过去一年，我看到了数据库领域的十大发展趋势( 二 ) _数据库

文章插图
2023 年 AWS re:Invent 上宣布推出 Aurora Limitless Database，本质上是存算分离的 Aurora 的基础上加了一层 proxy 做分布式。下图就是 AWS 的架构：

文章插图
看到 AWS 这个新的发布，国内数据库圈子好一阵沸腾，觉得国内的数据库一些方面也可以领先美国厂商了。其实这个趋势并不是发生在 2023 年某一天，而是一个逐步积累的过程。早在 2020 年的时候，国内的阿里云 RDS 产品能力就比 AWS 要强，提供了三节点，双节点，单节点，拖管，半拖管等多种形态，除了 AWS 形态，产品性能，规格丰富等都比 AWS 要强。
所以这个趋势并不能说是 2023 年的新趋势，这个趋势一直在发生；但是还是非常值得放到 2023 年重大趋势中拿出来说，这个还是非常明显标志着：随着国内的工程技术能力的逐步增强，会有越来越多的产品领先美国厂商。
【过去一年，我看到了数据库领域的十大发展趋势】趋势四：AI4DB and DB4AI 成功翻红
AI4DB ， DB4AI 喊了很多年，谈不上新概念，不过在 2023 年大模型的带动下，数据库和 AI 结合又有了新的想象力，大模型的巨大威力，让厂商纷纷研究数据库和大模型的结合。
首先是 23 年 8 月份，腾讯云向量数据库（Tencent Cloud Vector DB）正式上线公测。作为一款全托管的自研企业级分布式数据库服务，腾讯云向量数据库专用于存储、检索、分析多维向量数据。该数据库支持多种索引类型和相似度计算方法，单索引支持 10 亿级向量规模，可支持百万级 QPS 及毫秒级查询延迟，不过半年后，直到笔者写这篇文章的时候，腾讯的向量数据库还是没有商用。
百度也赶在年底发布了单独的自研向量数据库，百度向量数据库 VectorDB 是一款纯自研高性能、高性价比、生态丰富且即开即用的向量数据库服务。支持多种索引类型和相似度算法，百亿级向量规模，毫秒级查询延迟。百度向量数据库不仅能配合大模型打造专业知识库，还可以应用于图片搜索，音乐推荐，文本分类等领域。

文章插图
23 年 12 月份，百度还发布 DBSC（数据库智能驾驶舱），这个是利用 AI 的技术，为用户提供安全审计、智能诊断与数据库管理的数据库自治服务。DBSC 利用 AI 大模型能力和专家经验实现数据库的智能化洞察、评估和优化。有效保证数据库服务的安全、稳定及高效。这块的探索应该说阿里最早，阿里的 DAS 产品在 20 年就看准了数据库安全自治工具一体化成主流趋势。百度的 DBSC 比较有特色的是提供问答诊断、工单处理、知识查找等能力的智能手，这个能力其实是非常考验产品知识的积累的。
NoSQL 这块阿里的 Lindorm 直接简单粗暴的将大模型内置到系统里面，支持以图搜图功能，应该说是一种探索，不过总体觉得还是比较难做出特色和实用价值的。
美国的 AWS 利用 AI 增强 ETL 能力， Google 利用大模型实现代码改写能力，也是在这个方向发力，国内的也有创业公司跟进，不过目前离成熟还需要一些时间。
趋势五：云厂商开始发挥软硬件垂直整合优势
应该说云厂商本质上先革 IDC 的名，再革各种基础软件的命，要相比客户自建有明显的优势，推出自研，走垂直整合是必选道路。前一个非常成功的 2C 厂商是苹果， 2B AWS 也是复制这条道路。国内总体差距比较大，云厂商里面华为，阿里跟进的比较快，都推出了 ARM 系列芯片，国内目前最强的应该是华为的鲲鹏系列。
2023 年开始阿里的全线主力产品都进行了适配，阿里发布的 RDS 经济版本就是适配 ARM 系列，基于倚天 /ARM 芯片服务器上持续优化，提高性能，定价则是只有 X86 实力的 60%～70% 的价格，通过性价比吸引用户尝鲜和试用。应该说短期内 ARM 的能力还不够，所以是经济版本，长期看，ARM 应该要能能力迭代更快，长期发挥比 X86 更好的能力。如果走向这一天，云厂商的相比自建客户的优势将进一步拉大。
华为、阿里的动作标志着云厂商 2023 年也开始发挥垂直整合的优势，不过总体来说国内的发展水平相对美国还是差距比较大。
趋势六：RDS 还是常青大盘产品，NoSQL 创新相对较少