一份难得的数据库市场分析报告
目录
- 数据库分类维度：关系型/非关系型、交易型/分析型
- NoSQL数据库的进一步分类
- OLTP市场规模：关系型数据库仍占营收大头
- 数据库市场份额：云服务和新兴厂商主导NoSQL
- 开源数据库 vs. 商业数据库
- 数据库三大阵营：传统厂商和云服务提供商
最近由于时间原因我写东西少了，在公众号上也转载过几篇搞数据库朋友的大作。按说我算是外行，没资格在这个领域品头论足，而当我看到下面这份报告时立即产生了学习的兴趣，同时也想就能看懂的部分写点心得体会分享给大家。
可能本文比较适合普及性阅读，让数据库领域资深的朋友见笑了：）
数据库分类维度：关系型/非关系型、交易型/分析型
首先是分类维度，上图中的纵轴分类为Relational Database（关系型数据库，RDBMS）和Nonrelational Database （非关系型数据库，NoSQL），横轴的分类为Operational（交易型，即OLTP）和Analytical（分析型，即OLAP）。
按照习惯我们先看关系型数据库，左上角的交易型类别中包括大家熟悉的商业数据库Oracle、MS SQL Server、DB2、Infomix，也包括开源领域流行的MySQL（MariaDB是它的一个分支）、PostgreSQL，还有云上面比较常见的SQL Azure和Amazon Aurora等。
比较有意思的是，SAP HANA正好位于交易型和分析型的中间分界处，不要忘了SAP还收购了Sybase，尽管后者今天不够风光了，而早年微软的SQL Server都是来源于Sybase。Sybase的ASE数据库和分析型Sybase IQ还是存在的。
右上角的分析型产品中包括几款知名的列式数据仓库Pivotal Greenplum、Teradata和IBM Netezza（已宣布停止支持），来自互联网巨头的Google Big Query和Amazon RedShift。至于Oracle Exadata一体机，它上面运行的也是Oracle数据库，其最初设计用途是OLAP，而在后来发展中也可以良好兼顾OLTP，算是一个跨界产品吧。
再来看非关系型数据库，左下角的交易型产品中，有几个我看着熟悉的MongoDB、Redis、Amazon DynamoDB和DocumentDB等；右下角的分析型产品包括著名的Hadoop分支Cloudera、Hortonworks（这2家已并购），Bigtable（来自Google，Hadoop中的HBase是它的开源实现）、Elasticsearch等。
显然非关系型数据库的分类要更加复杂，产品在应用中的差异化也比传统关系型数据库更大。Willian Blair很负责任地对它们给出了进一步的分类。
NoSQL数据库的进一步分类
上面这个图表应该说很清晰了。非关系型数据库可以分为Document-based Store（基于文档的存储）、Key-Value Store（键值存储）、Graph-based（图数据库）、Time Series（时序数据库），以及Wide Cloumn-based Store（宽列式存储）。
我们再来看下每个细分类别中的产品：
文档存储 ：MongoDB、Amazon DocumentDB、Azure Cosmos DB等
