數(shù)據(jù)庫(kù)：信創(chuàng)助力百花齊放

1、目錄 HYPERLINK l _TOC_250020 什么是數(shù)據(jù)庫(kù)？ 5 HYPERLINK l _TOC_250019 成長(zhǎng)到繁榮，新興數(shù)據(jù)庫(kù)興起 5 HYPERLINK l _TOC_250018 兩大類型為主，新興數(shù)據(jù)庫(kù)種類漸多 6 HYPERLINK l _TOC_250017 對(duì)標(biāo)海外：空間廣闊，開源和云興起 7 HYPERLINK l _TOC_250016 市場(chǎng)空間：全球數(shù)據(jù)庫(kù)市場(chǎng)空間廣闊 7 HYPERLINK l _TOC_250015 競(jìng)爭(zhēng)格局：傳統(tǒng)巨頭占優(yōu)，新興廠商崛起 8 HYPERLINK l _TOC_250014 國(guó)內(nèi)市場(chǎng)機(jī)會(huì)：國(guó)產(chǎn)替代、新興崛起 11 HYPER

2、LINK l _TOC_250013 國(guó)產(chǎn)數(shù)據(jù)庫(kù)市場(chǎng)持續(xù)快速增長(zhǎng) 11 HYPERLINK l _TOC_250012 海外廠商占優(yōu)，國(guó)產(chǎn)替代有望加速 12 HYPERLINK l _TOC_250011 新興數(shù)據(jù)庫(kù)趨勢(shì)：多技術(shù)融合 14 HYPERLINK l _TOC_250010 百花齊放，國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商迎來機(jī)遇 16 HYPERLINK l _TOC_250009 華為：國(guó)產(chǎn)數(shù)據(jù)庫(kù)龍頭，快速構(gòu)建生態(tài) 16 HYPERLINK l _TOC_250008 阿里巴巴：國(guó)產(chǎn)替代先行者，云數(shù)據(jù)庫(kù)國(guó)產(chǎn)廠商領(lǐng)先 17 HYPERLINK l _TOC_250007 騰訊：數(shù)據(jù)庫(kù)產(chǎn)品不斷迭代，重視新

3、興技術(shù) 19 HYPERLINK l _TOC_250006 柏睿數(shù)據(jù)：新興領(lǐng)軍，分析型數(shù)據(jù)庫(kù)代表企業(yè) 20 HYPERLINK l _TOC_250005 星環(huán)科技：分布式、分析型數(shù)據(jù)庫(kù)新興代表 22 HYPERLINK l _TOC_250004 南大通用：傳統(tǒng)國(guó)產(chǎn)數(shù)據(jù)庫(kù)領(lǐng)軍 23 HYPERLINK l _TOC_250003 達(dá)夢(mèng)：老牌國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商，迎信創(chuàng)產(chǎn)業(yè)落地機(jī)遇 24 HYPERLINK l _TOC_250002 人大金倉(cāng)：控股股東重視程度提升，電科體系助力成長(zhǎng) 25 HYPERLINK l _TOC_250001 萬里數(shù)據(jù)庫(kù)：行業(yè)市場(chǎng)獲得標(biāo)桿客戶認(rèn)可 26 HYPERLIN

4、K l _TOC_250000 風(fēng)險(xiǎn)提示 27圖表目錄圖 1：數(shù)據(jù)庫(kù)歷史一覽圖 6圖 2：非關(guān)系型數(shù)據(jù)庫(kù)細(xì)分 7圖 3：非中國(guó)地區(qū)數(shù)據(jù)庫(kù)市場(chǎng)成熟度結(jié)構(gòu)圖 8圖 4：全球數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模增長(zhǎng)預(yù)測(cè)圖（單位：億美元） 8圖 5：數(shù)據(jù)庫(kù)行業(yè)受歡迎程度排名 2020-08 9圖 6：全球主要數(shù)據(jù)庫(kù)產(chǎn)品市場(chǎng)份額占比圖（數(shù)據(jù)時(shí)間為 2020 年 8 月） 9圖 7：商業(yè)與開源數(shù)據(jù)庫(kù)歷年受歡迎程度變化圖（單位：%） 10圖 8：全球數(shù)據(jù)庫(kù)行業(yè)不同種類數(shù)據(jù)庫(kù)喜好對(duì)比 2020-08 10圖 9：2015-2017 年國(guó)內(nèi)數(shù)據(jù)庫(kù)各領(lǐng)域應(yīng)用規(guī)模（單位：億元） 11圖 10：2012-2018 年國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模（單

5、位：億元） 12圖 11：2019-2024 年國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模預(yù)測(cè)（單位：億美元） 12圖 12：2017 國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)全部廠商市場(chǎng)份額對(duì)比圖 13圖 13：2017 年國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)僅國(guó)產(chǎn)廠商市場(chǎng)份額對(duì)比圖 13圖 14：IOE 問題介紹與解決的可能方向一覽 13圖 15：國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)國(guó)產(chǎn)與國(guó)外廠商規(guī)模（單位：億元） 14圖 16：2016-2020 全球數(shù)據(jù)量預(yù)計(jì)（數(shù)據(jù)量單位：ZB） 15圖 17：2019 年國(guó)內(nèi)市場(chǎng)公有云數(shù)據(jù)庫(kù)市場(chǎng)份額占比圖 17圖 18：阿里巴巴近年數(shù)據(jù)計(jì)算領(lǐng)域取得成就一覽 18圖 19：騰訊公司從事數(shù)據(jù)庫(kù)產(chǎn)業(yè)經(jīng)歷的四個(gè)階段 19圖 20：騰訊云使用客戶案例

6、20圖 21：柏睿數(shù)據(jù)合作伙伴及客戶 22圖 22：星環(huán)科技使用客戶案例 23圖 23：南大通用使用客戶案例 24圖 24：武漢達(dá)夢(mèng)前五大主要持股人信息 24圖 25：武漢達(dá)夢(mèng)近五年?duì)I收與凈利潤(rùn)情況（單位：萬元） 25圖 26：萬里數(shù)據(jù)庫(kù)使用客戶案例 27表 1：關(guān)系型數(shù)據(jù)庫(kù)細(xì)分一覽 6表 2：國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)“去 IOE 化”進(jìn)程一覽 14表 3：國(guó)產(chǎn)數(shù)據(jù)庫(kù)新興產(chǎn)品的技術(shù)趨勢(shì) 15表 4：華為云官網(wǎng)已發(fā)布的數(shù)據(jù)庫(kù)產(chǎn)品一覽 16表 5：華為名下其他產(chǎn)品對(duì)其數(shù)據(jù)庫(kù)產(chǎn)品的輔助作用 17表 6：阿里巴巴數(shù)據(jù)庫(kù)產(chǎn)品一覽 18表 7：騰訊云旗下產(chǎn)品一覽 19表 8：柏睿數(shù)據(jù)庫(kù)行業(yè)產(chǎn)品一覽 21表 9：星環(huán)

7、科技數(shù)據(jù)庫(kù)產(chǎn)品一覽 22表 10：南大通用數(shù)據(jù)庫(kù)產(chǎn)品一覽 24表 11：武漢達(dá)夢(mèng)產(chǎn)品一覽 25表 12：人大金倉(cāng)數(shù)據(jù)庫(kù)產(chǎn)品一覽 26表 13：萬里數(shù)據(jù)庫(kù)產(chǎn)品一覽 26什么是數(shù)據(jù)庫(kù)？參考 Gartner 對(duì)數(shù)據(jù)庫(kù)的定義，數(shù)據(jù)庫(kù)是一種用于存儲(chǔ)和管理擁有固定格式和結(jié)構(gòu)數(shù)據(jù)的倉(cāng)庫(kù)型數(shù)據(jù)管理系統(tǒng)。某種意義上，數(shù)據(jù)庫(kù)會(huì)因?yàn)閷?duì)于數(shù)據(jù)調(diào)度使用方式、基礎(chǔ)格式之間的差異而被劃分為不同的種類。在信息化社會(huì)，充分有效地管理和利用各類信息資源，是進(jìn)行科學(xué)研究和決策管理的前提條件。數(shù)據(jù)庫(kù)技術(shù)是管理信息系統(tǒng)、辦公自動(dòng)化系統(tǒng)、決策支持系統(tǒng)等各類信息系統(tǒng)的核心部分，是進(jìn)行科學(xué)研究和決策管理的重要技術(shù)手段。數(shù)據(jù)庫(kù)與操作系統(tǒng)、中間

8、件同為三大基礎(chǔ)軟件之一。成長(zhǎng)到繁榮，新興數(shù)據(jù)庫(kù)興起數(shù)據(jù)庫(kù)這一行業(yè)技術(shù)發(fā)源并興起于美國(guó)，如今已經(jīng)廣泛應(yīng)用于全世界各企業(yè)之中。這一產(chǎn)業(yè)從誕生到日趨成熟總共經(jīng)歷了三個(gè)發(fā)展階段。萌芽期從卡片儲(chǔ)存方式到網(wǎng)狀、層次型數(shù)據(jù)庫(kù)上世紀(jì)早期，數(shù)據(jù)收集與儲(chǔ)存工作仍需借助機(jī)器制成的穿孔卡片，直到六十年代，磁帶與硬盤技術(shù)應(yīng)用普及才使得數(shù)據(jù)的讀取和儲(chǔ)存更為方便，世界上第一款網(wǎng)狀數(shù)據(jù)庫(kù)與商業(yè)層次型數(shù)據(jù)庫(kù)也在這段時(shí)間出現(xiàn)。成長(zhǎng)期關(guān)系型數(shù)據(jù)庫(kù)的普及與發(fā)展1970 年，IBM 公司研究員埃德加科德提出了 “關(guān)系型數(shù)據(jù)庫(kù)” 這一概念，他的理論有嚴(yán)密的邏輯且簡(jiǎn)單清晰，啟發(fā)了 IBM 團(tuán)隊(duì)創(chuàng)建了關(guān)系型數(shù)據(jù)庫(kù)的原型 R 系統(tǒng)與結(jié)構(gòu)化查詢

