数据库架构、分类、市场规模及发展趋势有哪些？

非关系型数据库增长提速，云化与向量化大势所趋。

1、简介：关系型数据占主要地位，非关系型提速增长

数据库是指长期存储在计算机内的、有组织的、可共享的、统一管理的大量数 据的集合。从架构上看，数据库作为计算机三大基础软件（操作系统、数据库、 中间件）之一，向下可充分发挥硬件算力，向上支撑上层的应用需求，是信息系 统高效运行的关键基础。而数据库管理系统（Database Management System）是 指操纵和管理数据库的大型软件，负责搭建、处理、维护数据库的数据及数据间 逻辑关系。数据库管理系统通过有效使用计算机的CPU、内存、磁盘等资源，管 理一个或多个数据库，涉及对数据的增删改查。

20 世纪 60 年代以来，数据库经历了网状/层次型数据库，关系型数据库，NoSQL （非关系型）数据库，NewSQL 数据库四个发展阶段。

从分类来看，数据库按数据组织架构可分为关系型数据库、NoSQL（非关系型 数据库）、NewSQL 三大类，是主流的数据库分类方式。此外数据库可按部署方 式分为本地部署、云部署；或按架构类型分为单机、集中式、分布式；或按业务 负载特征分为 OLTP（Online Transaction Processing 联机事务处理过程）、OLAP （OnLine Analytical Processing 联 机 分 析 处 理 ） 、HTAP（HybridTransactional/Analytical Processing 混合事务和分析处理）。

关系型数据库：关系型数据库模型是将复杂的数据结构用较为简单的二元关系 （二维表）来表示。在该类型数据库中，对数据的操作多建立在一个或多个表格 上，可以采用结构化查询语言（SQL）对数据库进行操作。关系型数据库是目前 主流的数据库技术，其中具有代表性的数据库管理系统有：Oracle、DB2、SQL Server、MySQL 等。

非关系型数据库（NoSQL）：非结构化数据量的激增与 Web 2.0 网站的兴起凸显 了传统关系数据库在扩展性和灵活性方面的劣势，即无法处理大规模高并发非结 构化数据，NoSQL 应运而生，以解决大规模数据集合及多重数据种类带来的挑 战，具有高灵活性和可扩展性。NoSQL 所采用的数据模型并非关系型数据库的 关系模型，而是类似键值、列簇、文档等的数据模型，打破了长久以来关系型数 据库与 ACID（原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation） 和持久性（Durability）理论大一统的局面。

从分类来看，非关系型数据库可分为图形数据库、文档数据库、列式数据库、 键值数据库和向量数据库：

1）图形数据库专门用于存储和导航关系，使用节点来存储数据实体，并使用边 来存储实体之间的关系。边有一个开始节点、结束节点、类型和方向，可以描述 父子关系、操作、所有权等。一个节点可以拥有的关系的数量和类型没有限制。 图形数据库中的图形可依据具体的边类型进行快速遍历，或者也可对整个图形进 行遍历。

2）文档数据库是在文档中存储信息的数据库。文档是文档型数据库中的一条记 录，以字段-值的形式存储数据。值的类型和结构可以有多种，包括字符串、数 字、日期、数组等。文档存储的格式可以是 JSON（JavaScript Object Notation JS 对象简谱），BSON（二进制形式的 JSON）和 XML（Extensible Markup Language 可扩展标记语言）。此外文档数据库不要求严格的数据格式，一个集合中文档和 文档之间的字段可以不一致，结构灵活；扩展性强，拥有自己的查询语言和 API。

3）列式数据库将数据按列进行组织和存储。在实际应用中，列式数据库把同一 列的数据存储在同一个物理存储块中，使得数据压缩和存储更为紧凑，降低了存 储空间的需求，在大规模数据存储和查询、读取速度上有明显优势。列式数据库 具有高度可扩展性，列式存储可以轻松地分割和分布式处理大量数据，从而更好 地支持庞大的数据集。

4）键值数据库将数据存储为键值对集合，其中键作为唯一标识符。键和值都可 以是从简单对象到复杂复合对象的任何内容。键值数据库是高度可分区的，并且 允许以其他类型的数据库无法实现的规模进行水平扩展。

5）向量数据库专门用于存储和管理向量数据，擅长非结构化数据处理。向量数 据是指由多个数值组成的数据，这些数值通常表示某种特征或属性。与传统数据 库相比，向量数据库可以处理更多非结构化数据（图像、音频等）。向量数据库 通过基于机器学习的 Embedding（词嵌入）模型将非结构化数据表示为向量，再 结合其他先进的数据库（包括传统数据库）技术，让使用者更高效地处理非结构 化的复杂数据。向量数据库通常采用基于向量相似度的查询方式，即根据向量之 间的相似度来检索数据；通常采用基于向量索引的存储方式。向量数据库在处理大规模、高维数据和复杂查询方面具有较强的能力，且易于扩展。特别是在向量 搜索和相似度计算方面，具有更低的查询延迟和更高的准确性。