Key-Value存储 ：Redis Labs、Oracle Berkeley DB、Amazon DynamoDB、Aerospike等
图数据库 ：Neo4j等
时序数据库 ：InfluxDB等
WideCloumn ：DataStax、Cassandra、Apache HBase和Bigtable等
多模型数据库 ：支持上面不只一种类别特性的NoSQL，比如MongoDB、Redis Labs、Amazon DynamoDB和Azure Cosmos DB等。
OLTP市场规模：关系型数据库仍占营收大头
上面这个基于IDC数据的交易型数据库市场份额共有3个分类，其中深蓝色部分的关系型数据库（RDBMS，在这里不统计数据挖掘/分析型数据库）占据80%以上的市场。
Dynamic Database（DDMS，动态数据库管理系统，同样不统计Hadoop）就是我们前面聊的非关系型数据库。这部分市场显得小（但发展势头看好），我觉得与互联网等大公司多采用开源+自研，而不买商业产品有关。
而遵循IDC的统计分类，在上图灰色部分的“非关系型数据库市场”其实另有定义，参见下面这段文字：
数据库市场份额：云服务和新兴厂商主导NoSQL
请注意，这里的关系型数据库统计又包含了分析型产品。Oracle营收份额42%仍居第一，随后排名依次为微软、IBM、SAP和Teradata。
代表非关系型数据库的DDMS分类中（这里同样加入Hadoop等），云服务和新兴厂商成为了主导，微软应该是因为云SQL Server的基础而小幅领先于AWS，这2家一共占据超过50%的市场，接下来的排名是Google、Cloudera和Hortonworks（二者加起来13%）。
上面是IDC传统分类中的“非关系型数据库”，在这里IBM和CA等应该主要是针对大型机的产品，InterSystems有一款在国内医疗HIS系统中应用的Caché数据库（以前也是运行在Power小机上比较多）。我就知道这些，余下的就不瞎写了。
开源数据库 vs. 商业数据库
按照流行度来看，开源数据库从2013年到现在一直呈现增长，已经快要追上商业数据库了。
商业产品在关系型数据库的占比仍然高达60.5%，而上表中从这列往左的分类都是开源占优：
Wide Cloumn：开源占比81.8%；
时序数据库：开源占比80.7%；
文档存储：开源占比80.0%；
Key-Value存储：开源占比72.2%；
图数据库：开源占比68.4%；
搜索引擎：开源占比65.3%
按照开源License的授权模式，上面这个三角形越往下管的越宽松。比如MySQL属于GPL，在互联网行业用户较多；而PostgreSQL属于BSD授权，国内有不少数据库公司的产品就是基于Postgre哦。
数据库三大阵营：传统厂商和云服务提供商
前面在讨论市场份额时，我提到过交易型数据库的4个巨头仍然是Oracle、微软、IBM和SAP，在这里William Blair将他们归为第一阵营。
随着云平台的不断兴起，AWS、Azure和GCP（Google Cloud Platform）组成了另一个阵营，在国外分析师的眼里还没有BAT，就像有的朋友所说，国内互联网巨头更多是自身业务导向的，在本土发展公有云还有些优势，短时间内将技术输出到国外的难度应该还比较大。（当然我并不认为国内缺优秀的DBA和研发人才）
第三个阵容就是规模小一些，但比较专注的数据库玩家。
