2023數(shù)據(jù)庫發(fā)展研究報告

數(shù)據(jù)庫發(fā)展研究報告（2023年）2023年7月目 錄版權(quán)聲明 I一、數(shù)據(jù)庫產(chǎn)業(yè)發(fā)展情況綜述 1(一)數(shù)據(jù)庫產(chǎn)業(yè)及市場 1(二)數(shù)據(jù)庫產(chǎn)品及服務(wù) 2從時間看，全球數(shù)據(jù)庫發(fā)展經(jīng)歷兩輪熱周期 2從地域看，美國和中國是全球數(shù)據(jù)庫產(chǎn)業(yè)的主力軍 4從類型看，非關(guān)系型數(shù)據(jù)庫在全球范圍占比略大 4從模式看，開源模式在全球范圍內(nèi)發(fā)展勢頭迅猛 6(三)數(shù)據(jù)庫支撐體系 8創(chuàng)新方面，非關(guān)系型是熱點(diǎn)，我國創(chuàng)新實(shí)力不斷增強(qiáng) 8標(biāo)準(zhǔn)方面，我國數(shù)據(jù)庫產(chǎn)業(yè)標(biāo)準(zhǔn)引領(lǐng)作用初見成效 10二、數(shù)據(jù)庫技術(shù)發(fā)展情況綜述 12(一)助力用戶降本增效 12交易分析一體化支撐多類業(yè)務(wù) 12多模處理一體化實(shí)現(xiàn)一庫多用 14數(shù)據(jù)湖倉一體化降低存算成本 16軟硬協(xié)同一體化提升系統(tǒng)性能 18AI與數(shù)據(jù)庫融合迸發(fā)無限潛力 20云計(jì)算成為數(shù)據(jù)庫重要驅(qū)動力 23(二)技術(shù)融合護(hù)航數(shù)據(jù)要素安全流通 26隱私計(jì)算保障密態(tài)數(shù)據(jù)安全流通 26區(qū)塊鏈技術(shù)賦能數(shù)據(jù)資產(chǎn)高度可信 27圖聯(lián)邦學(xué)習(xí)技術(shù)打破圖數(shù)據(jù)孤島 29(三)技術(shù)革新賦能新興業(yè)務(wù)場景 31AI大模型催生向量數(shù)據(jù)庫新應(yīng)用 31圖分析技術(shù)洞察數(shù)據(jù)連接新價值 33時空數(shù)據(jù)庫釋放時空數(shù)據(jù)新潛能 35三、數(shù)據(jù)庫行業(yè)應(yīng)用情況綜述 36(一)金融行業(yè)核心系統(tǒng)改造升級進(jìn)度加快 36(二)電信行業(yè)三類系統(tǒng)適配遷移加速推進(jìn) 37(三)制造業(yè)數(shù)據(jù)庫創(chuàng)新應(yīng)用具備廣闊空間 39四、總結(jié)與展望 41圖目錄圖1 2022-2027年中國數(shù)據(jù)庫市場規(guī)模及增速 1圖2 2021-2023中國公有云和本地部署數(shù)據(jù)庫市場規(guī)模 2圖4 全球數(shù)據(jù)庫企業(yè)開展業(yè)務(wù)時間 3圖5 中國數(shù)據(jù)庫企業(yè)開展業(yè)務(wù)時間 3圖6 全球數(shù)據(jù)庫產(chǎn)品類型分布 5圖7 中國數(shù)據(jù)庫產(chǎn)品類型分布 6圖8 全球現(xiàn)存開源數(shù)據(jù)庫的開源時間 7圖9 中國現(xiàn)存開源數(shù)據(jù)庫的開源時間 7圖10 2020-2022年VLDB、ICDE和SIGMOD論文分布情況 8圖11 2022年VLDB、ICDE和SIGMOD論文關(guān)鍵詞云圖 9圖12 2020-2022年中國高校及企業(yè)學(xué)術(shù)會議論文貢獻(xiàn)情況 10圖13 CCSATC601數(shù)據(jù)庫領(lǐng)域標(biāo)準(zhǔn)化工作體系 11圖14 四類HTAP數(shù)據(jù)庫技術(shù)架構(gòu)示意圖 13圖15 數(shù)據(jù)平臺技術(shù)架構(gòu)演進(jìn)圖 16圖16 FPGA與GPU技術(shù)發(fā)展歷程示意圖 19圖17 GDBMS系統(tǒng)全景圖 20圖18 AIGC為數(shù)據(jù)庫運(yùn)維提供建議的示例 21圖19 AIGC為數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì)提供建議的示例 22圖20 AIGC對數(shù)字進(jìn)行判斷的示例 23圖21 一種計(jì)算、內(nèi)存、存儲三層解耦架構(gòu)示意圖 25圖22 全密態(tài)數(shù)據(jù)庫發(fā)展歷程圖 27圖23 業(yè)界防篡改數(shù)據(jù)庫方案對比 29圖24 一種圖聯(lián)邦數(shù)據(jù)庫方案架構(gòu)示例 30圖25 一種圖聯(lián)邦數(shù)據(jù)庫應(yīng)用架構(gòu)示例 30圖26 向量數(shù)據(jù)庫關(guān)鍵技術(shù)及應(yīng)用場景示意 32圖27 圖計(jì)算平臺分類方式及典型產(chǎn)品 33圖28 GNN模型的一般設(shè)計(jì)流程 34圖29 國內(nèi)外典型時空數(shù)據(jù)庫產(chǎn)品 35圖30 電信行業(yè)數(shù)據(jù)庫部署方式分布 38表目錄表1HTAP關(guān)鍵技術(shù)總覽與優(yōu)缺點(diǎn)比較 13表2多模數(shù)據(jù)庫擴(kuò)展策略 14表3數(shù)據(jù)湖支持?jǐn)?shù)據(jù)倉庫產(chǎn)品能力對比 17表4數(shù)據(jù)倉庫支持?jǐn)?shù)據(jù)湖產(chǎn)品能力對比 18表5防篡改數(shù)據(jù)庫典型產(chǎn)品 28表6向量數(shù)據(jù)庫企業(yè)投融資情況 32表7電信行業(yè)支撐體系三大域分析 37表8制造行業(yè)典型系統(tǒng)及數(shù)據(jù)庫類型分布情況 39《數(shù)據(jù)庫發(fā)展研究報告（《數(shù)據(jù)庫發(fā)展研究報告（2023年）》PAGEPAGE10一、數(shù)據(jù)庫產(chǎn)業(yè)發(fā)展情況綜述當(dāng)前，全球產(chǎn)業(yè)生態(tài)加速變革，產(chǎn)品形態(tài)日益豐富；我國產(chǎn)業(yè)熱度持續(xù)升溫，創(chuàng)新能力不斷增強(qiáng)。市場規(guī)模不斷增高，產(chǎn)品提供商以中美兩國為主；非關(guān)系型數(shù)據(jù)庫產(chǎn)品是產(chǎn)業(yè)關(guān)注熱點(diǎn)、產(chǎn)品數(shù)量占比過半；開源模式影響力再次增大，我國開源業(yè)態(tài)不斷成熟。