9、語言 SQL。 這一套成熟的系統(tǒng)和理論在之后被 IBM 與 Oracle 公司接納并開發(fā)出了如 DB2、RDMBS 等關(guān)系型數(shù)據(jù)庫(kù)。然而隨著關(guān)系型數(shù)據(jù)庫(kù)的普及，這一種數(shù)據(jù)庫(kù)的局限性也日趨明顯。八十年代，為進(jìn)一步解決關(guān)系型數(shù)據(jù)庫(kù)存在的問題，諸如面向?qū)ο笮蛿?shù)據(jù)庫(kù)、內(nèi)存數(shù)據(jù)庫(kù)的新概念不斷被提出。由于這些針對(duì)關(guān)系型數(shù)據(jù)庫(kù)的優(yōu)化程式技術(shù)不斷成熟，到了上世紀(jì)九十年代時(shí)，基于 RDBMS 類的數(shù)據(jù)庫(kù)產(chǎn)品已經(jīng)基本完成商業(yè)化，并通過可擴(kuò)展標(biāo)記語言（XML）運(yùn)用到互聯(lián)網(wǎng)產(chǎn)業(yè)當(dāng)中。繁榮期非關(guān)系型（NoSQL）數(shù)據(jù)庫(kù)的流行、數(shù)據(jù)云存儲(chǔ)隨著互聯(lián)網(wǎng)的發(fā)展，數(shù)據(jù)庫(kù)使用者往往需要建立復(fù)雜難控的模型去處理巨量且冗雜的流量數(shù)據(jù)。

10、2008 年，F(xiàn)acebook 公司發(fā)布了開源的 Hives 與 Cassandra 數(shù)據(jù)庫(kù)，這一舉動(dòng)帶動(dòng)了數(shù)據(jù)庫(kù)產(chǎn)業(yè)技術(shù)上的變動(dòng)，非關(guān)系型數(shù)據(jù)庫(kù)這一新型的數(shù)據(jù)庫(kù)也逐漸普及。相比于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)，這一新型數(shù)據(jù)庫(kù)極大地增加了處理數(shù)據(jù)的總量，通過更為方便的模型大大地節(jié)省了開發(fā)與維護(hù)成本。同時(shí)，基于“云計(jì)算”技術(shù)的新型數(shù)據(jù)存儲(chǔ)方式也逐步興起，并廣泛應(yīng)用于數(shù)據(jù)庫(kù)行業(yè)之中。截至 2016 年，全球數(shù)據(jù)倉(cāng)庫(kù)市場(chǎng)已經(jīng)形成了較為成熟的底層由私有云、公有云計(jì)算存儲(chǔ)技術(shù)構(gòu)成，上層由關(guān)系型數(shù)據(jù)庫(kù)與非關(guān)系型數(shù)據(jù)庫(kù)管理的“數(shù)據(jù)上云”模式。 圖 1：數(shù)據(jù)庫(kù)歷史一覽圖2015年Apache Spark內(nèi)存數(shù)據(jù)庫(kù)發(fā)布20

11、10年Hase列族數(shù)據(jù)庫(kù)發(fā)布2009年NoSQL概念成熟，Hadoop/Cloudera、MongoDB發(fā)布2008年Facebook開發(fā)了Hives與Cassandra數(shù)據(jù)庫(kù)，進(jìn)一步推動(dòng)NoSQL概念 2007年首個(gè)圖形數(shù)據(jù)庫(kù)Neo4j發(fā)布1998年首個(gè)一鍵多項(xiàng)型數(shù)據(jù)庫(kù)KDB發(fā)布1996年面向?qū)ο笮蛿?shù)據(jù)庫(kù)UML發(fā)布1992年首個(gè)多維關(guān)系數(shù)據(jù)庫(kù)Essbase系統(tǒng)發(fā)布1991年首個(gè)鍵值型數(shù)據(jù)庫(kù)Berkeley DB系統(tǒng)發(fā)布 1989年內(nèi)存數(shù)據(jù)庫(kù)Kognitio系統(tǒng)發(fā)布1986年首個(gè)面向?qū)ο笮蛿?shù)據(jù)庫(kù)Gemstone系統(tǒng)發(fā)布1984年 天睿公司的Teradata數(shù)據(jù)庫(kù)系統(tǒng)發(fā)布1985年首個(gè)可應(yīng)用于P

12、C數(shù)據(jù)庫(kù)發(fā)布1983年IBM根據(jù)R系統(tǒng)自主研發(fā)的DB2系統(tǒng)發(fā)布1981年IDEF1發(fā)布（若干年后改為IDEFIX1用于美國(guó)空軍）1979年 Oracle 與Ingres合作發(fā)布首個(gè)關(guān)系型數(shù)據(jù)庫(kù)RDBMS1974年IBM開發(fā)出R系統(tǒng)與SQL查詢語言1970年埃德加科德提出“關(guān)系型數(shù)據(jù)庫(kù)”概念1968年IBM發(fā)布首個(gè)層次型數(shù)據(jù)庫(kù)IMS1964年通用公司開發(fā)首個(gè)網(wǎng)狀數(shù)據(jù)庫(kù)（IDS）1960年IBM開發(fā)數(shù)據(jù)庫(kù)組織和維護(hù)處理器（DBOMP）201020001990198019701960資料來源：Graph Data Modelling for SQL and NoSQL，長(zhǎng)江證券研究所兩大類型為主，新

13、興數(shù)據(jù)庫(kù)種類漸多現(xiàn)有的數(shù)據(jù)庫(kù)種類大致可以分為兩大類，分別是較為傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)與剛剛興起的非關(guān)系型數(shù)據(jù)庫(kù)。表 1：關(guān)系型數(shù)據(jù)庫(kù)細(xì)分一覽關(guān)系型數(shù)據(jù)庫(kù)關(guān)系型數(shù)據(jù)庫(kù)的基層單位是由二維的行列分部組成的表格，一個(gè)關(guān)系型數(shù)據(jù)庫(kù)往往可以涵蓋多個(gè)行列分部表格。表格中每一行分布代表了一條獨(dú)特的數(shù)據(jù)記錄，而各列則代表了同一數(shù)據(jù)記錄的不同特性。通過多種來源獲取的數(shù)據(jù)最后會(huì)通過抽取、轉(zhuǎn)化、加載后整合進(jìn)一個(gè)數(shù)據(jù)倉(cāng)庫(kù)之中。關(guān)系型數(shù)據(jù)庫(kù)根據(jù)其數(shù)據(jù)處理技術(shù)的不同又可以分為聯(lián)機(jī)事務(wù)型數(shù)據(jù)庫(kù)與聯(lián)機(jī)分析型數(shù)據(jù)庫(kù)。技術(shù)分類案例應(yīng)用優(yōu)勢(shì)應(yīng)用劣勢(shì)聯(lián)機(jī)事務(wù)型（OLTP）聯(lián)機(jī)分析型（OLAP）PostgreSQL、MySQLAzure A

14、nalysis Services、SQL Server with ColumnStone Index聯(lián)機(jī)事務(wù)處理采用數(shù)據(jù)標(biāo)準(zhǔn)化技術(shù)更為迅捷的處理商業(yè)的事務(wù)數(shù)據(jù)；該技術(shù)照顧到了事務(wù)數(shù)據(jù)的原子性、一致性；控制數(shù)據(jù)延遲，更靈活的使用于對(duì)數(shù)據(jù)延遲敏感的商業(yè)事務(wù)中聯(lián)機(jī)分析處理采用語義數(shù)據(jù)建模技術(shù)，善于處理大量獨(dú)立工作的流程；可以更快的完成復(fù)雜的分析與即席查詢且不影響事務(wù)型數(shù)據(jù)庫(kù)系統(tǒng)；更快的完成多個(gè)數(shù)據(jù)聚合且給出具有一致性的聯(lián)機(jī)事務(wù)處理無法勝任對(duì)于大量數(shù)據(jù)的處理工作；當(dāng)遇到高度標(biāo)準(zhǔn)化的數(shù)據(jù)時(shí)，需要執(zhí)行的指令變得相對(duì)復(fù)雜；如果歷史數(shù)據(jù)存儲(chǔ)時(shí)間過長(zhǎng)，指令的執(zhí)行會(huì)變得緩慢相比事務(wù)處理系統(tǒng)中的數(shù)據(jù)刷新的更慢；相比

15、傳統(tǒng)的格式更為復(fù)雜；聯(lián)機(jī)分析處理系統(tǒng)中的模型多為多維式的；數(shù)據(jù)應(yīng)用于面向?qū)ο笮湍Ｐ妥兊酶訌?fù)雜 結(jié)果資料來源：Microsoft 官網(wǎng)，長(zhǎng)江證券研究所非關(guān)系型數(shù)據(jù)庫(kù)非關(guān)系型數(shù)據(jù)庫(kù)是一個(gè)用于概括一切可供替代傳統(tǒng)關(guān)系型數(shù)據(jù)庫(kù)的開放式術(shù)語。雖然以 “非關(guān)系”這一名稱命名，但這一類數(shù)據(jù)庫(kù)同樣也可以通過嵌套類的方式將互有關(guān)系的數(shù)據(jù)存儲(chǔ)在同一結(jié)構(gòu)當(dāng)中。非關(guān)系型數(shù)據(jù)庫(kù)采用了更為靈活的數(shù)據(jù)結(jié)構(gòu)，并且可以橫向到達(dá)多個(gè)處理器，這吸引了更多需要處理超過單一服務(wù)器數(shù)據(jù)流量的廠家。以功能劃分，非關(guān)系型數(shù)據(jù)庫(kù)可以分為文檔型數(shù)據(jù)庫(kù)、鍵值型數(shù)據(jù)庫(kù)、列存儲(chǔ)數(shù)據(jù)庫(kù)、圖形數(shù)據(jù)庫(kù)四種。 圖 2：非關(guān)系型數(shù)據(jù)庫(kù)細(xì)分文檔型數(shù)據(jù)庫(kù)：以JS

