细数数据库技术从上世纪60年代兴起到如今，已有40余年的历史。从开始的层次数据库、网状数据库，到关系数据库管理系统，再到现在数据库技术与多学科技术有机结合后产生的分布式数据库、并行数据库、演绎数据库、多媒体库、移动数据库等等，它们共同构成的数据库大家族，热闹非凡。
那么，数据库技术在未来的发展上会有哪些明显趋势呢?记者怀揣着这样的问题采访了Sybase中国有限公司售前总监宋一平。在数据库领域有着10多年工作经验，并一直工作在数据库应用最前沿的宋一平，对数据库技术未来的发展方向有着自己独到的见解。
存储方式将向“列存储”靠拢
到底是行存储还是列存储，主要看如何应用数据信息。
以前数据库都是以行的形式存储。理由很简单，用户需要的是对单条数据的读取和存储。而现在，单纯的数据记录已经不足以支撑企业发展了，企业更需要的是数据分析和决策支持。那么，单纯看一条记录也就没有了意义，而是要把所有数据的某项共性统计出来进行分析，这就是“列”的概念。
列存储的出现，实际上就是对数据分析需求的增多。而分析需求则一定是对某一个列的访问。
“以中国移动为例，上亿的用户，每个月都有超过TB级的数据，哪些是VIP用户，该如何根据他们的需求提供专有服务?对于那些动感地带的用户，到底应该制定哪些优惠政策?除了简单看话费，是不是还应该能从中挖掘出他们的消费特点，进行更有针对性的业务推广活动?所有这些需求，就不再是仅仅看一条数据的问题，而需要频繁对列进行 *** 作。因此，我预计，不出半年，各大数据库厂商都会推出以列为存储方式的数据库。”宋一平直言。
记者简单了解到，近半年来确实出现不少认同以“列”存储的理论文章。这个Sybase从1997年就开始“守”了近10年的专利，估计就要难以再守了。
数据库规模将呈“两头”发展
“数据库的规模会向‘两头’发展，即大的越来越大，小的越来越小。”宋一平进一步解释，“所谓大的，主要是指企业级数据库的规模。10年前，数据库存储的数据大都以GB为基准衡量，几十GB就已经非常庞大了。而现在，仅仅广东移动一个公司每个月新增的数据量就已经用TB来衡量，相信不出3年，很多企业要存储的数据就要达到PB级。数据量越来越大，需要更大的数据库来做支撑，这就是数据库的发展方向之一。”
随着计算机的普及，计算机应用点的增多，数据存储量自然也就大了。记得一位网友曾经制作自己某一天的“数字化生活”，把这一天的吃喝拉撒睡全部用摄像头记录下来。这就是他的 “数字化生活”，把生活整个变成数字化的信息数据，这也是未来人们生活一个重要的方面。数据越来越多，数据库技术想要自如应对这样的发展，只有越来越大。
另一方面，数据库又会越来越小。
你知道吗?目前在国外的一款卡西欧手表中就带有Sybase的数据库。手表可以随时记录天气情况、气压以及佩戴者的血压、心跳、步频等数据，佩戴者还可以把这些数据下载到计算机上做简单的分析，这种数据库虽然并不要求数据存储量大，但却要求在低计算量的情况下能快速反应，并能适应外界环境的变化。小数据库主要集中在移动数据库领域，现有技术已经能够提供很好的支持。
“数据仓库”概念渐入人心
很多数据库厂商认为，数据库一个就行，“一专多能”，既能用它进行实时交易，也能用它来进行数据分析。
但事实却并非这样简单。很多用户现在在前台一边需要数据库提供实时交易功能，一边又需要有很快的响应速度，而在后台，则又需要设立一些规则进行数据分析和商务智能分析。Sybase就认为，这两个数据库应该是两种格式，毕竟它们应用的需求不同。因此，从产品设置上，Sybase有交易型数据库和分析型数据库两种。
而数据仓库则是位于后台，存储着可供企业进行深度分析及决策使用的数据。数据仓库中的数据一般按照一定的主题域进行组织，主题是一个抽象的概念，是指用户使用数据仓库进行决策时所关心的方面，一个主题通常与多个 *** 作型信息系统相关。同时，一般企业会有好几个数据库，这些数据库之间是相互独立，并且往往是异构的。而数据仓库中的数据则是在对原有分散的数据库中的数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。一旦某个数据进入数据仓库以后，一般情况下将被长期保留来反映某一时间段的变化。
非结构化数据结构化存储
“我认为，非结构化数据仍然不能直接纳入数据库中。”宋一平表示，“说到这里，可能大家都认为我在逆潮流而动，现在很多数据库厂商都可以接受图像、视频等非结构化数据的存储，可Sybase怎么还要死守着结构化数据呢?我认为，非结构化数据要想进入数据库，仍然需要结构化，只是这种结构化的方式各厂商不一样，而且相比以前有了很大的进步和提高。”
还记得，以前我们图片的记录方式是记录它的文件名，如果文件名中提到了某个人的名字，那么在整个数据库查询的时候，就可以把这个图片找到。宋一平对记者说：“这样做非常不科学的。”因为很多非结构化数据的文件名起的并不可能完全，如果强行把非结构化数据拉入结构化数据库中，显得不合适，影响 *** 作的便利。
那么，现在大家是如何把非结构化的数据变成结构化的呢?“其实很简单”，宋一平解释，“就是用结构化的数据描述非结构化数据。比如图片，就用点和位置来记录图片中每个像素。一旦需要做查询的时候，可以根据像素的组合记录来比对，把符合比对要求的数据全部筛选出来。这样就把非结构化数据以结构化的方式纳入到数据库中，并能接受查询、检索等 *** 作。”
数据库技术发展几十年来，有些技术风光一时，但终究被淘汰有些技术则一直沿用至今。所有的预测都只能是方向性的，各数据库厂商彼此的理解也有差异。未来的数据库会如何发展，我们拭目以待，但可以肯定那一定是最满足用户需求的。
MogDB已经成为许多企业优先考虑的关系数据库。云和恩墨致力于发挥全栈产品加服务的企业优势，优先支持鲲鹏算力，在MogDB的运行平台、管理工具、SQL审核和运维服务等方向推出整体解决方案，为用户提供可信赖的企业级产品和服务，为openGauss的开源生态持续贡献力。在产品层面，MogDB在openGauss原有功能的基础上增加了MogDB企业级高可用组件，以及功能丰富的图形化管理工具MogDB-Manager，并在既定路线上持续不断对openGauss内核进行增强。MogDB可最大限度地保障多机房高可用部署能力，4路服务器上可以达到250万tpmC。MogDBManager包含多种实用组件，如MTK数据库迁移、SCA兼容性分析、MVD数据一致性校验、MIT性能监控、MDB异构数据同步、RWT性能压测、PTK自动化部署等，极大程度上完善了openGauss开源数据库的不足之处，丰富了各项企业级功能。在服务层面，云和恩墨拥有数十年的数据库运维经验，可提供完整的兜底服务，确保数据库更加稳定，应用改造更加平滑，风险更小，弥补openGauss开源数据库人力运维不足的劣势，同时降低维护成本。
MogDB是EnMotech-openGauss-Database-Enterprise-Edition的缩写，是云和恩墨基于openGauss开源数据库进行定制、推出的企业发行版，提供面向多核的极致性能、全链路的业务和数据安全，具备基于AI的调优和高效运维的能力。同时将围绕高可用、安全、自动化运维和SQL审核优化等企业需求，解决企业用户落地。其核心价值是易用性、高性能、高可用等和全天候的企业支持。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）