(一)數(shù)據(jù)庫產(chǎn)業(yè)及市場（以下簡來源：CCSATC601，2023年6月圖12022-2027年中國數(shù)據(jù)庫市場規(guī)模及增速據(jù)CCSATC601833億美59.7403.6占全球7.2%1。預(yù)計(jì)到2027年，中國數(shù)據(jù)庫市場總規(guī)模將達(dá)到1286.8億元，市場年復(fù)合增長率（CAGR）為26.1%。來源：CCSATC601，2023年6月圖22021-2023中國公有云和本地部署數(shù)據(jù)庫市場規(guī)模據(jù)CCSATC6012022年中國公有云數(shù)據(jù)庫市場規(guī)模為219.152021年增速51.6%，184.452021有云和本地部署模式市場規(guī)模分別占總市場54.3%45.7%，2022202359.8%323.16億元，本地部署模式市場17.8%217.24(二)數(shù)據(jù)庫產(chǎn)品及服務(wù)從時間看，全球數(shù)據(jù)庫發(fā)展經(jīng)歷兩輪熱周期1《中華人民共和國2022年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報》，國家統(tǒng)計(jì)局，2022年全年人民幣平均匯率為1美元兌6.7261元人民幣。來源：CCSATC601，2023年6月圖4全球數(shù)據(jù)庫企業(yè)開展業(yè)務(wù)時間從2060年8021世紀(jì)后，PC互聯(lián)網(wǎng)逐步向移動互聯(lián)2010-2019年進(jìn)入發(fā)展高峰期，新興企業(yè)不斷成立。這十年間，一共出現(xiàn)了230家企業(yè)，全球48.7%的數(shù)據(jù)庫企業(yè)均成立于這一時期。來源：CCSATC601，2023年6月圖5中國數(shù)據(jù)庫企業(yè)開展業(yè)務(wù)時間中國數(shù)據(jù)庫產(chǎn)業(yè)始于20世紀(jì)末，并在2013年后迎來繁榮發(fā)展。截止2023年6月，我國數(shù)據(jù)庫產(chǎn)品提供商共150家，2022年新增企業(yè)數(shù)量仍然突破兩位數(shù)，較2021年增速12.8%。2014-2022近十年時期迎來發(fā)展的高峰，其中2015年、2018-2022年每年企業(yè)新增數(shù)量均為兩位數(shù)，六年期間一共有89家企業(yè)成立，占總數(shù)比例59.3%。從地域看，美國和中國是全球數(shù)據(jù)庫產(chǎn)業(yè)的主力軍CCSATC601統(tǒng)計(jì)，20236472157150家，占33.3%31.8%655款。美國和中國的24223836.9%36.3%。北京為我國數(shù)據(jù)庫產(chǎn)業(yè)貢獻(xiàn)主要力量。中國150家數(shù)據(jù)庫廠商80、15、12、8個。天津、南京、廣州、成都4從類型看，非關(guān)系型數(shù)據(jù)庫在全球范圍占比略大來源：CCSATC601，20236月圖6全球數(shù)據(jù)庫產(chǎn)品類型分布全球數(shù)據(jù)庫產(chǎn)品數(shù)量整體分布呈現(xiàn)以非關(guān)系型及混合型數(shù)據(jù)庫為主。CCSATC601統(tǒng)計(jì)分析，截止20236月，全球數(shù)據(jù)庫產(chǎn)品共有655653309個，非關(guān)系型數(shù)據(jù)34447.3%52.7%。非關(guān)系型數(shù)據(jù)庫中，鍵82535223.8%15.4%15.1%。來源：CCSATC601，20236月圖7中國數(shù)據(jù)庫產(chǎn)品類型分布我國數(shù)據(jù)庫產(chǎn)品數(shù)量呈現(xiàn)以關(guān)系型為主，非關(guān)系型數(shù)據(jù)庫為輔1568265.5%34.5%24241010依次占比29.3%、29.3%、12.2%和12.2%。從模式看，開源模式在全球范圍內(nèi)發(fā)展勢頭迅猛來源：CCSATC601，2023年6月圖8全球現(xiàn)存開源數(shù)據(jù)庫的開源時間20909052-3200626840.9%2011-202015959.3%的開源來源：CCSATC601，2023年6月圖9中國現(xiàn)存開源數(shù)據(jù)庫的開源時間20104282.4%17.6%29個，1369.0%31.0%2017年之后迎來發(fā)展高峰。2017年至今，297成產(chǎn)品采用Apache2.0秀的開源項(xiàng)目。從國外看，AWS開源其搜索型數(shù)據(jù)庫產(chǎn)品ArcadeDB和向量數(shù)據(jù)庫QdrantSystemsMariaDB\hEdgelessDB，內(nèi)存數(shù)據(jù)緩存系統(tǒng)Dragonfly以及端到端云原生數(shù)據(jù)庫SurrealDB正式從國內(nèi)看，分析型數(shù)據(jù)庫公司鼎石縱橫和杭州石原子分別開StarRocksStoneDB，諾司時空開源其時序數(shù)據(jù)庫產(chǎn)品CnosDB，螞蟻集團(tuán)陸續(xù)開源單機(jī)版圖數(shù)據(jù)庫和圖計(jì)算引擎TuGraph。(三)數(shù)據(jù)庫支撐體系來源：CCSATC601，2023年6月圖102020-2022年VLDB、ICDE和SIGMOD論文分布情況VLDB、SIGMODICDE三個數(shù)據(jù)庫領(lǐng)域權(quán)威的學(xué)術(shù)會議研究方向看，當(dāng)前關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫研究內(nèi)容數(shù)量占比相當(dāng)，非關(guān)系型數(shù)據(jù)庫研究方向成為熱點(diǎn)。VLDB為例，2020-202211081483非關(guān)系型數(shù)據(jù)庫論文分別占三年論文總數(shù)量的1613。SIGMOD87、87350篇，關(guān)系型和非關(guān)17%。ICDE75、85574和來源：CCSATC601，2023年6月圖112022年VLDB、ICDE和SIGMOD論文關(guān)鍵詞云圖邦學(xué)習(xí)、差分隱私、云原生等等。