16、ON、BSON或XML文件的形式儲(chǔ)存數(shù)據(jù)。數(shù)據(jù)庫(kù)中，文檔可以被上一級(jí)嵌套，部分因素可以添加數(shù) 字索引。文檔數(shù)據(jù)被存儲(chǔ)和處理的方式與程式存儲(chǔ)相近，節(jié)約了數(shù)據(jù)收集時(shí)的翻譯時(shí)間因?yàn)殪`活的性能與易控制的結(jié)構(gòu)而經(jīng)常應(yīng)用于程序開發(fā)員的工作中因常用于橫向擴(kuò)展架構(gòu)，其擴(kuò)展性往往能清晰得提供數(shù)據(jù)流量與通信量的可擴(kuò)展性。例子：MongoDB鍵值型數(shù)據(jù)庫(kù)：最簡(jiǎn)單的非關(guān)系型數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)的所有元素僅是通過鍵值（Key）與鍵值項(xiàng)（Value）之間的配對(duì)關(guān)系而構(gòu)成。非常類似于僅有兩列的關(guān)系型數(shù)據(jù)庫(kù)中的列值之間關(guān)系常被用于購(gòu)物車數(shù)據(jù)、用戶系統(tǒng)配置、用戶個(gè)人檔案文件之中。例子：Memcached非關(guān)系型數(shù)據(jù)庫(kù)列存儲(chǔ)數(shù)據(jù)庫(kù)：此

17、類數(shù)據(jù)庫(kù)通過以列存儲(chǔ)的形式保存數(shù)據(jù)的方式進(jìn)行數(shù)據(jù)的管理。使用時(shí)僅需讀入少量數(shù)據(jù)，因而可以節(jié)省更多的內(nèi)存。因?yàn)榱信c列之間格式相同，進(jìn)行壓縮與讀取數(shù)據(jù)等操 作時(shí)效率更高，且可以在分析工作中進(jìn)行迅速的運(yùn)算。盡管列存儲(chǔ)數(shù)據(jù)庫(kù)的格式利于分析和讀取，但是其獨(dú)特的數(shù)據(jù)寫入方式讓數(shù)據(jù)保持一致性的難度更加高。例子：Cassandra圖形數(shù)據(jù)庫(kù)：圖形數(shù)據(jù)庫(kù)更為關(guān)注不同數(shù)據(jù)元素之間的關(guān)系。每一個(gè)元素都被視為一個(gè)節(jié)點(diǎn)，并以鏈接方式形成關(guān)系。其中節(jié)點(diǎn)之間的鏈接關(guān)系被視為最重要的元素并直接保存。相對(duì)于關(guān)系型數(shù)據(jù)庫(kù)優(yōu)化了數(shù)據(jù)元素之間的關(guān)系功能，節(jié)省了數(shù)據(jù)連接的成本。圖形數(shù)據(jù)庫(kù)本身往往不能獨(dú)立支持商業(yè)數(shù)據(jù)庫(kù)系統(tǒng)的運(yùn)行，因此需

18、要結(jié)合傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)進(jìn)行儲(chǔ)存。常應(yīng)用于詐騙偵查、社交網(wǎng)絡(luò)、知識(shí)圖譜之中。例子：Neo4j資料來源：MongoDB 官網(wǎng)，長(zhǎng)江證券研究所對(duì)標(biāo)海外：空間廣闊，開源和云興起市場(chǎng)空間：全球數(shù)據(jù)庫(kù)市場(chǎng)空間廣闊依據(jù) Gartner 數(shù)據(jù)，全球數(shù)據(jù)庫(kù)行業(yè) 2018 年市場(chǎng)規(guī)模為 460 億美元，較 2017 年增長(zhǎng)18.4%。其中非關(guān)系型數(shù)據(jù)庫(kù)的市場(chǎng)規(guī)模約為 24.1 億美元，遠(yuǎn)遠(yuǎn)少于關(guān)系型數(shù)據(jù)庫(kù)的規(guī)模，但這一部分在未來幾年有望保持 31.4%的年復(fù)合增長(zhǎng)率。從地理分部維度來看，目前全球數(shù)據(jù)庫(kù)市場(chǎng)中呈現(xiàn)著以北美與歐洲地區(qū)占多數(shù)，亞太地區(qū)與拉丁美洲作為新興市場(chǎng)的整體地理分部趨勢(shì)。海外市場(chǎng)中，尚未高度成熟的

19、國(guó)家與地區(qū)在未來仍然有潛在的較快的成長(zhǎng)趨勢(shì)。圖 3：非中國(guó)地區(qū)數(shù)據(jù)庫(kù)市場(chǎng)成熟度結(jié)構(gòu)圖資料來源：Beroeinc 市場(chǎng)調(diào)查，長(zhǎng)江證券研究所根據(jù)美國(guó) Expert Market Research 公司（EMR) 今年發(fā)布的市場(chǎng)調(diào)查，2019 年全球數(shù)據(jù)庫(kù)行業(yè)市場(chǎng)規(guī)模已達(dá)到 584 億美元。未來五年，全球數(shù)據(jù)庫(kù)市場(chǎng)可以繼續(xù)保持復(fù)合年增長(zhǎng)率 13.81%的高速增長(zhǎng)趨勢(shì)， 2025 年市場(chǎng)規(guī)模將達(dá)到約 1269 億美元。圖 4：全球數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模增長(zhǎng)預(yù)測(cè)圖（單位：億美元）1,4001,2001,0008006004002000201820192020E2021E2022E2023E2024E2025E資

20、料來源：Gartner, Expert Market Research，長(zhǎng)江證券研究所可以看到，雖然不同數(shù)據(jù)源統(tǒng)計(jì)的行業(yè)數(shù)據(jù)有一定差異，但整體上 2018 年全球數(shù)據(jù)庫(kù)市場(chǎng)空間在 400-600 億美元之間，且保持 10%以上的快速增長(zhǎng)。競(jìng)爭(zhēng)格局：傳統(tǒng)巨頭占優(yōu)，新興廠商崛起國(guó)外權(quán)威的數(shù)據(jù)庫(kù)評(píng)分網(wǎng)站 DB-Engines 排名顯示，最受用戶與開發(fā)人員歡迎的技術(shù)得分較為穩(wěn)定，分別是甲骨文公司的 Oracle 系統(tǒng)、MySQL、Microsoft SQL Server 三項(xiàng)較傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)技術(shù)，而非關(guān)系型數(shù)據(jù)庫(kù)則是 MongoDB 得分最多。圖 5：數(shù)據(jù)庫(kù)行業(yè)受歡迎程度排名 2020-08資料來

21、源：DB-Engine，長(zhǎng)江證券研究所除這幾款數(shù)據(jù)庫(kù)技術(shù)之外，其余得分較低的數(shù)據(jù)庫(kù)產(chǎn)品僅占行業(yè)較小份額。雖然行業(yè)市場(chǎng)已由 Microsoft、Oracle、SAP、IBM 通過多種不同產(chǎn)品占據(jù)了近六成的份額，但這四大龍頭企業(yè)之間競(jìng)爭(zhēng)依然激烈。例如，Microsoft 曾為爭(zhēng)奪市場(chǎng)份額，對(duì)將數(shù)據(jù)從 Oracle數(shù)據(jù)庫(kù)遷徙至微軟數(shù)據(jù)庫(kù)的用戶提供免費(fèi)的授權(quán)許可。 圖 6：全球主要數(shù)據(jù)庫(kù)產(chǎn)品市場(chǎng)份額占比圖（數(shù)據(jù)時(shí)間為 2020 年 8 月）2.44%2.69%2.81%27.68%18.09%12.90%15.53%Microsoft SQL Server MySQLMicrosoft AccessO

22、racle Database(RDBMS)PostgreSQL NoSQLMongoDBMicrosoft SSAS Tabular IBM DB23.16%4.02%4.66%6.03%Sybase其他資料來源：Datanyze，長(zhǎng)江證券研究所發(fā)展趨勢(shì)：開源和云興起數(shù)據(jù)庫(kù)開源化開源數(shù)據(jù)庫(kù)系統(tǒng)特指源碼可供免費(fèi)獲取，并在符合特定授權(quán)模式的情況下可使用的數(shù)據(jù)庫(kù)系統(tǒng)。截至 2020 年 8 月，全球共有 359 款不同的數(shù)據(jù)庫(kù)產(chǎn)品，其中開源型數(shù)據(jù)庫(kù)有182 種，約占一半的比例。參考 DB-Engine 的統(tǒng)計(jì)數(shù)據(jù)，開源數(shù)據(jù)庫(kù)受歡迎程度持續(xù)提升。近年，數(shù)據(jù)庫(kù)行業(yè)中商 業(yè)數(shù)據(jù)庫(kù)的受歡迎程度已從 2013

23、 年年初的 64.47%逐步下降到了 2020 年八月的50.5%，而這一時(shí)段內(nèi)開源數(shù)據(jù)庫(kù)的受歡迎程度則從 35.53%上漲到 49.5%。圖 7：商業(yè)與開源數(shù)據(jù)庫(kù)歷年受歡迎程度變化圖（單位：%）70656055504540352013-012013-052013-092014-012014-052014-092015-012015-052015-092016-012016-052016-092017-012017-052017-092018-012018-052018-092019-012019-052019-092020-012020-0530商業(yè)數(shù)據(jù)庫(kù)開源數(shù)據(jù)庫(kù)資料來源：DB-Engin