6）NewSQL数据库：NewSQL是对一类现代关系型数据库的统称，对于OLTP读 写请求提供可横向扩展的性能，同时支持事务的 ACID 保证。这些系统既拥有 NoSQL数据库的扩展性，又保持传统数据库的事务特性。NewSQL具有以下特点： 耗时短；使用索引查询，不使用全表扫描，仅涉及少量数据；重复度高，通常使 用相同的查询语句和不同的查询参数。NewSQL 数据库分为 3 类：完全使用新的 架构重新设计开发的NewSQL数据库、在中间件层实现NewSQL特性的数据库、 云计算平台提供的数据库即服务产品（DaaS）。

2、数据库市场规模快速增长，头部云厂商及新兴厂商崭露头角

全球数据库市场规模仍快速增长，非关系型数据库是重要增长驱动。根据 Gartner 和前瞻产业研究院数据，2021 年全球数据库市场规模为 795 亿美元，预 计到 2026 年全球数据库市场规模将达到 2086 亿美元，2021-2026 年全球数据库 市场规模 CAGR 达到 21.27%。从规模结构来看，关系型数据库仍然占市场主导， 2021 年占比 81%，非关系型数据库占比 19%。从增速来看，非关系型数据库更 快。根据 Gartner报告，2017-2021年全球非关系型数据库市场规模 CAGR为 48%， 而关系型数据库 CAGR 仅 16.4%。

数据库市场集中度高，头部云厂商及新兴厂商崭露头角。数据库产品具有较高 的技术和生态壁垒，因此市场集中度较高：2021 年，全球 Top5 数据库厂商市场 份额占比达 81%，头部效应明显。云数据库的可扩展性、易用性、安全性与企业 的降本增效需求使得数据库从本地部署转向云部署；传统数据仓库无法满足海量 非结构化数据处理需求，数据湖与湖仓一体架构应运而生。在此趋势下，以 Oracle 为代表的传统数据库巨头市场份额逐步减少，微软、亚马逊和谷歌等云厂 商以及 Databricks、MongoDB 等新兴厂商市场份额占比增加。从细分来看，全球 关系型数据库市场中，2022 年 Microsoft 市场份额占比 29.08%，排名第一， Oracle 与 Amazon 以 23.8%、21.4%的市场份额分列二、三；全球非关系型数据库 市场中，2021年AWS以43.3%市场份额位列第1，Google、阿里巴巴、MongoDB 以 18.6%、5.8%、5.6%的市场份额紧随其后。

3、云转型顺势而为，向量化成重要布局方向

云数据库成为主流，Serverless 优势显著。传统数据库模式存在资源利用率不高、 成本昂贵等问题，2020 年以来数据库迁移上云态势显著提速，云托管、云原生 数据库成为主流。相较传统部署的数据库而言，云数据库通过存储计算分离，实 现资源池化和弹性，具备高扩展性、高可用性、低成本等优势。然而，云数据 库不能按需自动缩放，也不能更小粒度地实现按使用量付费。当用户遇到数据库 扩容的突发需求时，就只能根据业务实际使用情况手动调整数据库容量大小，耗 费大量时间和成本。具有以下优势的 Serverless 数据库应运而生：自动伸缩降低 使用成本，能够随着用户业务请求数的增加和减少智能化地膨胀和缩小，当流量 洪峰来临时，可以自动调配资源支持；流量进入低谷时，则可自动释放资源；高 易用性，借助 Serverless 架构，底层的数据库操作可以被屏蔽，数据库能够根据 需求自动进行资源部署，而使用者只需要关注自身业务的相关数据使用问题。

生成式 AI 寻求数据处理成本效率，向量化成为重要布局方向。全球数据量爆发 式增长，2022 年全球创建、使用和存储的数据量约为 97ZB，根据清华大学互联 网产业研究院数据，预计到 2025 年全球创建、使用和存储的数据量将达到 181ZB，2021-2025年全球数据量 CAGR约为 23%。以 OpenAI GPT大模型为例， 近年来每一代 GPT 的参数规模呈指数级增加，市场中主流 AI 大模型 GPT、 LLaMA、BERT 参数均达千亿级，大规模数据为数据处理带来新挑战。传统数据 库通常使用表格结构或关系型模型，无法直接存储和索引高维度的向量数据，从 而导致查询和匹配速度较慢；而向量搜索技术支持高维度向量的相似度搜索和匹 配，提升大模型数据查询的精准性和效率。