此外，數(shù)據(jù)庫領(lǐng)域如HTAP、內(nèi)來源：CCSATC601，2023年6月圖122020-2022年中國高校及企業(yè)學(xué)術(shù)會議論文貢獻(xiàn)情況我國在全球三大數(shù)據(jù)庫領(lǐng)域?qū)W術(shù)會議的影響力持續(xù)提升。高校及企業(yè)在ICDE43.15%44.68%和23.81%27.17%40.70%，2022202210標(biāo)準(zhǔn)方面，我國數(shù)據(jù)庫產(chǎn)業(yè)標(biāo)準(zhǔn)引領(lǐng)作用初見成效20211010以）來源：CCSATC601，2023年6月圖13CCSATC601數(shù)據(jù)庫領(lǐng)域標(biāo)準(zhǔn)化工作體系（WG4）。201530項(xiàng)標(biāo)準(zhǔn)，逐步構(gòu)建以數(shù)據(jù)庫產(chǎn)品、服務(wù)和應(yīng)產(chǎn)品能力方面，從關(guān)系型和非關(guān)系型，構(gòu)建了基礎(chǔ)能力、性能和穩(wěn)定性的技術(shù)標(biāo)準(zhǔn)；圍繞規(guī)劃設(shè)計(jì)、實(shí)施部署和運(yùn)維運(yùn)營，推出國內(nèi)首個面向數(shù)據(jù)庫服務(wù)的團(tuán)體A-，圍繞數(shù)據(jù)庫應(yīng)用遷移和SQL中《數(shù)據(jù)庫應(yīng)用遷移服務(wù)能力分級要求》（標(biāo)準(zhǔn)編號：T/CCSA2022行業(yè)應(yīng)用方面，面向數(shù)據(jù)庫應(yīng)用方內(nèi)部運(yùn)維管理團(tuán)隊(duì)，推出《數(shù)據(jù)庫運(yùn)維管理能力成熟度模型》。CCSATC601見證了我國數(shù)據(jù)庫標(biāo)準(zhǔn)二、數(shù)據(jù)庫技術(shù)發(fā)展情況綜述數(shù)據(jù)要素時代，數(shù)據(jù)規(guī)模爆發(fā)式增長對數(shù)據(jù)庫技術(shù)提出了新的AI）；2）護(hù)航數(shù)據(jù)要素安全流通（隱私計(jì)算保障密態(tài)數(shù)據(jù)安全流通，區(qū)塊鏈（AI。(一)助力用戶降本增效供給側(cè)通過六類優(yōu)化方式，助力數(shù)據(jù)庫性能不斷提升，以及運(yùn)維、應(yīng)用成本降低。交易分析一體化支撐多類業(yè)務(wù)HTAP（HybridTransaction/AnalyticalProcessing，混合事務(wù)分析處理）的概念是指同時支持OLTP和OLAP場景。該技術(shù)可以實(shí)現(xiàn)一個平臺上同時處理多個數(shù)據(jù)任務(wù)，支撐海量并發(fā)連接復(fù)雜混合負(fù)載，提升系統(tǒng)彈性，降低開發(fā)運(yùn)維復(fù)雜度和成本，提升數(shù)據(jù)使用粒度，提高組織數(shù)據(jù)處理的效率。目前，業(yè)界主流的HTAP技術(shù)架構(gòu)按存儲類型劃分，主要分為主行存儲與內(nèi)存型列存儲、分布式行存與列存副本、單機(jī)磁盤型行存與分布式列存，以及主列存與增量型行存四種形態(tài)2。來源：HTAP數(shù)據(jù)庫關(guān)鍵技術(shù)綜述圖14HTAP數(shù)據(jù)庫技術(shù)架構(gòu)示意圖在技術(shù)實(shí)現(xiàn)方面，HTAP在數(shù)據(jù)組織、數(shù)據(jù)同步、查詢優(yōu)化和資源調(diào)度等方面仍需持續(xù)突破。這些技術(shù)的解決方法在各種指標(biāo)上表1HTAP關(guān)鍵技術(shù)總覽與優(yōu)缺點(diǎn)比較HTAP技術(shù)類別關(guān)鍵技術(shù)代表性產(chǎn)品主要優(yōu)點(diǎn)主要缺點(diǎn)數(shù)據(jù)組織技術(shù)基于主行存的內(nèi)存列選擇MySQLHeatwaveOracle事務(wù)性能高分析性能低基于負(fù)載驅(qū)動的行列混合存儲/存儲代價低系統(tǒng)復(fù)雜度高數(shù)據(jù)同步技術(shù)基于內(nèi)存增量表與內(nèi)存型列存的數(shù)據(jù)同步Oracle,SQLServer,SAPHANA性能高擴(kuò)展性低基于增量日志與持久化列存的數(shù)據(jù)同步TiDB,F1Lightning擴(kuò)展性高合并代價高查詢優(yōu)化技術(shù)混合行/列存儲掃描TiDB,SQLServer分析性能搜索空間2張超,李國良,馮建華,張金濤.HTAP數(shù)據(jù)庫關(guān)鍵技術(shù)綜述.軟件學(xué)報,2023,34(2):761–785.高大異構(gòu)CPU/GPU硬件加速RateupDB,Caldera分析性能高事務(wù)性能低面向HTAP負(fù)載的索引技術(shù)/事務(wù)性能高內(nèi)存空間大資源調(diào)度技術(shù)基于負(fù)載驅(qū)動的資源調(diào)度SAPHANA,Siper性能高新鮮度低基于新鮮度驅(qū)動的資源調(diào)度/新鮮度高性能不高來源：HTAP數(shù)據(jù)庫關(guān)鍵技術(shù)綜述在推廣應(yīng)用方面，HTAPHTAP將事務(wù)與分析處理相融合，需對數(shù)據(jù)庫的結(jié)構(gòu)進(jìn)行大規(guī)模修改，這也增加了系統(tǒng)復(fù)雜性。二是HTAPHTAP數(shù)據(jù)庫應(yīng)用需集成包括分布式系統(tǒng)、高可用性、并發(fā)控制等技術(shù)，多模處理一體化實(shí)現(xiàn)一庫多用多模數(shù)據(jù)庫技術(shù)是在NoSQL不斷變化、RDBMS的擴(kuò)展性不佳等諸多因素導(dǎo)致越來越多的開發(fā)者選擇NoSQLNoSQL表2多模數(shù)據(jù)庫擴(kuò)展策略技術(shù)路徑數(shù)據(jù)庫管理系統(tǒng)存儲類型新存儲方式PostgreSQLrelationalSQLserverrelationalIBMDB2relationalOracleDBrelationalCassandracolumnCrateDBcolumnDynamoDBcolumnRiakkey/valueCosmosDBdocument原存儲模型擴(kuò)展MySQLrelationalVerticacolumnArangoDBdocumentMongoDBdocumentOrientDBgraphCacheobject原始存儲策略加新型接口Sinewrelationalc-treeACEkey/valueOracleNoSQLDatabasekey/valueCouchbasedocumentMarkLogicdocument來源：Multi-modelDatabases:ANewJourneytoHandletheVarietyofData201220172014至20192015至今的細(xì)分研究階段。