24、e，長(zhǎng)江證券研究所同時(shí)，目前數(shù)據(jù)庫(kù)行業(yè)不同的數(shù)據(jù)庫(kù)之間喜好的比例也不相同。相比于傳統(tǒng)商業(yè)數(shù)據(jù)庫(kù)的主要類型穩(wěn)定，在開源數(shù)據(jù)庫(kù)中新興數(shù)據(jù)庫(kù)類型更受歡迎。這一整體趨勢(shì)說明全球數(shù)據(jù)庫(kù)這一市場(chǎng)已經(jīng)從傳統(tǒng)的商業(yè)數(shù)據(jù)庫(kù)為主的格局逐步轉(zhuǎn)向商業(yè)與開源數(shù)據(jù)庫(kù)混合的態(tài)勢(shì)。圖 8：全球數(shù)據(jù)庫(kù)行業(yè)不同種類數(shù)據(jù)庫(kù)喜好對(duì)比 2020-08100%90%80%70%60%50%40%30%20%10%RDFNativeXML0%時(shí) 列 文 鍵 搜 圖間 存 件 值 索 形序 儲(chǔ) 型 型 引 數(shù)列 型 數(shù) 數(shù) 擎 據(jù)型 數(shù) 據(jù) 據(jù)庫(kù)數(shù) 據(jù) 庫(kù) 庫(kù)據(jù)庫(kù)庫(kù)關(guān)面多系向項(xiàng)型存對(duì)值數(shù)儲(chǔ)象數(shù)據(jù) 數(shù) 型 據(jù)型 庫(kù) 據(jù) 數(shù) 庫(kù)數(shù)庫(kù) 據(jù)據(jù)庫(kù)庫(kù)開

25、源數(shù)據(jù)庫(kù)商業(yè)數(shù)據(jù)庫(kù)資料來源：DB-Engine，長(zhǎng)江證券研究所云數(shù)據(jù)庫(kù)占比提升根據(jù) Gartner 公司 2019 年發(fā)布的市場(chǎng)預(yù)測(cè)，隨著數(shù)據(jù)庫(kù)中數(shù)據(jù)分析和 SaaS 模式等趨勢(shì)的帶動(dòng)，預(yù)計(jì)到 2022 年時(shí)，全球數(shù)據(jù)庫(kù)市場(chǎng)中 75%的數(shù)據(jù)庫(kù)將完成到云平臺(tái)的遷徙，僅有 5%的數(shù)據(jù)保持在原本的本地模式當(dāng)中。在 2017 年至 2018 年的全球數(shù)據(jù)庫(kù)產(chǎn)業(yè)總營(yíng)業(yè)額的 18.4%增長(zhǎng)中，云數(shù)據(jù)庫(kù)管理產(chǎn)品的營(yíng)業(yè)額占到 68%，而 Microsoft 與亞馬遜的 AWS 占到總增長(zhǎng)的 75.5%。說明云數(shù)據(jù)平臺(tái)的提供基礎(chǔ)設(shè)施與云上服務(wù)已經(jīng)逐漸發(fā)展成為了新型數(shù)據(jù)平臺(tái)。未來，數(shù)據(jù)庫(kù)產(chǎn)業(yè)將建立不同于以往本地模

26、式的基于云服務(wù)的新型生態(tài)系統(tǒng)。國(guó)內(nèi)市場(chǎng)機(jī)會(huì)：國(guó)產(chǎn)替代、新興崛起國(guó)產(chǎn)數(shù)據(jù)庫(kù)市場(chǎng)持續(xù)快速增長(zhǎng)中國(guó)數(shù)據(jù)庫(kù)產(chǎn)業(yè)雖然較國(guó)際市場(chǎng)起步晚，但是經(jīng)過三十多年的發(fā)展，也逐步成熟。中國(guó)國(guó)產(chǎn)數(shù)據(jù)庫(kù)產(chǎn)業(yè)已經(jīng)基本應(yīng)用在了政府、軍隊(duì)、金融、交通、科技等多個(gè)領(lǐng)域。目前數(shù)據(jù)庫(kù)軟件的上游主要由計(jì)算機(jī)硬件設(shè)備組成，而該行業(yè)的下游需求市場(chǎng)主要體現(xiàn)在消費(fèi)品、裝備、政府采購(gòu)領(lǐng)域。2017 年，相較上一年全數(shù)據(jù)庫(kù)軟件應(yīng)用領(lǐng)域的平均增長(zhǎng)達(dá)到 18.91%。 圖 9：2015-2017 年國(guó)內(nèi)數(shù)據(jù)庫(kù)各領(lǐng)域應(yīng)用規(guī)模（單位：億元）2520151050政府采購(gòu)裝備消費(fèi)品原材料能源金融交通教育醫(yī)療其他 2015年2016年2017年資料來源：智研咨

27、詢，長(zhǎng)江證券研究所參考智研咨詢的數(shù)據(jù)，截止至 2018 年，中國(guó)數(shù)據(jù)庫(kù)市場(chǎng)共有 155.59 億元市場(chǎng)規(guī)模，其中 139.25 億元為數(shù)據(jù)庫(kù)軟件市場(chǎng)，其余為數(shù)據(jù)庫(kù)服務(wù)市場(chǎng)。 圖 10：2012-2018 年國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模（單位：億元）1801601401201008060402002012201320142015201620172018數(shù)據(jù)庫(kù)軟件市場(chǎng)數(shù)據(jù)庫(kù)服務(wù)市場(chǎng)數(shù)據(jù)庫(kù)市場(chǎng)資料來源：智研咨詢，長(zhǎng)江證券研究所中國(guó)數(shù)據(jù)庫(kù)市場(chǎng)持續(xù)增長(zhǎng)，云數(shù)據(jù)庫(kù)占比將提升。根據(jù) IDC 在 2019 年發(fā)布的市場(chǎng)預(yù)測(cè)，2019 年中國(guó)關(guān)系型數(shù)據(jù)庫(kù)軟件市場(chǎng)有望達(dá)到13.4 億美元，傳統(tǒng)本地模式為7.9 億美元，公有

28、云模式 5.5 億美元。預(yù)計(jì)到 2024 年，整體市場(chǎng)規(guī)模將達(dá)到 38.2 億美元，5 年整體市場(chǎng)年復(fù)合增長(zhǎng)率（CAGR）為 23.3%。其中公有云關(guān)系型數(shù)據(jù)庫(kù)軟件市場(chǎng)將保持 35.5%復(fù)合年增長(zhǎng)率，到 2024 年中國(guó)公有云關(guān)系型數(shù)據(jù)庫(kù)軟件市場(chǎng)將達(dá)到 25.1 億美元。 圖 11：2019-2024 年國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)規(guī)模預(yù)測(cè)（單位：億美元）4540353025201510502019E2020E2021E2022E2023E2024E資料來源：IDC 中國(guó)，長(zhǎng)江證券研究所海外廠商占優(yōu)，國(guó)產(chǎn)替代有望加速目前的數(shù)據(jù)庫(kù)市場(chǎng)由于技術(shù)門檻較高，且長(zhǎng)期被國(guó)外企業(yè)壟斷大多數(shù)市場(chǎng)，因此國(guó)內(nèi)廠商的市場(chǎng)份額較少

29、。以 2017 年市場(chǎng)數(shù)據(jù)來看，中國(guó)數(shù)據(jù)庫(kù)市場(chǎng)主要由四家外國(guó)企業(yè)占據(jù)最多市場(chǎng)份額，分別為 Oracle、IBM、Microsoft、SAP，四家合計(jì)市場(chǎng)份額高達(dá) 64.8%。3%圖 12：2017 國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)全部廠商市場(chǎng)份額對(duì)比圖圖 13：2017 年國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)僅國(guó)產(chǎn)廠商市場(chǎng)份額對(duì)比圖Oracle0.3%28.7%IBMMicrosoft18%南大通用0.6%SAP達(dá)夢(mèng)0.7%40.1%南大通用達(dá)夢(mèng)13%山東瀚高愛可生0.5%人大金倉(cāng)山東瀚高55%人大金倉(cāng)1.9%愛可生5%神州通用2.5%5.4%8.3%11.0%神舟通用其他2%4%其他資料來源：智研咨詢，長(zhǎng)江證券研究所資料來源：智研

30、咨詢，長(zhǎng)江證券研究所隨著數(shù)據(jù)系統(tǒng)市場(chǎng)的不斷發(fā)展深化，用戶需要處理的業(yè)務(wù)、用戶數(shù)據(jù)的增加，傳統(tǒng)的小型機(jī)服務(wù)器系統(tǒng)瓶頸日益突顯，性能優(yōu)化需求已是大勢(shì)所趨。同時(shí)，對(duì)于國(guó)外系統(tǒng)在中國(guó)各領(lǐng)域的應(yīng)用隱含的信息安全問題也加深了用戶對(duì)自主、安全、可控的國(guó)產(chǎn)數(shù)據(jù)庫(kù)產(chǎn)業(yè)的需求。此外，X86 服務(wù)器與儲(chǔ)存性大幅提升，系統(tǒng)交互日益成熟。這三點(diǎn)因素進(jìn)一步推動(dòng)了各中國(guó)公司信息自主化、扶持自主信息產(chǎn)業(yè)替代國(guó)外商用數(shù)據(jù)庫(kù)、實(shí)現(xiàn)安全可控為主要目的的“去 IOE”的進(jìn)程。圖 14：IOE 問題介紹與解決的可能方向一覽資料來源：中國(guó)知網(wǎng)報(bào)告，長(zhǎng)江證券研究所目前為止，替代占據(jù)主要市場(chǎng)的國(guó)外商用的進(jìn)程總體上已經(jīng)穩(wěn)步推進(jìn)。如阿里、華為等

31、廠商逐步開發(fā)了更安全、自主、可用的云平臺(tái)產(chǎn)品用于數(shù)據(jù)遷移和更為節(jié)約成本的數(shù)據(jù)計(jì)算技術(shù)。從 2009 年國(guó)內(nèi)“去 IOE”進(jìn)程開始到 2017 年期間，國(guó)產(chǎn)數(shù)據(jù)庫(kù)產(chǎn)品占國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)的份額正在飛速提升。尤其在 2016 年至 2017 年間，年增長(zhǎng)率高達(dá) 36.33%，遠(yuǎn)超同期國(guó)外數(shù)據(jù)庫(kù)產(chǎn)業(yè)在國(guó)內(nèi)市場(chǎng) 15.98%的增速。預(yù)計(jì)未來，隨著“去 IOE”進(jìn)程的全面化，這一占比將繼續(xù)提升。 圖 15：國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)國(guó)產(chǎn)與國(guó)外廠商規(guī)模（單位：億元）120100806040200200920102011201220132014201520162017國(guó)產(chǎn)數(shù)據(jù)庫(kù)規(guī)模國(guó)外數(shù)據(jù)庫(kù)規(guī)模資料來源：智研咨詢，長(zhǎng)江證券

