下载掌阅APP，畅读海量书库
立即打开
数据库管理系统已经经历了半个多世纪的发展，单机版本的数据库越来越健壮，功能越来越丰富。云计算和分布式技术流行以后，包括数据库在内的传统信息技术（information technology，IT）基础系统开始发生变革。
图1-1根据中国信息通信研究院发布的《数据库发展研究报告（2021年）》中数据库发展历程主要节点图绘制，图中对主流数据库发展的过程进行了详细标注。
图1-1 数据库发展历程
非关系型数据库（not only SQL，NoSQL）在最近十多年也有长足的发展，而且随着人们对数据库系统越来越了解，很多融合性产品被研发出来，比如时序数据库、图数据库、文档数据库、键值数据库等。
数据库作为IT基础设施后台的核心，越来越受到人们的重视。
传统的联机事务处理（online transaction processing，OLTP）数据库（如Oracle数据库）仍旧是银行等传统行业的后台支撑，但随着分布式技术的流行，新兴的数据分析行业迎来很多机遇，各种分析型数据库纷纷成熟起来，本书要介绍的Greenplum就是其中之一。Greenplum对PostgreSQL内核做了修改，用大规模并行处理（massively parallel processing，MPP）策略使数据分散到多个节点。
云计算和数据库系统的融合，最开始是在云平台上托管单机或者小规模集群的数据库，这样的融合简化了数据库系统的运维过程，把数据库系统的维护从机房转移到云平台，传统数据库变成了云数据库。随着用户需求（如数据库需要动态获取资源进行计算和分析，按照使用量计费以提高资源使用效率；用多模式多引擎的方式分析数据、基于列存储和行存储进行数据分析、用B树索引进行数据分析等）的增加，云数据库演化成了云原生数据库。数据存储和数据计算在云平台上被解耦，资源被统一分配和调度。
目前，以snowflake为代表的云原生数据库越来越被企业所接受，云原生的概念和行业标准日渐成熟。当然，技术本身也在进步，基于快速UDP 互联网连接（quick UDP internet connection，QUIC）的Http/3、非易失性存储器（non-volatile memory，NVM）存储技术、数据平面开发套件（data plane development kit，DPDK）/存储性能开发套件（storage performance development kit，SPDK）等网络技术给数据库管理系统带来了更多的挑战。
要了解云原生数据库的特点，就不得不提亚马逊云计算技术。亚马逊在2014年推出Aurora/RDS，然后推出了键值（key value，KV）数据库Amazon DynamoDB、文档数据库Amazon DocumentDB、内存数据库Amazon ElastiCache、图形数据库Amazon Neptune、时间序列数据库Amazon Timestream、宽列数据库Amazon Keyspaces、分类账数据库Amazon Quantum Ledger Database、数据仓库服务Amazon Redshift等很多数据库产品，亚马逊公司按照各类需求把数据库服务迁移到了云平台上。使用这些服务的企业很多，比如Netflix、Snapchat、Zoom、Disney、Slack、Coinbase、Samsung等。这些企业一开始使用的都是自己在机房里搭建的数据库集群，但随着亚马逊云数据库服务的日渐成熟，它们慢慢把后台服务迁移到亚马逊云平台上。Snowflake公司也没有建立自己的云平台，而是使用Amazon Web Services（AWS）、Microsoft Azure、Google Cloud Platform（GCP）的云平台搭建自己的数据分析平台。从这些案例能看出，云原生数据库随着互联网技术的日益发展会越来越流行。云原生数据库的特点如下。
● 性能高。DynamoDB和Aurora能在毫秒级别的时间内做出反应，GCP的Big Query也是以性能著称的。随着基础设施数据传输速度的提升、优化策略的落地，性能指标会越来越高。
● 可靠性高。通常，云平台公司会承诺其服务可靠性达到99.99%或者99.999%等这样的正常运行服务水平。同时，灾备系统的支持也为短时间内恢复服务提供了额外保障。类似的可靠性服务是由云平台公司提供的，客户不用进行额外投入。
● 资源弹性。云平台服务有按需付费的特点，成本控制清晰。比如，来自应用程序的请求变少，数据库的运行实例就会向下缩容，可以节约成本；反之会向上扩容，以保证应用的健壮性。
● 学习成本低。在数据分析领域，为了完成数据分析的所有步骤，数据科学家们可能需要学习Python、R等编程语言，这都会增加学习成本。云平台上整合了数据录入、预处理、数据分析等一系列的功能，数据录入后用结构查询语言（structure query language，SQL）分析数据，能降低学习成本。