1997年，IBMAlmadenResearchCenter發(fā)表了一篇論文系統(tǒng)性地介紹了Garlicsystem的實(shí)現(xiàn)。1998年美國的一篇專利系統(tǒng)性地提出管理多模型數(shù)據(jù)的統(tǒng)一數(shù)據(jù)庫管理系統(tǒng)，該管理系統(tǒng)由物理存儲層、語義320122016年SergeAbiteboul3《Multi-modeldatabasemanagementsystemenginefordatabasehavingcomplexdatamodels》4《ResearchDirectionsforPrinciplesofDataManagement》《數(shù)據(jù)庫發(fā)展研究報告（《數(shù)據(jù)庫發(fā)展研究報告（2023年）》PAGEPAGE34之一。同年，陸嘉恒團(tuán)隊(duì)發(fā)表文章介紹了一款作者構(gòu)想的多模數(shù)據(jù)520196。2015數(shù)據(jù)湖倉一體化降低存算成本（DataWarehouse）（DataLake）a來源：Databricks圖15數(shù)據(jù)平臺技術(shù)架構(gòu)演進(jìn)圖ETL5《RoadMap:UDBMS:RoadtoUnificationforMulti-modelDataManagement》6《Multi-modelDatabases:ANewJourneytoHandletheVarietyofData》倉庫中進(jìn)行商務(wù)分析及財(cái)務(wù)報表等工作。第一代數(shù)據(jù)倉庫面臨的問題是計(jì)算和存儲高度耦合使得平臺難以隨著數(shù)據(jù)量的增長而不斷增長，另一方面是無法支持非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)平臺進(jìn)入到第二代，也是當(dāng)前最為流行的雙層架構(gòu)階段，但這類架構(gòu)存在難以保證數(shù)據(jù)湖與數(shù)據(jù)倉庫中數(shù)據(jù)一致性等問題。為了解決以上問題，第三代數(shù)據(jù)平臺架構(gòu)湖倉一體架構(gòu)應(yīng)運(yùn)而生。表3數(shù)據(jù)湖支持?jǐn)?shù)據(jù)倉庫產(chǎn)品能力對比時間公司產(chǎn)品優(yōu)勢缺陷2011HortonworksApacheAtlas數(shù)據(jù)血緣追蹤/2011HortonworksRanger數(shù)據(jù)權(quán)限安全數(shù)據(jù)湖中新引擎優(yōu)先Ranger，可能會產(chǎn)生安全漏洞2018NexflixIceberg提供MVCC等增強(qiáng)數(shù)倉能力Iceberg作為插件方式HMS倉管理能力大打折扣2018-2019Uber&DatabricksApacheHudi&DeltaLake增量文件格式以支Update/Insert務(wù)等數(shù)據(jù)倉庫功能新功能打破了元數(shù)據(jù)湖多套引擎之間關(guān)于Hudi發(fā)明兩種表三中來源：CCSATC601，20236月湖倉一體是一種開放式的數(shù)據(jù)管理架構(gòu)，集數(shù)據(jù)湖的靈活性、可擴(kuò)展性優(yōu)勢以及數(shù)據(jù)倉庫的數(shù)據(jù)結(jié)構(gòu)和數(shù)據(jù)管理功能于一體。主括Snowflake，阿里云MaxCompute和亞馬遜Redshift持?jǐn)?shù)倉的功能主要是通過功能性開發(fā)實(shí)現(xiàn)，如多版本并發(fā)控制、自適應(yīng)Schema、提供文件級事務(wù)等來實(shí)現(xiàn)數(shù)倉功能，這類產(chǎn)品以Databricks的DeltaLakeUber的ApacheHudi表4數(shù)據(jù)倉庫支持?jǐn)?shù)據(jù)湖產(chǎn)品能力對比時間公司產(chǎn)品優(yōu)勢缺陷2017RedshiftRedshiftSpectrum支持?jǐn)?shù)倉用戶訪問S3數(shù)據(jù)湖的數(shù)據(jù)需要用戶在數(shù)倉中通過創(chuàng)建外部表來將數(shù)據(jù)湖的開放存儲路徑納入數(shù)倉的概念體系，無法完全自動化創(chuàng)建外部表、添加分區(qū)等。生產(chǎn)使用中較為復(fù)雜。2018阿里云MaxCompute外表能力，支持訪問包括OSS/OTS/RDS數(shù)據(jù)庫在內(nèi)的多種外部存儲來源：CCSATC601，2023年6月當(dāng)前，湖倉一體作為一種新興技術(shù)架構(gòu)，在企業(yè)落地方面還處于早期探索階段，在部署方面仍面臨多重挑戰(zhàn)。一方面是由于團(tuán)隊(duì)缺乏前期數(shù)據(jù)治理經(jīng)驗(yàn)，另一方面湖倉一體的高度復(fù)雜性使得湖倉之間存在如何協(xié)同的問題。怎樣打通兩套系統(tǒng)存儲、保證元數(shù)據(jù)一致性、確保湖倉之間不同引擎數(shù)據(jù)交叉引用、如何保障數(shù)據(jù)安全等問題仍是湖倉一體未來發(fā)展過程中亟待解決的問題。軟硬協(xié)同一體化提升系統(tǒng)性能計(jì)算機(jī)軟件和硬件的發(fā)展相輔相成、并行不悖，硬件技術(shù)的創(chuàng)新或產(chǎn)品成本變化，不僅會給傳統(tǒng)的計(jì)算機(jī)體系結(jié)構(gòu)和系統(tǒng)帶來影響，也給系統(tǒng)軟件，特別是數(shù)據(jù)庫系統(tǒng)帶來了新的機(jī)遇。一方面，伴隨著硬件技術(shù)發(fā)展數(shù)據(jù)庫技術(shù)不斷進(jìn)步，另一方面在數(shù)據(jù)庫架構(gòu)方面，硬件技術(shù)的發(fā)展也不斷推進(jìn)著數(shù)據(jù)庫在分布式、云原生等方面的快速發(fā)展。