32、研究所時(shí)間進(jìn)程概要表 2：國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)“去 IOE 化”進(jìn)程一覽2009 年阿里巴巴因?yàn)閭鹘y(tǒng)的IOE 模式出現(xiàn)了技術(shù)瓶頸，提出“低成本，現(xiàn)行可控，分布式”的數(shù)據(jù)架構(gòu)方案，用 PC 代替小型機(jī)，開源的MySQL 代替 Oracle 數(shù)據(jù)庫(kù)2010 年阿里進(jìn)一步提出以自主開發(fā)的 Ocean Base 與 MySQL 相組合的方案代替 Oracle 數(shù)據(jù)庫(kù)2011 年中國(guó)移動(dòng)率先開展 Unix 應(yīng)用遷移的研究，在浙江地區(qū)分別完成去“I”、“E”的目標(biāo)2012 年阿里旗下淘寶系整體完成“去IOE”的目標(biāo)，并繼續(xù)發(fā)展 Hadoop 機(jī)群與飛天平臺(tái)的 ODPS，實(shí)現(xiàn)了真正的云計(jì)算技術(shù) “棱鏡門”事件展示

33、了 RSA 算法存在技術(shù)“后門”，凸顯了 IOE 框架的安全隱患2013 年2014 年中國(guó)聯(lián)通、電信在北京、重慶、浙江、黑龍江開展了“去IOE”行動(dòng)中國(guó)銀監(jiān)會(huì)發(fā)布了關(guān)于應(yīng)用安全可控信息技術(shù)加強(qiáng)銀行業(yè)網(wǎng)絡(luò)安全和信息化建設(shè)的指導(dǎo)意見一文，體現(xiàn)了政府部門對(duì)“去 IOE”進(jìn)程的決心 中國(guó)移動(dòng)開展第三代業(yè)務(wù)支撐系統(tǒng)進(jìn)行去IOE郵儲(chǔ)銀行郵政儲(chǔ)蓄系統(tǒng)與南天電子合作，以開源軟件應(yīng)用為基礎(chǔ)實(shí)現(xiàn)分布式架構(gòu)與原有集中式架構(gòu)的并存2015 年騰訊旗下的微眾銀行搭建了完全自主可控的 IT 架構(gòu)2017 年華為發(fā)布 Fusion Cloud Stack 解決方案，可在公有云網(wǎng)絡(luò)中斷情況下正常運(yùn)作，給用戶更安全、可靠的數(shù)

34、據(jù)組主權(quán)資料來源：中國(guó)知網(wǎng)報(bào)告，長(zhǎng)江證券研究所新興數(shù)據(jù)庫(kù)趨勢(shì)：多技術(shù)融合根據(jù) Statista 統(tǒng)計(jì)報(bào)告，全球每年產(chǎn)生的數(shù)據(jù)量值近年來正呈現(xiàn)飛速增長(zhǎng)態(tài)勢(shì)。預(yù)計(jì)到 2020 年，全球每年產(chǎn)生的數(shù)量將達(dá)到 50.5ZB。自 2012 年以來，每年中國(guó)市場(chǎng)產(chǎn)生的數(shù)據(jù)量增長(zhǎng)率都在 50%左右。這預(yù)示著未來數(shù)據(jù)庫(kù)產(chǎn)業(yè)的產(chǎn)品將關(guān)注于進(jìn)一步提升計(jì)算、處理、存儲(chǔ)等方面的性能，才有可能有效利用如此大量的數(shù)據(jù)。 圖 16：2016-2020 全球數(shù)據(jù)量預(yù)計(jì)（數(shù)據(jù)量單位：ZB）6050403020100201620172018E2019E2020E數(shù)據(jù)量(ZB)增速(右軸)50%45%40%35%30%25%20%

35、15%10%5%0%表 3：國(guó)產(chǎn)數(shù)據(jù)庫(kù)新興產(chǎn)品的技術(shù)趨勢(shì)資料來源：IDC，Statista，長(zhǎng)江證券研究所目前新興國(guó)產(chǎn)數(shù)據(jù)庫(kù)的底層框架已經(jīng)日趨成熟，大數(shù)據(jù)技術(shù)已經(jīng)成為了支柱型的基礎(chǔ)設(shè)施。未來發(fā)展數(shù)據(jù)庫(kù)產(chǎn)業(yè)發(fā)展的方向也逐漸轉(zhuǎn)向提升效率、上層應(yīng)用部分。當(dāng)前，新興國(guó)產(chǎn)數(shù)據(jù)庫(kù)產(chǎn)品正逐漸體現(xiàn)了六種不同方向的技術(shù)融合的趨勢(shì)，分別為硬件算力融合、流批處理融合、事務(wù)與分析型融合、一站式模塊融合、云與數(shù)據(jù)融合、數(shù)據(jù)與智能融合。趨勢(shì)名稱產(chǎn)生背景趨勢(shì)概括國(guó)產(chǎn)數(shù)據(jù)庫(kù)軟件應(yīng)用案例硬件算力融合流批處理融合事務(wù)與分析型融合一站式模塊融合云與數(shù)據(jù)融合數(shù)據(jù)與智能融合數(shù)據(jù)過多、復(fù)雜使得數(shù)據(jù)平臺(tái)負(fù)載，CPU 為底層的計(jì)算模式遇到瓶

36、頸現(xiàn)代企業(yè)使用的數(shù)據(jù)價(jià)值會(huì)隨時(shí)間流逝降低，須考慮實(shí)時(shí)計(jì)算空間與計(jì)算資源之間的平衡事務(wù)型處理與分析型處理在海量實(shí)時(shí)處理時(shí)建立了強(qiáng)關(guān)聯(lián)關(guān)系，但因?yàn)榧夹g(shù)原因造成數(shù)據(jù)重復(fù)儲(chǔ)存、時(shí)效性不足的問題企業(yè)圍繞工具與數(shù)據(jù)的生產(chǎn)鏈 條、管理、應(yīng)用實(shí)現(xiàn)了能力集成全球范圍內(nèi)的數(shù)據(jù)向云上遷徙的模式已經(jīng)成為大勢(shì)所趨大數(shù)據(jù)與人工智能兩種技術(shù)的普及，使得兩者融合成為數(shù)據(jù)領(lǐng)域最受關(guān)注的趨勢(shì)以 CPU 為調(diào)度核心，協(xié)調(diào) GPU、FPGA、 ASIC 等加速單元，融合計(jì)算能力提高計(jì)算效率由一套引擎，結(jié)合流處理方式的思想與批處理方式的操作，有效完成實(shí)時(shí)計(jì)算1）以傳統(tǒng)的行存關(guān)系型數(shù)據(jù)庫(kù)實(shí)現(xiàn)事務(wù)特性，再引入計(jì)算引擎實(shí)現(xiàn)復(fù)雜查詢; 2）在

37、行存數(shù)據(jù)庫(kù)基礎(chǔ)上加入列存功能，完成分析型的需求;3）基于列存為主的分析型數(shù)據(jù)庫(kù)增加行存功能，完成事務(wù)型需求提高了數(shù)據(jù)獲取的效率，打通了數(shù)據(jù)共享的渠道、提供了統(tǒng)一的數(shù)據(jù)開發(fā)能力更多大數(shù)據(jù)產(chǎn)品設(shè)計(jì)選擇遵循云原生的概念開發(fā)，紛紛構(gòu)建自己的云上數(shù)據(jù)產(chǎn)品智能平臺(tái)方面，以智能化的手段分析數(shù)據(jù)時(shí)不再需要將數(shù)據(jù)進(jìn)行平臺(tái)搬移。另外，大數(shù)據(jù)平臺(tái)除了支持機(jī)械學(xué)習(xí)也支持其他 AI 應(yīng)用；數(shù)據(jù)治理方面，數(shù)據(jù)治理的結(jié)果可以作為人工智能的更高質(zhì)量的輸入數(shù)據(jù)，而人工智能可使治理過程進(jìn)一步智能化。華為公司擬定推出的 Fusion Insight B160；騰訊云搭載Alveo U200 的 FPGA；騰訊云采用 NVIDIA

38、T4 的 GN7阿里、騰訊等企業(yè)使用的 Apache Flink平臺(tái)對(duì)流批處理融合；螞蟻金服使用AMPlab 開源的 Ray 框架進(jìn)行金融級(jí)在線學(xué)習(xí)；柏睿數(shù)據(jù)大數(shù)據(jù)實(shí)時(shí)分析平臺(tái) RDP 依托完全自研的流數(shù)據(jù)庫(kù) StreamDB 對(duì)流批融合處理柏睿數(shù)據(jù)通過跨源異構(gòu)連接技術(shù)實(shí)現(xiàn)事務(wù)與分析多元融合；PingCAP 公司的 TiDB 在其 4.0 版本通過計(jì)算與存儲(chǔ)層的分離實(shí)現(xiàn)事務(wù)與分析型數(shù)據(jù)庫(kù)融合的可能 阿里巴巴提出的“中臺(tái)”華為公司提出的“數(shù)據(jù)基礎(chǔ)設(shè)施”阿里云的 MaxCompute、PolarDB;騰訊云的彈性 MapReduce, Sparkling阿里巴巴基于 Flink 開源了機(jī)械學(xué)習(xí)算法