接下来我再带大家简单过一下这前两个阵容，看看具体的数据库产品都有哪些。
甲骨文的产品，我相对熟悉一些的有Oracle Database、MySQL以及Exadata一体机。
IBM DB2也是一个庞大的家族，除了传统针对小型机、x86（好像用的人不多）、z/OS大型机和for i的版本之外，如今也有了针对云和数据挖掘的产品。记得抱枕大师对Informix的技术比较推崇，可惜这个产品发展似乎不太理想。
微软除了看家的SQL Server之外，在Azure云上还能提供MySQL、PostgreSQL和MariaDB开源数据库。应该说他们是传统软件License+PaaS服务两条腿走路的。
如今人们一提起SAP的数据库就想起HANA，之前从Sybase收购来的ASE（Adaptive Server Enterprise）和IQ似乎没有之前发展好了。
在云服务提供商数据库的3巨头中，微软有SQL Server的先天优势，甚至把它移植到了Linux拥抱开源平台。关系型数据库的创新方面值得一提的是Amazon Aurora和Google Spanner（也有非关系型特性），至于它们具体好在哪里我就不装内行了：）
非关系型数据库则是Amazon全面开花，这与其云计算业务发展早并且占据优势有关。Google当年的三篇经典论文对业界影响深远，Yahoo基于此开源的Hadoop有一段时间几乎是大数据的代名词。HBase和Hive如今已不再是人们讨论的热点，而Bigtable和BigQuery似乎仍然以服务Google自身业务为主，毕竟GCP的规模比AWS要小多了。
最后这张DB-Engines的排行榜，相信许多朋友都不陌生，今年3月已经不是最新的数据，在这里列出只是给大家一个参考。该排行榜几乎在每次更新时，都会有国内数据库专家撰写点评。
以上是我周末的学习笔记，班门弄斧，希望对大家有帮助。
参考资料《Database Software Market:The Long-Awaited Shake-up》
https://blocksandfiles.com/wp-content/uploads/2019/03/Database-Software-Market-White-Paper.pdf
扩展阅读：《 数据库&存储：互相最想知道的事 》
尊重知识，转载时请保留全文。感谢您的阅读和支持！
绛旓細鏁版嵁搴撶鐞嗙郴缁熺粡鍘嗕簡30澶氬勾鐨勫彂灞曟紨鍙,宸茬粡鍙栧緱浜嗚緣鐓岀殑鎴愬氨,鍙戝睍鎴愪簡涓闂ㄥ唴瀹逛赴瀵岀殑瀛︾,褰㈡垚浜嗘婚噺杈炬暟鐧句嚎缇庡厓鐨勪竴涓蒋浠朵骇涓氥傛牴鎹瓽artner Dataquest鍏徃鐨勮皟鏌,2000骞村浗闄鏁版嵁搴撳競鍦閿鍞婚杈88浜跨編鍏,姣1999骞村闀10%銆傛牴鎹瓹CID鐨勬姤鍛,2000骞寸殑涓浗鏁版嵁搴撶鐞嗙郴缁熷競鍦洪攢鍞婚杈24.8浜垮厓,姣1999骞村闀夸簡41.7%,...
绛旓細涓銆甯傚満鍒嗘瀽鎶ュ憡涓鐨勬暟鎹鏄庝箞寰楁潵鐨勶紵??鍏徃鐩稿叧浜у搧鐨勬敹鍏ョ粺璁″拰鏁版嵁鍒嗘瀽锛屽強鏃朵簡瑙ｅ競鍦虹姸鍐碉紝绔炰簤瀵规墜鐨勫弽棣堟儏鍐点傛暟鎹垎鏋愮浉鍏崇殑甯傚満绛栫暐锛屾彁渚涘悎鐞嗙殑寤鸿銆傛彁渚涚浉鍏虫暟鎹紝浠ユ敮鎸佸叕鍙哥殑涓氬姟閮ㄩ棬銆傜殑鐮旂┒鏂规硶鍜屽垎鏋愬伐鍏凤紝鐔熺粌浣跨敤鍚勭缁熻鍒嗘瀽杞欢銆傚浗瀹朵竴绾х殑鐩稿叧閮ㄩ棬锛屾瘮濡傜粺璁″眬锛屾捣鍏筹紝浜鸿绛夐兘鏈夊ぇ閲...
