中國獨特的商業環境和對技術自主可控的強烈需求，帶來了中國數據庫管理系統（以下簡稱為“數據庫”）市場的繁榮和多樣性。

雖然中國的數據庫廠商在許多方面，如云生態系統的建立和云財務治理等方面，仍然落后于以亞馬遜云服務、谷歌、微軟和甲骨文為代表的外國廠商，但在中國獨特的業務環境下，本土廠商的產品演進十分迅速，且產生了差異化優勢，因此在一些應用場景中具備競爭力。

中國本土數據庫具有以下幾個主要技術特征。

分布式事務型數據庫的采用率正在上升

分布式事務型數據庫已經成為企業機構支撐核心業務系統的現實選擇，它們在中國的使用增長速度要快于世界其他地區。

Gartner對分布式事務型數據庫（DTDB）的定義是：可在任何分布式數據庫實例節點上執行事務的數據庫。這項技術的特點在于，在接受地理上分散分布的節點寫入的同時，保持數據完整性和一致性，且性能合格。

在中國的移動互聯網蓬勃發展過程中，實現業務敏捷性的主要阻礙是數據工作負載規模化的速度和成本。工作負載的需求增長，不僅使業務性能降低，而且，如果企業機構決定擴充資源，則還會帶來額外的高昂硬件成本。使用DTDB，不僅可以支持應用的高并發和高數據吞吐量，還可以減少對由外國廠商提供的大型機硬件的依賴——這也與國家“自主可控”戰略舉措的目標相符。

今天，隨著諸如分布式一致性共識算法和并發控制技術等大量技術創新的出現，DTDB可確保在不犧牲過多可擴展性和性能的情況下，實現數據的高度一致性。與此同時，DTDB與公有云的兼容性也正在持續提升；因此，在資源使用不斷變化且難以預測的環境中，云部署將成為理想選擇。

數據密集型應用場景需要超高性能數據庫

在過去的三年間，新冠疫情進一步加快了網上購物、線上出行和在線教育等數字化應用場景的普及。作為所有應用的核心數據基礎設施，數據庫需要提供更為強大的性能，以支持全部數據密集型應用場景。

一些典型的超高性能應用場景包括：

• 全國性社會活動，例如國家人口普查，需要能夠支持每秒100萬至200萬個查詢，以及每秒處理10萬至50萬件事務。
• 大型活動的轉播，例如奧運會或春晚，通常需要能夠支持1000萬到2000萬本土觀眾同時在線觀看。
• 許多中國超大規模企業的數據存儲總量已經達到10PB至100PB，日增數據量超過10TB。
• 網上購物節活動，例如“雙十一”和“618”購物節，都會產生極高的事務數量。
• 中國龐大的互聯網用戶規模，會使一些常規的網絡活動，例如網上訂餐、網約車、在線教育等的工作負載成倍加大，導致高峰時段事務處理的工作負載尤為繁重。在高峰時段，事務處理工作負載有時比非高峰時段高100倍。

中國的數據庫廠商都在不斷演進各類技術，以支持數據密集型應用場景。這些技術包括大規模并行處理（MPP）、分布式事務、內存數據處理和行列混合處理等。近年來，一批初創廠商開始快速獲得關注。這些廠商將超高性能作為其核心競爭差異化優勢，豐富了企業機構的選擇面，但也使得市場狀況變得更加復雜。

各類專業化的數據庫正不斷融合，成為集成各類功能的統一型數據庫服務

在過去的15年間，中國企業機構采用了各類專業化的數據庫，用于各類不同類型數據庫的操作和分析。比如：

• 非關系型數據庫，例如圖數據庫和文檔數據庫，可用于存儲和處理圖數據和文檔數據，以支持機器學習和圖分析。
• 時序數據庫和內存數據庫可用于支持時間敏感性應用場景，例如流分析和決策智能。

由于每個應用場景均有海量的數據庫產品可供選擇，相應地，連接這些數據庫的數據管道也越建越多，導致企業機構數據和分析架構的復雜性大大增加。這一復雜性也導致了運營效率低下，獲取洞察的時間被延長。為解決這一問題，中國和全球的數據庫廠商都在采取行動，擴大各自產品的應用場景覆蓋范圍，形成了數據庫功能融合的局面。這一融合趨勢在多模型數據庫中得以體現。這類數據庫可以通過多個應用編程接口（API）來支持多種存儲和持久保存數據的方式。

如圖1所示，Gartner從數據類型和時間敏感性幾個方面對這一趨勢進行了觀察研究。

圖1：數據庫產品的融合