资质、品牌口碑和行业案例、生态建设等）、产品技术- 相关因素（一致性、兼容性、可扩展性、性能、功能丰富度、安全性等），以及后期价格服务因素（方案、性价比、服务响应速度、培训系统等）。
示例场景 - 财务
对“高可用/强一致性/低延迟”的高要求，分布式改造是下一个重点
对于银行等金融企业来说，其业务数据的价值相对较高，因此对数据库“高可用、强一致性、低延迟”的要求是极端的。在TP场景下，银行下一步选择的重点是分布式转型。最初的解决方案主要是“中间件+分库分表”或者“原生分布式架构”。中间件路由方案成熟，性能好，是现阶段大部分客户的选择；而原生分布式架构在可扩展性上有着天然的优势，未来有着更广阔的发展空间。
示例场景 - 互联网教育
业务快速扩张，注重可扩展性、成本控制和成熟度
受益于互联网和疫情，教育行业近年来呈现出“收入高增长、业务迭代快”的特点。因此，企业在选型时更加注重数据库的可扩展性，希望产品能够及时响应公司版图的扩大和业务的变化。同时，教育行业技术化程度不强，企业对数据库强一致性、高性能、高可靠性没有极端要求，更多会考虑产品成本控制和成熟度。企业在选型时比较保守。虽然看好一些新产品（如HTAP数据库、云原生数据库），他们希望数据库产品有丰富的工程实践，可以立即使用，专业人才招聘容易。因此，MySQL数据库成为许多（互联网）教育公司的最佳选择。考虑到成本和便利性，云托管在业界也很受欢迎。
挑战与趋势
挑战一
分布式实践还有很多问题
横向扩展的设计思路并不创新，但在历史上并没有被广泛使用。一方面分布式环境使得事务ACID特性难以实现，另一方面单机性能可以升级满足企业的数据需求。但是，随着摩尔定律在一定程度上失效以及互联网的发展，硬件性能的升级已经跟不上海量数据的增长。分布式近年来受到广泛关注，不少厂商推出了相应的分布式数据库产品。但是在分布式的前提下，还有很多问题有待探索，比如分布式事务的解决方案、架构的创新、数据分片的智能化、
挑战二
新创为国内厂商成长提供沃土，未来发展仍需市场锤炼
新创是信息技术应用创新，是在复杂的国际政治背景下，以国家政策为导向的新一轮信息产业创新。“新创”对产业侧和需求侧企业来说都是重要机遇。国内数据库厂商借政策助其拓展市场，在实际场景中打磨产品，不断更新迭代，实现自身技术实力真正弯道超车；传统行业企业、政府等也可以以此为契机，实现业务的数字化转型和创新发展。然而，新创并非一日之功。从产业发展的角度来看，
挑战三
数据迁移和多数据库管理带来新挑战
面对商业形态多样、商业模式不断变化、需求变化频繁的当代市场，数据库和应用系统的存在形式越来越多。一个企业往往会有多个系统，从本地到云端，从关系到非关系，从OLTP到OLAP，从国外品牌到国内品牌，以及跨数据库查询、数据导出和迁移、数据库之间的结构变化等操作已完成。成为常态。数据迁移频繁、多库并存的现状，大大增加了企业后期的使用成本（运维成本、人工成本、多技术栈学习成本、迁移成本、二次开通成本等）。 ） “ 新的挑战。
挑战四
CPU、内存等硬件变化为数据库设计提供更多想象空间
数据库系统遵循“木桶理论”，硬件和软件作为系统的核心组成部分，相互制约、相互促进。新硬件的发展给数据库软件的发展带来了新的挑战。比如多核CPU技术日趋成熟，但实际应用中并发控制冲突限制了核数增加带来的性能提升。如何优化多核CPU调度给厂商带来了新的问题。与此同时，大容量内存和高速硬盘开始普及，NVM非易失性内存逐渐成熟。内存的潜力被释放，如何用新的存储介质设计新的数据库架构仍有待探索。所以，
趋势一：多场景 | 融合
结合子场景的多样化发展是必然选择，用户简化需求驱动的融合与融合也不容忽视。