39、平臺(tái)Alink柏睿數(shù)據(jù)庫(kù)內(nèi)人工智能并行算法庫(kù)Rapids ParallelAI 實(shí)現(xiàn)庫(kù)內(nèi)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)資料來源：中國(guó)信通院，長(zhǎng)江證券研究所百花齊放，國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商迎來機(jī)遇依據(jù) IDC 的統(tǒng)計(jì)分析，近年來，國(guó)際數(shù)據(jù)庫(kù)廠商在中國(guó)市場(chǎng)增長(zhǎng)乏力，本土廠商份額上升。 國(guó)際數(shù)據(jù)庫(kù)廠商的市場(chǎng)份額已經(jīng)飽和，在企業(yè)新系統(tǒng)建設(shè)中，本土數(shù)據(jù)庫(kù)品牌占據(jù)優(yōu)勢(shì)。國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)迎來蓬勃發(fā)展期，進(jìn)入百花齊放時(shí)期。近年來，傳統(tǒng)數(shù)據(jù)庫(kù)廠商和公有 云數(shù)據(jù)庫(kù)服務(wù)商都在加速產(chǎn)品迭代和推出新的產(chǎn)品。同時(shí)，新興數(shù)據(jù)庫(kù)廠商不斷涌現(xiàn)，以及其他領(lǐng)域廠商向數(shù)據(jù)庫(kù)跨界情況的增多，使中國(guó)關(guān)系型數(shù)據(jù)庫(kù)市場(chǎng)更加繁榮和活躍。新興廠商和跨界廠商的典型代表

40、有：巨杉數(shù)據(jù)庫(kù)、PingCAP、柏睿數(shù)據(jù)、海量數(shù)據(jù)、華 為、中興等。我們梳理國(guó)產(chǎn)數(shù)據(jù)庫(kù)代表廠商發(fā)現(xiàn)，當(dāng)前國(guó)產(chǎn)數(shù)據(jù)庫(kù)典型廠商主要以三類為主：第一，以華為、阿里、騰訊為代表的 IT 巨頭；第二，以柏睿數(shù)據(jù)、星環(huán)科技為代表的創(chuàng)新型數(shù)據(jù)庫(kù)廠商；第三，達(dá)夢(mèng)數(shù)據(jù)庫(kù)和人大金倉(cāng)等為代表的傳統(tǒng)國(guó)產(chǎn)數(shù)據(jù)庫(kù)廠商。表 4：華為云官網(wǎng)已發(fā)布的數(shù)據(jù)庫(kù)產(chǎn)品一覽華為：國(guó)產(chǎn)數(shù)據(jù)庫(kù)龍頭，快速構(gòu)建生態(tài)華為公司在數(shù)據(jù)庫(kù)產(chǎn)業(yè)上布局已久，早在 2007 年就已經(jīng)戰(zhàn)略上開展了對(duì)數(shù)據(jù)庫(kù)行業(yè)的布局，到 2014 年就已經(jīng)持續(xù)和工商銀行、招行等客戶建立合作聯(lián)創(chuàng)，目前僅數(shù)據(jù)庫(kù)研發(fā)人才就有 1000 多人，并有 100 多名布局全球七大區(qū)域的數(shù)據(jù)庫(kù)

41、內(nèi)核引擎、算法等方向的高級(jí)專家與技術(shù)人員， 同時(shí)也積極擁抱開源環(huán)境， 打造兼容包括 MySQL 、 PostgreSQL、MongoDB、Cassandra 等的數(shù)據(jù)庫(kù)。產(chǎn)品名稱產(chǎn)品特點(diǎn)GaussDB (for SQL)GaussDB (for Cassandra)GaussDB (for Mongo)超高性能：百萬級(jí) QPS，存儲(chǔ)與計(jì)算分離，日志即數(shù)據(jù)結(jié)構(gòu)，RDMA 網(wǎng)絡(luò)，性能達(dá)到原生開源數(shù)據(jù)庫(kù)的 7 倍；高擴(kuò)展性：1 寫 15 讀節(jié)點(diǎn)模式，提升至原生開源數(shù)據(jù)庫(kù) 5 倍；128TB 存儲(chǔ)空間；高可靠性：跨AZ 部署，數(shù)據(jù)三副本，分鐘級(jí)備份與復(fù)原 TB 級(jí)數(shù)據(jù)，最大保持 732 天內(nèi)備份內(nèi)容可

42、在期限內(nèi)任意時(shí)點(diǎn)恢復(fù)；高兼容性：完全兼容 MySQL，無需分庫(kù)分表，應(yīng)用無需改造即可輕松遷徙上云安全可靠：支持跨三個(gè)可用區(qū)部署；快速備份與恢復(fù)；分布式架構(gòu)，最高 N-1 節(jié)點(diǎn)故障容錯(cuò)；超強(qiáng)讀寫：相同成本下三倍于原生數(shù)據(jù)性能，支持 7*24 小時(shí)在線數(shù)據(jù)寫入，高可用與讀寫負(fù)載均衡；彈性擴(kuò)展：基于計(jì)算存儲(chǔ)分離的分布式架構(gòu)，可實(shí)現(xiàn)分鐘級(jí)計(jì)算節(jié)點(diǎn)擴(kuò)容和秒存儲(chǔ)擴(kuò)容，擴(kuò)容不干擾線上業(yè)務(wù)；海量數(shù)據(jù)：?jiǎn)翁讓?shí)例最大支持 100TB 數(shù)據(jù)超高性能：相對(duì)原生開源系統(tǒng)三倍性能提升，支持 7*24 小時(shí)在線數(shù)據(jù)實(shí)時(shí)寫入，高可用、高讀寫負(fù)載；穩(wěn)定可靠：支持跨三個(gè)可用區(qū)部署，快速備份恢復(fù)；分布式架構(gòu)，最高 N-1 節(jié)點(diǎn)故障

43、容忍；超強(qiáng)擴(kuò)容：擴(kuò)容性能相比 A3 提升 742 倍，性能平穩(wěn)上升。擴(kuò)容過程不干擾線上業(yè)務(wù)；可視化管理：可視化管理平臺(tái)對(duì)實(shí)例創(chuàng)建刪除、備份恢復(fù)、監(jiān)控報(bào)警、節(jié)點(diǎn)擴(kuò)縮容等實(shí)現(xiàn)一鍵式便捷操作資料來源：華為云官網(wǎng)，長(zhǎng)江證券研究所2019 年 Q4，華為開始了 GaussDB(for SQL)、GaussDB(for Cassandra)、GaussDB(for Mongo)數(shù)據(jù)庫(kù)的公測(cè)與試商用。2020 年 7 月 20 日，華為云數(shù)據(jù)庫(kù)業(yè)務(wù)總裁蘇光牛在 TechWave 技術(shù)峰會(huì)上正式發(fā)布了 GaussDB (for SQL) 與 GaussDB NoSQL 兩款數(shù)據(jù)庫(kù)產(chǎn)品。之后不到半個(gè)月，華為就宣

44、布了對(duì)整個(gè) GaussDB 產(chǎn)品更新與戰(zhàn)略升級(jí)。華為將自己旗下各種兼容不同開源系統(tǒng)的數(shù)據(jù)庫(kù)產(chǎn)品統(tǒng)一以“GaussDB”這一名稱命名，不僅表明了自己注重持續(xù)建設(shè)、開源運(yùn)營(yíng) openGauss 社區(qū)的態(tài)度，也表明了之后將持續(xù)打造自主研發(fā)可控的數(shù)據(jù)庫(kù)產(chǎn)業(yè)的立場(chǎng)。據(jù)華為提供的數(shù)據(jù)顯示，2019 年華為數(shù)據(jù)庫(kù)外部收入相比 2018 年已經(jīng)實(shí)現(xiàn)了高達(dá) 400%的增長(zhǎng)，并已經(jīng)廣泛運(yùn)用到金融、泛政府、交通、醫(yī)療、能源等產(chǎn)業(yè)中。表 5：華為名下其他產(chǎn)品對(duì)其數(shù)據(jù)庫(kù)產(chǎn)品的輔助作用產(chǎn)品名稱功能對(duì)數(shù)據(jù)庫(kù)的輔助作用彈性云服務(wù)器（ECS） 對(duì)象存儲(chǔ)服務(wù)（OBS）可隨時(shí)自助獲取、彈性伸縮的云服務(wù)器，打造可靠、安全的應(yīng)用環(huán)境，

45、確保服務(wù)穩(wěn)定運(yùn)行，提升運(yùn)維效率穩(wěn)定、安全、高效、易用的云存儲(chǔ)服務(wù)，具有標(biāo)準(zhǔn)的 Restful API 接口，可存儲(chǔ)任意數(shù)量與形式的非結(jié)構(gòu)化數(shù)據(jù)用戶可申請(qǐng)的隔離、私密的虛擬網(wǎng)絡(luò)環(huán)境，用戶可自由配置其與 Gauss(for SQL)內(nèi)網(wǎng)連接降低響應(yīng)時(shí)間，節(jié)約流量；為 Gauss NoSQL 提供可彈性申請(qǐng)計(jì)算資源、穩(wěn)定運(yùn)行環(huán)境存儲(chǔ) Gauss(for SQL)數(shù)據(jù)庫(kù)實(shí)例的自動(dòng)與手動(dòng)備份數(shù)據(jù)；存儲(chǔ) Gauss NoSQL 數(shù)據(jù)，提高數(shù)據(jù)抗災(zāi)力并降低磁盤占用對(duì)用戶的 Gauss(for SQL)進(jìn)行網(wǎng)絡(luò)隔離和訪問限制；虛擬私有云（VPC） 中 IP 地址段、子網(wǎng)、安全組的業(yè)務(wù)，也可申請(qǐng)彈性帶寬與 IP

46、搭建業(yè)務(wù)云監(jiān)控(CES)為用戶提供一個(gè)針對(duì)彈性云服務(wù)器、帶寬等資源的立體化監(jiān)控平臺(tái)云審計(jì)（CTS）提供云賬戶下資源的操作記錄并進(jìn)行實(shí)現(xiàn)的安全分析、資源變更、合規(guī)審計(jì)、問題定位的場(chǎng)景資料來源：華為云官網(wǎng)，長(zhǎng)江證券研究所結(jié)合網(wǎng)絡(luò)安全組限制 IP 范圍、VPC 運(yùn)行數(shù)據(jù)可提升安全性可實(shí)時(shí)監(jiān)測(cè) Gauss(for SQL)資源動(dòng)態(tài)，并提供多種預(yù)警方式為用戶提供云服務(wù)資源的操作記錄，以供查詢、審計(jì)、回溯華為公司判斷在未來的國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)中，超高性能、高可用性、擴(kuò)展性、安全性、易用性的特點(diǎn)仍然是市場(chǎng)需求的趨勢(shì)。華為會(huì)繼續(xù)推進(jìn) AI 技術(shù)融入 GaussDB 數(shù)據(jù)庫(kù)內(nèi)核與算法的過程，逐步實(shí)現(xiàn)數(shù)據(jù)庫(kù)自我調(diào)優(yōu)、