绛旓細鍏堟潵鐣屽畾涓涓嬶紝浠涔堝彨鍋甯傚満鍒嗘瀽鎶ュ憡銆傛墍璋撶殑甯傚満鍒嗘瀽鎶ュ憡锛屼富瑕佹槸娲炲療琛屼笟绔炰簤鍔涖佽涓氱珵浜夋牸灞绛夌姸鍐点傚ぇ鑷存寜鐓у垎绫绘潵璇达紝鍙互鍒嗕负甯傚満娲炲療銆佺珵鍝佸垎鏋愪互鍙婅涓氬垎鏋愬嚑澶ф柟闈傚叾涓秹鍙婂埌鐨勬暟鎹鍩烘湰闈㈠寘鎷暣涓競鍦虹殑鏁版嵁銆佸搧鐗岃嚜宸辩殑鏁版嵁浠ュ強鍝佺墝绔炲搧鐨勬暟鎹傞偅锛岃繖浜涘垎鏋愯搴︾殑鏁版嵁婧愬張鏄潵鑷簬浠涔堝湴鏂瑰憿锛
绛旓細甯傚満璋冪爺鍏徃閭ｄ箞澶氾紝姣忓閮芥湁鍚勮嚜鐨勬暟鎹簱鍜岀洃娴嬬郴缁燂紝甯傚満璋冪爺鍛樼殑姘村钩涔熶笉涓鏍枫傛潈濞佹у缓璁牴鎹ご閮ㄥ競鍦鸿皟鐮旀満鏋勬搮闀跨殑棰嗗煙涓嶅悓鑰岄夋嫨銆傛瘮濡傛垜灏辫亴鍦ㄧ┖璋冭涓氾紝鎹峰瓪鍑競鍦哄挩璇㈢殑鏁版嵁瀵规垜鏉ヨ灏辨瘮杈冩湁鐢紝浠栦滑瀵逛簬鍥藉唴澶栫┖璋冦佸僵鐢点佹礂琛ｆ満杩欎簺鍝佺被閮芥湁鐩戞祴鏁版嵁鍜甯傚満鎶ュ憡鍒嗘瀽鐨勬湇鍔°
绛旓細褰撶劧锛岃鏄寰楄拷鍔犳暟鎹兘楹荤儲锛岄偅灏忚崏鑾撳缓璁洿鎺ュ皢鍚庡彴鏁版嵁搴鎺ュ叆鍒癇DP锛屽彧瑕佹暟鎹簱鏁版嵁鏇存柊锛屽湪BDP涓鐨勬暟鎹姤鍛缁撴灉涔熷氨鏇存柊浜嗭紝鏄笉鏄倰楦″揩鍟婏紒鏀惧績锛孊DP鏄竴涓簯绔暟鎹钩鍙帮紝鎺ヨЕ涓嶅埌鐢ㄦ埛鐨勬暟鎹紝鎵浠ュぇ鑳嗘帴鍏ユ暟鎹簱鍚э紝杩欐牱鍒嗘瀽鏁堢巼鑳藉ぇ骞呮彁楂樺憿锛3銆佸垎浜姤鍛婏細鏈鍚庡彧闇杞昏交鐐瑰嚮浠〃鐩樺彸涓婅鐨勨...
绛旓細2.鏁版嵁鏀堕泦 鏍规嵁鐩殑鍜岄渶姹傦紝瀵鏁版嵁鍒嗘瀽鐨勬暣浣撴祦绋嬫⒊鐞嗭紝鎵惧埌鑷繁鐨勬暟鎹婧愶紝杩涜鏁版嵁鍒嗘瀽锛屼竴鑸暟鎹潵婧愪簬鍥涚鏂瑰紡锛鏁版嵁搴銆佺涓夋柟鏁版嵁缁熻宸ュ叿銆佷笓涓氱殑璋冪爺鏈烘瀯鐨勭粺璁″勾閴存垨鎶ュ憡(濡傝壘鐟炶祫璁)銆甯傚満璋冩煡銆3.鏁版嵁澶勭悊 鏁版嵁鏀堕泦灏变細鏈夊悇绉嶅悇鏍风殑鏁版嵁锛屾湁浜涙槸鏈夋晥鐨勬湁浜涙槸鏃犵敤鐨勶紝杩欐椂鍊欐垜浠氨瑕佹牴鎹洰鐨勶紝瀵...