从产品的角度来看，不同的场景有不同的特点，对数据库读写性能、吞吐量和一致性的要求也不同。为了支持不同场景下的不同需求，数据库多样化是必然的选择。比如IoT场景中写入的数据量特别大，对实时性的要求特别高，但是数据自然是时序的，具有静态特性，所以时序数据库会更有优势比传统的事务数据库。
从用户的角度来看，除了一些领先的互联网公司，其他大中小型企业的IT人员比例都不高，对口的数据库团队数量会更少。对他们来说，日新月异的技术栈和各种类型的数据库带来了巨大的学习和维护成本，所以他们希望有集成的产品/平台直接使用或统一管理。对于这类企业，他们更倾向于购买能满足70%需求的集成产品，而不是能满足100%需求的多种产品。目前市场上的HTAP/数据库、多模态数据库、统一管理平台，满足企业简化集成的需求。因此，“一体化”
趋势二：DBaaS
解决弹性伸缩问题，为供应商和企业提供更多想象空间
随着企业业务规模的扩大和数字化转型的推进，也对数据库系统提出了新的要求：传统的建设模式项目周期长，无法跟上业务的新速度；缺乏统一的管理平台；资源采购和系统规划是基于现有规模，难以随业务变化灵活扩展。DBaaS（as a）是以服务化的方式为数据库提供基础IT资源，多租户动态调整，解决成本和响应问题。一些对数据自主性和安全性要求较高的大型企业，可以选择使用私有云或专有云将其数据库转为云端。
趋势三：湖仓一体化
架构创新，同时实现海量大数据的在线交易和在线分析
1980年代以来，数据仓库技术不断发展，特别是MPP架构使DBMS能够处理大量数据，满足企业通过数据分析支持业务决策的需求。但随着互联网的发展，很多企业需要同时处理非结构化数据、半结构化数据和海量结构化数据。数据湖诞生了。它可以直接存储各种格式的原始数据，并根据用户需求进行计算，具有灵活性和弹性的优点。然而，数据湖虽然适合存储多样化的数据，但缺乏一些企业级的功能，在实际实现中存在诸多挑战：数据处理不足、实时分析困难、数据查询性能差、
面对企业海量大数据场景下在线交易和非结构化数据治理的需求，以及数据仓库/数据湖架构的局限性，以阿里云、巨山为代表的新一代“湖库一体化”数据库数据库 制造商正在迅速增长。在湖仓一体的架构下打通了数据仓库和数据湖，将两种架构的优势结合在一起。底层多套存储系统共存，相互共享数据，形成资源池。同时支持在线交易和在线分析。
趋势四：开源
开源模式成为工业互联网时代数据库厂商的一把破刃
从产业发展的角度来看，一方面，开源模式提高了数据库产品开发的“效率”。开放源代码，避免研发人员重复开发基础程序；另一方面，也有助于产品的技术“创新”。开源社区最大程度地汇聚全球资源，为开发者提供交流讨论的空间，从而加速创新灵感的诞生。对于厂商来说，虽然表面上企业无法从部署开源中获得直接收益，但在这个过程中，可以部署产品的生态建设（包括人才培养、市场教育、实践反馈、企业文化、产品影响力、配套周边产品等），从而为自己赢得有利的战略地位。在移动互联网向工业互联网发展的转折点，开源模式并不是云厂商、传统厂商、新兴厂商拓展市场的利器。
趋势五：智能
人工智能扩展DBA能力半径，优化数据库性能
随着移动互联网向工业互联网的发展，数据每天呈指数级增长，呈现多模态特征。面对复杂海量的数据，数据库的种类越来越多，调试的范围也需要越来越广。但是大部分优化任务还是落在了DBA身上，需要人工调优，以至于人的能力逐渐跟不上数据库的发展。人工智能可以弥补人类能力的不足，解决许多多年来存在的数据库问题，如资源调度、索引设计与优化、查询优化、负载均衡设计、缓存失效等。AI可以有效预测，通过优化算法分析和自动化任务，从而降低人工成本，大大提高数据库性能。尤其是未来，随着云上数据库的广泛普及，智能资源调度将成为供应商需要面对的下一个问题。