此外，硬件技術(shù)的發(fā)展也促進(jìn)了數(shù)據(jù)庫與其它新興技術(shù)的融合，提升了數(shù)據(jù)庫安全性和智能性。來源：中興通訊股份有限公司，2023年6月圖16FPGA與GPU技術(shù)發(fā)展歷程示意圖數(shù)據(jù)庫技術(shù)方面，新型硬件使得數(shù)據(jù)庫在數(shù)據(jù)計(jì)算、數(shù)據(jù)存儲GPUFPGA、專用芯片等，可以實(shí)現(xiàn)并行優(yōu)化、事務(wù)并發(fā)控制、查詢加速、數(shù)據(jù)NVM的出現(xiàn)和發(fā)展，內(nèi)存和外存的界限變得模糊，存儲及索引設(shè)計(jì)得到CXL能表現(xiàn)和CPU，新型硬件對于不同架構(gòu)類型的數(shù)據(jù)庫產(chǎn)生不同影響。一是使得集中式關(guān)系型數(shù)據(jù)庫網(wǎng)絡(luò)架構(gòu)更加便捷、建設(shè)成本更加低廉。二是使得分布式數(shù)據(jù)庫、云原生數(shù)據(jù)庫等具來源：GPU數(shù)據(jù)庫核心技術(shù)綜述圖17GDBMS系統(tǒng)全景圖GPU計(jì)算為核心的數(shù)據(jù)庫技術(shù)（GDBMS）受到廣泛GDBMS按照商業(yè)模式分為研究原型（R-GDBMS:forresearch)和商用系統(tǒng)(C-GDBMS:forcommercial)兩大類，其中商用GDBMS支持GPU計(jì)算的傳統(tǒng)數(shù)據(jù)庫、二是非內(nèi)存型GDBMS使用GPU完成全部或者大部分?jǐn)?shù)據(jù)庫關(guān)系運(yùn)算、三是內(nèi)存行GDBMS內(nèi)存型GDBMS7。AI與數(shù)據(jù)庫融合迸發(fā)無限潛力AI2023年AIGCAI式AI7裴威,李戰(zhàn)懷,潘巍.GPU數(shù)據(jù)庫核心技術(shù)綜述.軟件學(xué)報,2021,32(3):859?885.程度簡化人員操作，提高開發(fā)、運(yùn)維、分析的效率。2022年12月，數(shù)據(jù)庫自動化和優(yōu)化平臺OtterTune宣布推出OtterTuneV1.5，2023Databricks將大型語言模型（LLMs）SQL和MLflow2.3，國內(nèi)Bytebase5月推出基于對話式交互的SQL客戶SQLChatSQL互相轉(zhuǎn)換的數(shù)據(jù)庫開發(fā)工具Chat2DB。另一方面，多模態(tài)數(shù)據(jù)存儲和計(jì)算的需求隨著大語言模型出現(xiàn)而劇增，向量數(shù)據(jù)庫在構(gòu)建基于大語言模型的行業(yè)智能應(yīng)用中扮演著重要角色。2023Qdrant、Pinecone、Weaviate、Milvus等特化的向量數(shù)據(jù)庫備受關(guān)注外，許多數(shù)據(jù)庫廠商也開始在原有產(chǎn)品上拓展向量檢索的能力，2023年以來，AWSRDSPostgreSQL和阿里云PostgreSQL1415版本新增支持pgvectorRocksetCosmosDB隨著以ChatGPT為代表的AIGC業(yè)者不斷思考AIGCAIGC來源：CCSATC601，2023年6月圖18AIGC為數(shù)據(jù)庫運(yùn)維提供建議的示例數(shù)據(jù)庫開發(fā)與分析方面，數(shù)據(jù)庫開發(fā)者和數(shù)據(jù)分析師可以通過SQL開發(fā)與操作。數(shù)據(jù)庫性能優(yōu)化方面來看，AIGC技術(shù)可以對數(shù)據(jù)對象或查詢語句進(jìn)行優(yōu)化，提供一些通用性建議，同時可以根據(jù)具體來源：CCSATC601，2023年6月圖19AIGC為數(shù)據(jù)庫結(jié)構(gòu)設(shè)計(jì)提供建議的示例技術(shù)可以幫助DBA面來看，用戶可以根據(jù)自身需求用自然語言進(jìn)行場景描述，技術(shù)能夠提出推薦的數(shù)據(jù)庫選型建議。當(dāng)用戶向大語言模型提供一定性能要求后，AIGC技術(shù)還可以反饋推薦的規(guī)格和潛在架構(gòu)優(yōu)化來源：CCSATC601，2023年6月圖20AIGC對數(shù)字進(jìn)行判斷的示例AIGC技術(shù)十分消耗算力，未來硬件發(fā)展使得數(shù)據(jù)庫算力不斷提升的同時，也會進(jìn)一步激發(fā)數(shù)據(jù)庫潛能。此外，最近同樣火熱的向量數(shù)據(jù)庫迅速發(fā)展，有效支持多模態(tài)數(shù)據(jù)的存儲、索引和查詢。隨著近幾年大語言模型（LLM）的發(fā)展也擴(kuò)展了向量數(shù)據(jù)庫的應(yīng)用場景，AI4DB技術(shù)將會更快地在向量數(shù)據(jù)庫中落地。云計(jì)算成為數(shù)據(jù)庫重要驅(qū)動力云被視為數(shù)字化轉(zhuǎn)型的高度戰(zhàn)略性平臺，云計(jì)算成為數(shù)據(jù)庫發(fā)展的重要驅(qū)動力。數(shù)據(jù)庫產(chǎn)品及生態(tài)工具上云成為趨勢，從全球范目前，ElasticsearchMongoDBDatabricksSnowflakeCleverCloud、Aiven等公有云廠商開展合作。從國內(nèi)范圍看，近兩年部分?jǐn)?shù)據(jù)庫產(chǎn)品及生態(tài)公司如新數(shù)科技ShinDataDMP、沃趣科技QFusion、飛輪科技SelectDB、玖章算術(shù)Ninedata、濤思數(shù)據(jù)TDengine技NebulaGraphDBaaSDBaaS提供彈性靈活的數(shù)據(jù)庫管理解決方案，助力企業(yè)降本增DBaaSOracleMongoDB谷歌、阿里巴巴、SAP、RedisLabs、IBM、騰訊、EnterpriseDB、RackspaceDatabaseServiceforAzure，旨在為其共同客戶的應(yīng)用遷移上云降低復(fù)雜性，更是為OCI（OracleCloudInfrastructure）在DBaaS方面與AWS的競爭提供支撐。根據(jù)Forrester調(diào)查數(shù)據(jù)顯示8，33%的全球基礎(chǔ)設(shè)施業(yè)務(wù)決策者已經(jīng)在生產(chǎn)環(huán)境中部署DBaaSDBaaS技術(shù)的普及和成熟，DBaaS供應(yīng)商逐步提供一些創(chuàng)新功能。