47、診斷、運(yùn)維能力，以求最終實(shí)現(xiàn)數(shù)據(jù)庫(kù)智能化，并將繼續(xù)圍繞云上數(shù)據(jù)庫(kù)建立以此為核心的云上數(shù)據(jù)生態(tài)。阿里巴巴：國(guó)產(chǎn)替代先行者，云數(shù)據(jù)庫(kù)國(guó)產(chǎn)廠商領(lǐng)先早在 2009 年，阿里巴巴就已率先提出了“去 IOE 化”的口號(hào)，并且在之后十年之內(nèi)一直堅(jiān)持這一戰(zhàn)略方向自主研發(fā)數(shù)據(jù)庫(kù)產(chǎn)品。目前，其數(shù)據(jù)庫(kù)市場(chǎng)已經(jīng)初具規(guī)模。根據(jù) IDC中國(guó)發(fā)布的資料顯示，截至 2019 年，阿里巴巴在國(guó)內(nèi)關(guān)系型數(shù)據(jù)庫(kù)公有云領(lǐng)域占據(jù)市場(chǎng)份額達(dá)到 48.10%, 穩(wěn)居該市場(chǎng)份額第一位，超過之后排名的五家公司該領(lǐng)域份額的總和。 圖 17：2019 年國(guó)內(nèi)市場(chǎng)公有云數(shù)據(jù)庫(kù)市場(chǎng)份額占比圖3.00%7.00%40%20.40%2.50%8.60%

48、48.10%10.阿里巴巴騰訊AWSOracle華為Microsoft其他資料來源：IDC 中國(guó)，長(zhǎng)江證券研究所阿里巴巴自研數(shù)據(jù)庫(kù)極低的計(jì)算成本依托于其不斷創(chuàng)新、自主研發(fā)的強(qiáng)力云計(jì)算技術(shù)。2019 年時(shí)，阿里巴巴的 EMR 參加了大數(shù)據(jù)領(lǐng)域權(quán)威競(jìng)賽 TPC-DS，其結(jié)果打破了當(dāng)時(shí)的世界紀(jì)錄，成為 2006 年以來唯一一家上榜的國(guó)產(chǎn)關(guān)系型數(shù)據(jù)庫(kù)廠商。2020 年 5 月，阿里巴巴自研數(shù)據(jù)庫(kù) AnalyticDB 又將計(jì)算速度提升了 2.2 倍以上，跑出 1489 萬QphDS的高分，是 Spark、Transwarp 等同類產(chǎn)品的 3 倍以上。圖 18：阿里巴巴近年數(shù)據(jù)計(jì)算領(lǐng)域取得成就一覽資料來

49、源：快科技，長(zhǎng)江證券研究所表 6：阿里巴巴數(shù)據(jù)庫(kù)產(chǎn)品一覽目前已經(jīng)有多達(dá) 40 萬以上的數(shù)據(jù)庫(kù)實(shí)例遷移到了阿里云之上，阿里巴巴數(shù)據(jù)庫(kù)已經(jīng)全面應(yīng)用到了政務(wù)、零售、金融、電信、制造、物流等各個(gè)領(lǐng)域的龍頭企業(yè)。阿里巴巴擁有非常全面的數(shù)據(jù)庫(kù)產(chǎn)品內(nèi)容，其中包括關(guān)系型數(shù)據(jù)庫(kù) PolarDB、PolarDB- X、OceanBase 等，非關(guān)系型數(shù)據(jù)庫(kù) Lindorm，云原生數(shù)據(jù)倉(cāng)庫(kù) AnalyticDB。這些數(shù)據(jù)庫(kù)產(chǎn)品幾乎涵蓋了所有開源性質(zhì)的不同數(shù)據(jù)庫(kù)種類，并且有效兼容了 Oracle 等商用數(shù)據(jù)庫(kù)的內(nèi)容，為公司未來進(jìn)一步帶動(dòng)數(shù)據(jù)庫(kù)市場(chǎng)“去 IOE 化”打下了堅(jiān)實(shí)的基礎(chǔ)。產(chǎn)品名稱功能優(yōu)勢(shì)PolarDBPol

50、arDB-XOceanBaseLindormAnalyticDB完全兼容 MySQL、PostgreSQL 數(shù)據(jù)庫(kù)引擎，高度兼容 Oracle 語法，兼具開源靈活性與商用的高性能、安全性；支持最大容量 100TB，最多可擴(kuò)展至 16 個(gè)節(jié)點(diǎn)，分布式存儲(chǔ)可伸縮，僅根據(jù)用量收費(fèi)，單節(jié)點(diǎn)最高 100 萬 QPS； “一主多從”架構(gòu)，同一實(shí)例所有讀寫、只讀節(jié)點(diǎn)僅訪問存儲(chǔ)上同一腳本，實(shí)現(xiàn)主備切換零丟失和分鐘級(jí)備份恢復(fù)融合 MySQL-DRDS 引擎與自研存儲(chǔ) X-DB，專注于海量數(shù)據(jù)存儲(chǔ)、超高并發(fā)吞吐、大表瓶頸與復(fù)雜計(jì)算效率類難題；多種貼合 OLTP 業(yè)務(wù)的拆分方案，讓操作聚焦少量效率，提升操作效率，利

51、用分布式特性、并行選項(xiàng)降低響應(yīng)時(shí)間；峰值 TPS 每秒可達(dá) 8700 萬次，支撐 55 萬筆交易訂單，極致水平擴(kuò)展，承載 PB 級(jí)數(shù)據(jù)，支撐千萬級(jí)業(yè)務(wù)并發(fā)；基于Paxos 一致性協(xié)議，數(shù)據(jù)副本跨可用區(qū) RPO 為 0，確保數(shù)據(jù)一致零丟失6100 萬次/秒峰值處理，支持業(yè)務(wù)快速擴(kuò)容縮容，通過準(zhǔn)內(nèi)存處理架構(gòu)實(shí)現(xiàn)高性能，單集群最大 3PB 數(shù)據(jù)量；同時(shí)兼容 MySQL 與 Oracle 兩種模式，只需少量改動(dòng)就可數(shù)據(jù)遷移至 Oceanbase；采用Paxos 協(xié)議，通過數(shù)據(jù)多副本，基于PC 服務(wù)器主備自動(dòng)切換，數(shù)據(jù)零丟失，創(chuàng)造“三地五中心”容災(zāi)架構(gòu)；阿里對(duì)該數(shù)據(jù)庫(kù)產(chǎn)品擁有 100%核心產(chǎn)權(quán)，所有模塊

52、都具備代碼級(jí)的修復(fù)能力，完全自主可控通過鏈接線路，輕松實(shí)現(xiàn)與Spark、HBase、MySQL 等存儲(chǔ)系統(tǒng)無縫對(duì)接，從而進(jìn)行實(shí)時(shí)分析、可視化訪問等操作；基于云原生態(tài)存儲(chǔ)構(gòu)建寬表、時(shí)序、搜索引擎，提供統(tǒng)一多模查詢和獨(dú)立開源接口，讓開發(fā)更靈活，運(yùn)行更高效；多種引擎共享統(tǒng)一的存儲(chǔ)池，具備低成本、高可靠彈性伸縮額能力，并兼容 HDFS 標(biāo)準(zhǔn)接口，數(shù)據(jù)實(shí)現(xiàn)智能冷熱分離；內(nèi)置二級(jí)索引、倒排索引、時(shí)序索引等組織格式，滿足海量數(shù)據(jù)的快速查詢處理高易用性，完全兼容 MySQL，幾乎不用額外學(xué)習(xí)就能馬上上手；自由計(jì)算，無需預(yù)先建模，具有毫秒/秒級(jí)的針對(duì)海量數(shù)據(jù)進(jìn)行即時(shí)多維分析和業(yè)務(wù)探索；多副本的高可用架構(gòu)與公司鑰

53、機(jī)制保證了用戶信息安全；支持分析型SQL 高并發(fā)查詢資料來源：阿里云官網(wǎng)，長(zhǎng)江證券研究所阿里巴巴判斷在未來的行業(yè)發(fā)展中，擁有云原生數(shù)據(jù)庫(kù)與分布式架構(gòu)的數(shù)據(jù)庫(kù)產(chǎn)品，不僅能夠提供更低的成本和彈性擴(kuò)展能力，還能夠有效降低成本，會(huì)成為未來公司市場(chǎng)所前進(jìn)的方向。同時(shí)，公司也逐步將 AI 技術(shù)運(yùn)用到研發(fā)的自治數(shù)據(jù)庫(kù)服務(wù)當(dāng)中，并在未來盡可能做到數(shù)據(jù)庫(kù)運(yùn)維的自動(dòng)化與智能化。此外，阿里巴巴正在建設(shè) LedgerDB，未來將嘗試將區(qū)塊鏈技術(shù)與數(shù)據(jù)庫(kù)系統(tǒng)相集成，以確保螞蟻金服的交易業(yè)務(wù)中用戶數(shù)據(jù)的安全性。騰訊：數(shù)據(jù)庫(kù)產(chǎn)品不斷迭代，重視新興技術(shù)作為大數(shù)據(jù)這一領(lǐng)域的前沿探索者，騰訊自 2009 年就以來不斷變革其數(shù)據(jù)庫(kù)