绛旓細鍙互鐧诲綍鑹惧獟鎶ュ憡涓績(report.iimedia.cn)锛屽畠鏄叏鐞冪煡鍚嶇殑鏂扮粡娴庝骇涓氱涓夋柟鏁版嵁鎸栨帢鍜屽垎鏋愭満鏋勮壘濯掑挩璇㈡棗涓嬫柊缁忔祹琛屼笟鏁版嵁鎶ュ憡鍙戝竷骞冲彴锛岀幇鏈夊墠娌鍒嗘瀽鎶ュ憡瓒呰繃20000浠斤紝鎻愪緵楂樻竻鐗堜笅杞姐鎶ュ憡搴琛屼笟瑕嗙洊浜嗕汉宸ユ櫤鑳姐佹柊闆跺敭銆佺數鍟嗐佹暀鑲层佽棰戙佺敓鐗┿佸尰鐤椼侀煶涔愩佸嚭琛屻佹埧浜с佽惀閿銆佹枃濞便佷紶濯掋侀噾铻嶃佺幆淇濅笌...
绛旓細PitchBook銆丏ow Jones VentureSource銆丯VCA绛夛級銆備俊鎭幏鍙栫殑灞傛鍖呮嫭琛屼笟鎶ュ憡銆佹繁搴鍒嗘瀽涓庨娴嬨侀潪鍏紑甯傚満淇℃伅锛屼互鍙婅繍鐢ㄩ珮绾ф妧宸у鐖櫕鍜鏁版嵁鎸栨帢鏉ユ彁鍗囦环鍊笺傝浣忥紝姣涓浠芥姤鍛閮芥槸涓涓獥鍙ｏ紝鍏抽敭鍦ㄤ簬濡備綍绛涢夊拰鏁村悎锛屼互鏋勫缓浣犺嚜宸辩殑琛屼笟鐭ヨ瘑浣撶郴銆備笉鏂Н绱紝鐏垫椿杩愮敤锛屼綘灏辫兘鍦ㄤ俊鎭捣娲嬩腑娓稿垉鏈変綑銆
绛旓細鏁版嵁鍒嗘瀽甯堟寚鐨勬槸涓嶄竴鏍烽鍩熶腑,涓撲笟琛屼笟鎶ュ憡鏀堕泦銆佹⒊鐞嗐佸墫鏋,骞舵牴鎹暟鎹俊鎭綔鍑鸿涓氱爺绌躲佽瘎瀹氬拰棰勪及鐨勪笓涓氭妧鏈汉鍛樸傛剤鏉ユ剤澶氱殑鏀垮簻閮ㄩ棬銆佹満鍏充簨涓氬崟浣嶅皢鎸戦夋湁鐫鏁版嵁鍒嗘瀽甯堣祫璐ㄨ瘉涔︾殑涓撲笟浜哄憳涓哄ス浠殑鏂伴」鐩綔鍑虹瀛﹀悎鐞嗐佹湁鏁堢殑鍓栨瀽銆佷究浜庢伆褰撶鐞嗗喅绛;鎰堟潵鎰堝鐨勯闄╂姇璧勫熀閲戞妸鏂伴」鐩暟鎹垎鏋愬笀鎵鎻愪緵鐨勭粺璁″垎鏋...
绛旓細4. 涓撲笟鏁版嵁搴撳拰鍜ㄨ鏈烘瀯锛氫竴浜涗笓涓鐨勬暟鎹簱鍜屽挩璇㈡満鏋勶紝濡傚江鍗氱粓绔乄ind璧勮绛夛紝鎻愪緵澶ч噺鐨勮涓氭暟鎹拰甯傚満淇℃伅銆傝繖浜涙満鏋勭殑鏁版嵁缁忚繃鍔犲伐鍜屽鐞嗭紝鏂逛究鍒嗘瀽甯堣繘琛屾繁搴﹀垎鏋愬拰妯″瀷鏋勫缓銆傝涓鍒嗘瀽鎶ュ憡鐨勬暟鎹潵婧愬箍娉涳紝鍖呮嫭瀹樻柟缁熻鏁版嵁銆佸競鍦鸿皟鐮斻佸叕寮淇℃伅浠ュ強涓撲笟鏁版嵁搴撳拰鍜ㄨ鏈烘瀯绛夈傝繖浜涙暟鎹粡杩囨敹闆嗐佹暣鐞嗗拰鍒嗘瀽...