例如通過人工智能技術(shù)實(shí)現(xiàn)數(shù)據(jù)庫部署、運(yùn)維、管理全流程的自動化，減少人為干預(yù)的同時加快部署，幫助企業(yè)迅速構(gòu)建和支持龐大且更復(fù)雜的業(yè)務(wù)應(yīng)用程序和操作型系統(tǒng)。速發(fā)展，云原生數(shù)據(jù)庫取得不斷進(jìn)步。越來越多的云原生數(shù)據(jù)庫通過存儲計(jì)算分離架構(gòu)，實(shí)現(xiàn)資源池化和極致彈性，具備高擴(kuò)展性、高可用性、跨地域規(guī)模、低成本等優(yōu)勢，可為用戶提供真正具備秒級智能彈性擴(kuò)容能力、隨需而動的云原生數(shù)據(jù)庫服務(wù)。云原生數(shù)據(jù)庫Serverless關(guān)鍵技術(shù)以底層池化資源為基礎(chǔ)，利用RDMA高性能8《TheForresterWave?:Database-As-A-Service,Q22019》高性能、低成本的Serverless能力。ServerlessAPI形式提供，無需運(yùn)維同時用戶也無需關(guān)注后端使用情況。服務(wù)還能實(shí)現(xiàn)是實(shí)時彈性擴(kuò)縮容，用戶可以像使用自來水一樣按使用量進(jìn)行付費(fèi)。最初的云數(shù)據(jù)庫主要是模仿線下數(shù)據(jù)庫使用方式，為用戶提供數(shù)據(jù)庫托管服務(wù)。但云上主機(jī)的型號選擇并不靈活，很難根據(jù)用戶業(yè)務(wù)及資源需求進(jìn)行協(xié)調(diào)。云原生數(shù)據(jù)庫計(jì)算和存儲分離的架構(gòu)很Serverless些Serverless來源：《Serverless數(shù)據(jù)庫技術(shù)研究報告》圖21一種計(jì)算、內(nèi)存、存儲三層解耦架構(gòu)示意圖云原生數(shù)據(jù)庫可以廣泛應(yīng)用在可變工作負(fù)載或不可預(yù)測的工作負(fù)載場景中，使得用戶無需按峰值容量或平均容量預(yù)置，從而避免公有云廠商發(fā)布數(shù)據(jù)管理服務(wù)助力數(shù)據(jù)價值不斷放大，數(shù)據(jù)庫企業(yè)收購初創(chuàng)公司布局IDE202212re:Invent全球大會上推出數(shù)據(jù)管理服務(wù)Amazon2020Databricks和ClickHouse后收購數(shù)據(jù)庫生態(tài)工具廠商Compass、RedashArctype。國內(nèi)PingCAP創(chuàng)始人也投資了數(shù)據(jù)庫開發(fā)工具企業(yè)Bytebase。各廠商著力打造自己的數(shù)據(jù)庫IDE(二)技術(shù)融合護(hù)航數(shù)據(jù)要素安全流通數(shù)字經(jīng)濟(jì)時代，數(shù)據(jù)要素被列為和土地、資本、技術(shù)和勞動力并列的第五大生產(chǎn)要素。在交易流通過程中數(shù)據(jù)要素的安全如何保障成為當(dāng)前技術(shù)決策者重點(diǎn)關(guān)注的問題。數(shù)據(jù)安全與數(shù)據(jù)流通的關(guān)系好比矛與盾，更多地流通意味著更多的數(shù)據(jù)通道暴露，也為數(shù)據(jù)安全帶來更大挑戰(zhàn)。隱私計(jì)算、區(qū)塊鏈及圖技術(shù)等與數(shù)據(jù)庫技術(shù)的結(jié)合為數(shù)據(jù)流通提供了更加安全可靠的解決方案。隱私計(jì)算保障密態(tài)數(shù)據(jù)安全流通隱私計(jì)算技術(shù)與數(shù)據(jù)庫相結(jié)合產(chǎn)生的全密態(tài)數(shù)據(jù)庫能夠解決數(shù)據(jù)全生命周期的隱私保護(hù)問題，使得系統(tǒng)無論在何種環(huán)境下，數(shù)據(jù)在傳輸、運(yùn)算以及存儲的各個環(huán)節(jié)始終都處于密文狀態(tài)。全密態(tài)數(shù)據(jù)庫是指能夠提供對應(yīng)用透明的加解密能力，在數(shù)據(jù)庫系統(tǒng)中數(shù)據(jù)的全生命周期以密文形式進(jìn)行處理，同時密鑰掌握在授權(quán)用戶手中的數(shù)據(jù)庫管理系統(tǒng)。當(dāng)數(shù)據(jù)擁有者在客戶端完成數(shù)據(jù)加密并發(fā)送給服務(wù)端后，在攻擊者（包括黑客、超級用戶等任何角色）借助系統(tǒng)脆弱點(diǎn)竊取用戶數(shù)據(jù)的狀態(tài)下仍然無法獲得有效的價值信息，從而起到保護(hù)數(shù)據(jù)隱私的作用。來源：CCSATC601，2023年6月圖22全密態(tài)數(shù)據(jù)庫發(fā)展歷程圖目前，全密態(tài)數(shù)據(jù)庫發(fā)展尚處于早期階段。2022年，CCSATC601GaussDB、阿里云PolarDB以及螞蟻科技集團(tuán)的螞蟻鏈數(shù)鏡產(chǎn)品較為成熟，其中華為云全密態(tài)數(shù)據(jù)庫已在華為公司流程ITERP區(qū)塊鏈技術(shù)賦能數(shù)據(jù)資產(chǎn)高度可信近年來，隨著數(shù)據(jù)資產(chǎn)可信流動的需求不斷增強(qiáng)，業(yè)界對于數(shù)據(jù)全向追蹤管理、防止數(shù)據(jù)篡改與作弊、實(shí)現(xiàn)多方認(rèn)同的需求越來越迫切。區(qū)塊鏈技術(shù)具有數(shù)據(jù)防篡改、數(shù)據(jù)可追溯、信息全透明、多方地位平等以及數(shù)據(jù)可共享的技術(shù)特征，是數(shù)據(jù)資產(chǎn)可信流動的必要技術(shù)保障，是數(shù)字世界不可或缺的根基。區(qū)塊鏈技術(shù)能夠很好地彌補(bǔ)當(dāng)前數(shù)據(jù)庫缺乏防篡改能力、無法驗(yàn)證篡改行為、不具備抗抵賴性等問題，二者相結(jié)合形成的多方可信防篡改數(shù)據(jù)庫技術(shù)方案能夠更好地保障云上數(shù)據(jù)可信運(yùn)維。表5防篡改數(shù)據(jù)庫典型產(chǎn)品企業(yè)名稱產(chǎn)品名稱特性華為GaussDB（foropenGauss）保障數(shù)據(jù)在云上的增、刪、改全生命周期可追溯、可校驗(yàn)，為數(shù)據(jù)完整性提供更強(qiáng)有力的保護(hù)，極大降低用戶使用門檻和業(yè)務(wù)切換的難度，全方位實(shí)時保障企業(yè)數(shù)據(jù)安全。