54、技術(shù)，從開源化數(shù)據(jù)庫(kù)到重視實(shí)時(shí)演算，再到機(jī)器學(xué)習(xí)與自主研發(fā)數(shù)據(jù)庫(kù)產(chǎn)品的這十多年，騰訊在數(shù)據(jù)庫(kù)這一領(lǐng)域積累了相當(dāng)多的經(jīng)驗(yàn)。如今，騰訊已經(jīng)成功開發(fā)了 20 多種數(shù)據(jù)庫(kù)，并以每年 5 個(gè)大產(chǎn)品、50 種功能的高速繼續(xù)在數(shù)據(jù)庫(kù)相關(guān)產(chǎn)品研發(fā)道路上推進(jìn)。圖 19：騰訊公司從事數(shù)據(jù)庫(kù)產(chǎn)業(yè)經(jīng)歷的四個(gè)階段資料來源：騰訊科技，長(zhǎng)江證券研究所表 7：騰訊云旗下產(chǎn)品一覽如今，騰訊云已經(jīng)掌握了核心的自主研發(fā)技術(shù)。2020 年 6 月 1 日，騰訊云正式發(fā)布分布式圖形數(shù)據(jù)庫(kù)產(chǎn)品騰訊云數(shù)圖 TenCent Graph Database(TGDB)，成功實(shí)現(xiàn)了萬億級(jí)關(guān)聯(lián)性數(shù)據(jù)庫(kù)的實(shí)時(shí)查詢，并且成功打破了國(guó)外如 Neo4j 等

55、圖形數(shù)據(jù)庫(kù)廠商在圖形數(shù)據(jù)庫(kù)該領(lǐng)域上的技術(shù)天花板。除了圖形數(shù)據(jù)庫(kù)這一新型自主研發(fā)產(chǎn)品之外，騰訊已經(jīng)擁有了 TenCent DB 中最受歡迎數(shù)據(jù)庫(kù)云數(shù)據(jù)庫(kù) MySQL、分布式數(shù)據(jù)庫(kù) TDSQL、數(shù)據(jù)庫(kù)一體機(jī) TData、數(shù)據(jù)庫(kù)生態(tài)工具智能管家 DBbrain 等一系列優(yōu)秀產(chǎn)品。產(chǎn)品類型產(chǎn)品名稱與功能一覽關(guān)系型數(shù)據(jù)庫(kù)云數(shù)據(jù)庫(kù) MySQL:高性能、高可靠、高擴(kuò)展性的數(shù)據(jù)庫(kù)托管服務(wù)，高 IO 吞吐能力；云數(shù)據(jù)庫(kù) CynosDB: 企業(yè)級(jí)云原生數(shù)據(jù)庫(kù)，極速性能，海量存儲(chǔ)，全面兼容開源數(shù)據(jù)庫(kù)；云數(shù)據(jù)庫(kù) MariaDB：保證 MariaDB 永遠(yuǎn)開源，是企業(yè)級(jí)應(yīng)用的最優(yōu)選擇，主要開源社區(qū)系統(tǒng)/軟件的數(shù)據(jù)庫(kù)系統(tǒng)

56、；云數(shù)據(jù)庫(kù) SQL Server：業(yè)界最常用的商用數(shù)據(jù)庫(kù)之一， 完美支持Windows 架構(gòu)應(yīng)用程序，正版 SQL Server 許可授權(quán)；分布式數(shù)據(jù)庫(kù) TDSL：高度兼容 MySQL，支持水平拆分（分表）的高性能數(shù)據(jù)庫(kù)，同時(shí)提供智能化 DBA、自動(dòng)化運(yùn)營(yíng)、監(jiān)控告警等配套設(shè)施；一體機(jī) TData：融合高性能計(jì)算、熱插拔閃存、InfiniBand 網(wǎng)絡(luò)的數(shù)據(jù)庫(kù)解決方案，適用于 OLAP、 OLTP 以及混合負(fù)載等非關(guān)系型數(shù)據(jù)庫(kù)其他數(shù)據(jù)庫(kù)各種應(yīng)用場(chǎng)景下的極限性能需求，支持 Oracle、SQL Server、MySQL 和 PostgreSQL 等各種主要數(shù)據(jù)庫(kù)云數(shù)據(jù)庫(kù) Redis：兼容 Redi

57、s 協(xié)議的緩存和存儲(chǔ)服務(wù)，支持主從熱備，提供自動(dòng)容災(zāi)切換、數(shù)據(jù)備份、故障遷移等全套的數(shù)據(jù)庫(kù)服務(wù)；云數(shù)據(jù)庫(kù) MongoDB: 100% 完全兼容 MongoDB 協(xié)議，支持跨文檔事務(wù)，提供穩(wěn)定的監(jiān)控管理，彈性可擴(kuò)展、自動(dòng)容災(zāi)；云數(shù)據(jù)庫(kù) Memcached：騰訊自主研發(fā)的極高性能、內(nèi)存級(jí)、持久化、分布式 Key-Value 存儲(chǔ)服務(wù)，兼容 Memcached云數(shù)據(jù)庫(kù) CTSDB：高效、安全、易用的云上時(shí)序數(shù)據(jù)存儲(chǔ)服務(wù)。特別適用于物聯(lián)網(wǎng)、大數(shù)據(jù)和互聯(lián)網(wǎng)監(jiān)控等擁有海量時(shí)序 數(shù)據(jù)的場(chǎng)景數(shù)據(jù)庫(kù)智能管家 DBbrain：用機(jī)器學(xué)習(xí)、大數(shù)據(jù)手段、專家經(jīng)驗(yàn)引擎快速?gòu)?fù)制資深數(shù)據(jù)庫(kù)管理員的成熟經(jīng)驗(yàn)，將大量傳統(tǒng)人工的

58、數(shù)據(jù)庫(kù)運(yùn)維工作智能化，服務(wù)于云上和云下企業(yè)資料來源：騰訊云官網(wǎng)，長(zhǎng)江證券研究所騰訊公司判斷未來在數(shù)據(jù)庫(kù)產(chǎn)業(yè)布局和發(fā)力主要在云原生、自治、國(guó)產(chǎn)化替代、超融合 這四個(gè)層面。公司將繼續(xù)堅(jiān)持成為數(shù)據(jù)庫(kù)產(chǎn)業(yè)生態(tài)的組織者，運(yùn)用其 CynosDB、DBbrain、 TDSQL、TBase 等產(chǎn)品，在未來“百花齊放”的國(guó)內(nèi)數(shù)據(jù)庫(kù)市場(chǎng)中，爭(zhēng)取更多的市場(chǎng)份額。圖 20：騰訊云使用客戶案例資料來源：騰訊云官網(wǎng)，長(zhǎng)江證券研究所柏睿數(shù)據(jù)：新興領(lǐng)軍，分析型數(shù)據(jù)庫(kù)代表企業(yè)柏睿公司成立于 2014 年，是完全自主可控?cái)?shù)據(jù)庫(kù)產(chǎn)品和數(shù)據(jù)智能平臺(tái)提供商，是一家代表中國(guó)主導(dǎo)制定數(shù)據(jù)庫(kù)國(guó)際標(biāo)準(zhǔn)的企業(yè)，是中國(guó)分析型數(shù)據(jù)庫(kù)行業(yè)代表企業(yè)。公

59、司依托底層核心數(shù)據(jù)處理技術(shù)和人工智能算法融合，對(duì)標(biāo)硅谷新興數(shù)據(jù)庫(kù) Snowflake 及 DataBricks，推出面向不同行業(yè)領(lǐng)域的大數(shù)據(jù)智能分析平臺(tái)，支撐智慧城市、數(shù)字政務(wù)、智慧能源、智能制造等數(shù)字化產(chǎn)業(yè)應(yīng)用。利用數(shù)據(jù)科學(xué)，實(shí)現(xiàn)實(shí)時(shí)洞察、精準(zhǔn)分析，為政務(wù)治理和企業(yè)經(jīng)營(yíng)提供決策支持。公司產(chǎn)品支持國(guó)產(chǎn)硬件鯤鵬、飛騰、兆芯、申威；支持國(guó)產(chǎn)操作系統(tǒng)深之度、UOS、銀河麒麟等。公司在美國(guó)硅谷、澳洲悉尼、中國(guó)上海、廣州、武漢、甘肅等地也設(shè)有多家研發(fā)中心和分支機(jī)構(gòu)，業(yè)務(wù)輻射長(zhǎng)三角、珠港澳、華中、西北等地。參考新京報(bào)，柏睿數(shù)據(jù) 2016 年銷售額 3500 萬元，2017 年預(yù)期實(shí)現(xiàn)合同金額 1 億元，已

60、經(jīng)具備一定規(guī)模體量。產(chǎn)品名稱產(chǎn)品名稱與功能一覽表 8：柏睿數(shù)據(jù)庫(kù)行業(yè)產(chǎn)品一覽RapidsDB是由柏睿數(shù)據(jù)完全自主研發(fā)、基于領(lǐng)先的內(nèi)存計(jì)算技術(shù)和分布式架構(gòu)的分析型數(shù)據(jù)庫(kù)軟件系統(tǒng)，能夠?qū)Ａ浚═B 級(jí)以上）、多維度的多源異構(gòu)數(shù)據(jù)進(jìn)行實(shí)時(shí)處理分析和加載加速。是柏睿數(shù)據(jù)自主研發(fā)，真正擁有完全自主核心技術(shù)，實(shí)現(xiàn)流處理并兼顧批處理的全內(nèi)存分布式流數(shù)據(jù)庫(kù)。主要應(yīng)用對(duì)實(shí)時(shí)產(chǎn)Rapids StreamDB生的數(shù)據(jù)進(jìn)行查詢，鑒于技術(shù)全球領(lǐng)先性和前瞻性，以該產(chǎn)品技術(shù)參數(shù)為支撐，形成中國(guó)SQL9075 2018 流數(shù)據(jù)庫(kù)國(guó)際標(biāo)準(zhǔn)。Rapids ParallelAI 數(shù)據(jù)庫(kù)內(nèi)人工智能并行算法庫(kù)，提供了大量的算法庫(kù)，包括