阿里云Lindorm防篡改數(shù)據(jù)庫不可抵賴等完整性保證能力，并可結(jié)合三方簽名服務(wù)使數(shù)據(jù)具備司法效力。結(jié)合Lindorm自身寬表、時序、計(jì)算、搜索、時空等多模引擎能力，在金融政企、供應(yīng)鏈、物聯(lián)網(wǎng)、車聯(lián)網(wǎng)等領(lǐng)域，提供一體化、全方位、高可信的解決方案。微軟SQLServer通過實(shí)現(xiàn)加密保護(hù)和提供安全衛(wèi)士（SecuritySentinel）支持防止數(shù)據(jù)篡改，同時提供身份驗(yàn)證、授權(quán)、審計(jì)、角色管理等安全控制功能OracleOracleDatabase身份驗(yàn)證、審計(jì)和訪問控制等多種安全特性，可幫助用戶實(shí)現(xiàn)防篡改和數(shù)據(jù)保護(hù)。IBMIBMDB2必須的域限制等，同時還支持訪問控制和審計(jì)，以提高數(shù)據(jù)的安全性。來源：CCSATC601，2023年6月目前數(shù)據(jù)庫與區(qū)塊鏈相結(jié)合的技術(shù)主要分為兩類技術(shù)路徑，一是單中心賬本方案，采用區(qū)塊鏈技術(shù)增強(qiáng)數(shù)據(jù)庫防篡改特性，可以通過加密驗(yàn)證，不可變且透明，易用性較高。二是多方共識防篡改方案（即聯(lián)盟鏈）：有準(zhǔn)入機(jī)制的多方參與聯(lián)盟鏈，聯(lián)盟鏈成員使用多方共識共同維護(hù)鏈上數(shù)據(jù)，使用數(shù)據(jù)庫增加數(shù)據(jù)存儲、處理能力。業(yè)界主要技術(shù)方案包括僅插入賬本、可更新賬本以及聯(lián)盟鏈方案。來源：華為云計(jì)算技術(shù)有限公司圖23業(yè)界防篡改數(shù)據(jù)庫方案對比未來，區(qū)塊鏈技術(shù)與數(shù)據(jù)庫技術(shù)結(jié)合將產(chǎn)生更多火花。區(qū)塊鏈技術(shù)和數(shù)據(jù)庫技術(shù)與可信硬件、高性能共識、KMS、零知識證明等技術(shù)不斷融合，硬件可信賬本、多方可信數(shù)據(jù)庫、三方可信賬本以及端側(cè)可信賬本等新興技術(shù)將會為信息技術(shù)發(fā)展帶來更多機(jī)會。圖聯(lián)邦學(xué)習(xí)技術(shù)打破圖數(shù)據(jù)孤島圖聯(lián)邦技術(shù)是為了解決數(shù)據(jù)孤島、隱私保護(hù)和數(shù)據(jù)安全問題提出的概念，在保護(hù)用戶隱私和公司數(shù)據(jù)的前提下，更好地發(fā)揮數(shù)據(jù)（Graph圖24一種圖聯(lián)邦數(shù)據(jù)庫方案架構(gòu)示例（Metcalfe’slaw）9素的制約，傳統(tǒng)的圖數(shù)據(jù)庫?能緩解企業(yè)內(nèi)部部門之間的“數(shù)據(jù)孤”圖25一種圖聯(lián)邦數(shù)據(jù)庫應(yīng)用架構(gòu)示例9一個網(wǎng)絡(luò)的價值等于該網(wǎng)絡(luò)內(nèi)節(jié)點(diǎn)數(shù)的平方。即一個網(wǎng)絡(luò)的價值和這個網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)的平方成正比。圖聯(lián)邦數(shù)據(jù)庫可以應(yīng)用于社交網(wǎng)絡(luò)分析、推薦系統(tǒng)、金融風(fēng)險管理、生命科學(xué)等場景。目前，圖聯(lián)邦數(shù)據(jù)庫在應(yīng)用方面仍面臨數(shù)據(jù)安全、法律合規(guī)以及底層數(shù)據(jù)庫性能方面的挑戰(zhàn)。如何在保證數(shù)據(jù)安全、保證合法合規(guī)的前提下進(jìn)行數(shù)據(jù)共享，是圖聯(lián)邦數(shù)據(jù)庫需要解決的重點(diǎn)問題之一。(三)技術(shù)革新賦能新興業(yè)務(wù)場景近年來，隨著人工智能、云計(jì)算等技術(shù)不斷發(fā)展，以及組織數(shù)2023AI大模型催生向量數(shù)據(jù)庫新應(yīng)用文本、圖像、音視頻等海量的非結(jié)構(gòu)化數(shù)據(jù)占數(shù)據(jù)總量不斷上2025模型（LLM）LLM中，向量數(shù)據(jù)庫可用于存儲LLM（Embeddings）。通過存儲數(shù)十億個表示LLM來源：CCSATC601，20236月圖26向量數(shù)據(jù)庫關(guān)鍵技術(shù)及應(yīng)用場景示意隨著向量數(shù)據(jù)庫關(guān)注度持續(xù)上升，眾多傳統(tǒng)數(shù)據(jù)庫企業(yè)陸續(xù)投70%在一級市場上獲得眾多投資者青睞。國內(nèi)愛可生向量數(shù)據(jù)庫TensorDB完成與昇騰AIAI完成深度優(yōu)化，達(dá)到索引速度10倍提升的效果。表6向量數(shù)據(jù)庫企業(yè)投融資情況產(chǎn)品名稱所屬組織產(chǎn)品發(fā)布時間投融資日期MilvusZilliz2019年開源202286000萬美元融資Vearch京東2019年10月/TensorDB愛可生2020年2021年完成B輪融資近億人民幣Om-iBASE聯(lián)匯科技2020年2022年1月完成B++輪融資PineconePinecone2021年4月2023年4月B輪融資1億美元WeaviateWeaviate2020年5月2023年4月B輪融資5千萬美元QdrantQdrant2023年2月2023年4月750萬美金種子融資ChromaChroma2023年2月2023年4月1800萬美金融資來源：CCSATC601，2023年6月復(fù)用基礎(chǔ)設(shè)施、與GPU等硬件相結(jié)合、與Huggingface、OpenAI等大模型生態(tài)對接和標(biāo)量執(zhí)行引擎研發(fā)等方面不斷向更加完善的向圖分析技術(shù)洞察數(shù)據(jù)連接新價值隨著數(shù)據(jù)自身豐富度不斷增加，數(shù)據(jù)之間的關(guān)聯(lián)性以及如何有效分析和處理數(shù)據(jù)之間的復(fù)雜關(guān)系成為從業(yè)人員研究的重點(diǎn)。當(dāng)前圖分析技術(shù)研究熱點(diǎn)主要聚焦在圖計(jì)算以及圖神經(jīng)網(wǎng)絡(luò)兩個方面。來源：CCSATC601，20236月圖27圖計(jì)算平臺分類方式及典型產(chǎn)品Synchronous模型和Pregel模型。BSP模型是一種同步計(jì)算模型，將計(jì)算任務(wù)劃Pregel模型是一種異步計(jì)算模型，將計(jì)算任務(wù)劃分成多個迭代步驟，每個來源：Graphneuralnetworks:Areviewofmethodsandapplications圖28GNN模型的一般設(shè)計(jì)流程圖神經(jīng)網(wǎng)絡(luò)（GNN）也是當(dāng)前圖機(jī)器學(xué)習(xí)最火的分類之一。傳統(tǒng)神經(jīng)網(wǎng)絡(luò)主要是基于歐幾里得空間的向量數(shù)據(jù)，其輸入數(shù)據(jù)是經(jīng)過預(yù)處理后的向量，通過層層傳遞計(jì)算，最終輸出一個預(yù)測結(jié)果。而在圖數(shù)據(jù)中，節(jié)點(diǎn)之間的關(guān)系通常是非線性的，所以需要一種能夠處理圖數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型，即圖神經(jīng)網(wǎng)絡(luò)，它主要應(yīng)用于節(jié)點(diǎn)分類、圖分類、鏈接預(yù)測等任務(wù)中。盡管GNN在諸多領(lǐng)域取得巨大成就，但GNN模型在在魯棒性、可解釋性、圖預(yù)訓(xùn)練以及復(fù)雜圖結(jié)構(gòu)方面仍面臨多重挑戰(zhàn)10。目前，一些圖數(shù)據(jù)庫已提供原生的圖分析能力，無需將數(shù)據(jù)導(dǎo)出到外部計(jì)算平臺，在圖數(shù)據(jù)庫內(nèi)部即可完成圖分析任務(wù)。相比于依賴外部計(jì)算平臺的架構(gòu)，原生的圖分析可以免去同外部計(jì)算平臺進(jìn)行數(shù)據(jù)導(dǎo)入和導(dǎo)出的巨大開銷，同時將計(jì)算的實(shí)時性由天或小時級別提高至分鐘級甚至秒級。隨著算力不斷提升以及大模型技術(shù)持10JieZhou,GanquCui,ShengdingHu,ZhengyanZhang,ChengYang,ZhiyuanLiu,LifengWang,ChangchengLi,MaosongSun,Graphneuralnetworks:Areviewofmethodsandapplications,AIOpen,Volume1,2020,Pages57-81,ISSN2666-6510.續(xù)發(fā)展，圖計(jì)算技術(shù)與圖神經(jīng)網(wǎng)絡(luò)技術(shù)將會讓圖數(shù)據(jù)的價值進(jìn)一步得到釋放。時空數(shù)據(jù)庫釋放時空數(shù)據(jù)新潛能時空數(shù)據(jù)指在統(tǒng)一的時空參考下地球或者其它星體上的所有與80%的11來源：CCSATC601，20236月圖29國內(nèi)外典型時空數(shù)據(jù)庫產(chǎn)品時空數(shù)據(jù)庫主要針對矢量、柵格、瓦片、軌跡、三維模型和激各家數(shù)據(jù)庫廠商也面向不同需求開出了不同的引擎。國外如Refractions基于PostgreSQLPostGIS可以對矢量、柵格及三維模型數(shù)據(jù)進(jìn)行處理，OracleSpatial可以對全量空間數(shù)據(jù)類型進(jìn)行處理。國內(nèi)以阿里云Ganos引擎和星環(huán)Spacture為代表，在傳統(tǒng)數(shù)11Franklin,CarlandPaulaHane,“AnintroductiontoGIS:linkingmapstodatabases,”Database.15(2)April,1992,17-22.據(jù)庫基礎(chǔ)上增加了對于時空數(shù)據(jù)的動態(tài)感知能力，更好地對于時空數(shù)據(jù)進(jìn)行處理分析以支撐決策。時空數(shù)據(jù)庫能夠通過一庫統(tǒng)管的方式對于不同格式的數(shù)據(jù)進(jìn)行2023處理、與AIGC三、數(shù)據(jù)庫行業(yè)應(yīng)用情況綜述數(shù)據(jù)庫是應(yīng)用系統(tǒng)運(yùn)行的關(guān)鍵基礎(chǔ)軟件，近些年隨著各行業(yè)數(shù)字化轉(zhuǎn)型不斷加速，我國數(shù)據(jù)庫正朝著由邊緣系統(tǒng)至核心系統(tǒng)、由重點(diǎn)行業(yè)向全行業(yè)應(yīng)用鋪開，下文以金融、電信及制造業(yè)為例，分別闡述我國數(shù)據(jù)庫應(yīng)用創(chuàng)新實(shí)踐情況。(一)金融行業(yè)核心系統(tǒng)改造升級進(jìn)度加快數(shù)據(jù)庫作為金融系統(tǒng)的核心基礎(chǔ)設(shè)施，歷經(jīng)數(shù)十年發(fā)展，為金從技術(shù)架構(gòu)看，金融行業(yè)使用的數(shù)據(jù)庫仍以集中式為主，分布式數(shù)據(jù)庫在中大型金融機(jī)構(gòu)形成了有力補(bǔ)充。《金融業(yè)數(shù)據(jù)庫供應(yīng)鏈安全發(fā)展報告(2022)》調(diào)研數(shù)據(jù)顯示，集中式數(shù)據(jù)庫在金融業(yè)總90%，集中式數(shù)據(jù)庫在金融科技數(shù)字化進(jìn)程中扮演重要角色。金融行業(yè)分布式數(shù)據(jù)庫總體占比達(dá)到7%，銀行業(yè)超過了17%，證券業(yè)和保險業(yè)相對較低。此外，金融業(yè)逐步開始探索應(yīng)用云數(shù)據(jù)庫，且主要以私有云為主，《金融業(yè)數(shù)據(jù)庫供應(yīng)鏈安全發(fā)展報告(2022)》調(diào)研數(shù)據(jù)顯示，云數(shù)據(jù)庫在金融業(yè)占比大致在3.97%。金融行業(yè)在近幾年的數(shù)據(jù)庫遷移改造中，集中式數(shù)據(jù)庫仍發(fā)揮著重要作用，新技術(shù)分布式和云原生成為新選擇，共同推進(jìn)了數(shù)據(jù)庫在金融行業(yè)的廣泛應(yīng)用實(shí)踐。除此之外，以圖數(shù)據(jù)庫為代表的新型數(shù)據(jù)庫近