什么是云原生数据库.docx

什么是云原生数据库云原生是一种新型技术体系，是云计算未来的开展方向。今天，我们来谈谈何 为云原生、云原生如何与分布式有机结合，以及云原生技术如何帮助客户迈入数字 原生时代。一、云原生：从小池塘到江河大海云原生数据库在海外被称为Cloud-Native Database Systems J ,前面译成中文就是 云原生，理解云原生先要理解两个关键词一一云和原生。在传统数据库的系统架构下，必须是紧耦合的设计方式，才能最大效能地发挥系统的 优势。举个生活中的例子，过去每家每户会根据用水量打一口水井使用，这与传统的数据 库系统使用计算、存储资源的方式一样，但它是紧耦合的方式。如果水不够了怎么办？对 应的，这就是传统数据库系统里经常提到的业务扩容。在金融行业，数据库系统扩容通常 需要提前儿个月甚至半年去做规划，进而细致部署、缜密实施，上线一一灰度一一再验 证，一整套流程就是为了扩容、缩容。传统扩容过程非常漫长，而业务高峰过后缩容也很 痛苦，往往会造成极大的资源浪费，也很难应对业务层需要的快速变化能力，这是传统架 构非常大的弊端之一。如果清楚这些概念和背景就很好理解云原生了。云就是使用虚拟化的技术将资源 池化。水是资源，不用紧耦合的方式来部署和使用，不用家家户户打水井，而是整个村庄 联合起来“打”一个湖或池塘，再修管道连到各家各户，这就是资源池化。资源池化以后 可以做到按需按量使用，弹性调度，甚至还可以将资源进行解耦，比方，将厨房当作一个 计算节点，水当作存储节点，可以随时切换，如果这个厨房不够了，通过系统调度，可以 快速拉起另外两三个厨房做计算。这就是云原生核心逻辑，将不同类型资源解耦，并进行 池化。让原来的一口口独立水井，在背后合并成一个看不见的江河湖海。具体的，比方在 云原生的计算存储别离架构下，业务节点可以根据需要自由地对计算、存储进行快速的扩 缩容等操作。可以看到，云原生带来的本质性变化就像水井和池塘，随着池塘不断变大，越来越多 应用迁移上云，池塘不再是池塘，而变成了江河大海。云原生带来的最大技术红利以及经 济红利就是规模化应用后带来边际本钱下降效应，因此向云原生技术演进的趋势自然发生 并且非常清晰，无论用公共云还是专有云私有化部署。这个边际本钱下降效应表达在产品 上，客户就会因此受益，TCO也一定会下降。二数据库的未来：云原生+分布式全球知名咨询公司Gartner指出，云将主导数据库市场的未来，到2022年，75%的数 据库将被部署或迁移至云平台，只有25%的数据库会在本地运行。云化无疑代表了未来， 企业如何在云原生架构下使用数据库，就成为必须要思考的问题的。随着企业业务全面向数字化、在线化、智能化演进，企业面临着呈指数级递增的海量 存储需求和挑战，业务有更多的热点和突发流量带来的挑战，企业需要降本增效，进行更 智能的数据决策，传统的商业数据库己经难以满足和响应快速增长的业务诉求。在架构创新上，我们将云原生与分布式结合起来，全新的云原生分布式架构的数据库 具备了高扩展性、易用性、迭代快速、本钱降低等特点，可以很好的帮助企业解决上述问 题。未来数据库也将全面进入云原生加分布式的时代。具体来讲：1. 高扩展性云原生分布式数据库与底层的云计算基础设施别离，所以能够灵活及时调动资源进行 扩容缩容，以沉着应对流量激增带来的压力，以及流量低谷期因资源过剩造成的浪费。生 态兼容的特点，也让云原生数据库具备很强的可迁移性。2. 易用性云原生分布式数据库非常易于使用，它的计算节点在云端部署，可以随时随地从多前 端访问。因其集群部署在云上，通过自动化的容灾与高可用能力，单点失败对服务的影响 非常小。当需要升级或更换服务时，还可以对节点进行不中断服务的轮转升级。3 .快速迭代云原生分布式数据库中的各项服务之间相互独立，个别服务的更新不会对其他局部产 生影响。此外，云原生的研发测试和运维工具高度自动化，也就可以实现更加敏捷的更新 与迭代。4.节约本钱建立数据中心是一项独立而完备的工程，需要大量的硬件投资以及管理和维护数据中 心的专业运维人员。此外，持续运维会造成很大的财务压力。云原生分布式数据库以较低 的前期本钱，获得一个可扩展的数据库，实现更优化的资源分配。三、“大数据与数据库系统的一体化”新时代目前，数据库领域有几大核心开展趋势，除了上述提及的云原生和分布式技术的融 合，还有大数据与数据库一体化，包括HTAP以及离在线一体化；智能化技术深度融合，即 自感知+自决策+自恢复+自优化；Multi-Model多模；软硬件一体化，充分发挥新硬件的优 势；平安可信技术，即可验证日志、数据隐私保护与平安多方计算+全链路加密。在数据分析领域，企业亟需高效解决海量数据深度计算分析，下一代数据分析演进方 向应该是“以云原生为基础，离在线一体化技术融合，实现数据库大数据一体化”。“数 据库大数据一体化”的云原生数据分析系统能够很好的提供弹性扩展、海量存储、多种计 算及低本钱等能力，有效解决海量数据深度计算分析的业务分析和创新诉求。“数据库大数据一体化”也是业界近年的开展趋势。Gartner “There is only one DBMS Market报告指出，过去根据业务场景按照分析型和交易型需求，需要独立开展 OPDBMS （事务处理）和DMSA （管理与分析），而未来分析型和交易型数据操作对技术架构 依赖性会更小，将不再需要独立区分OPDBMS和DMSA,通过一体化的数据处理技术即可满 足大多诉求。从技术架构演进过程来看，2003至2006年，GFS MapReduce和BigTable三篇海量数 据存储、处理技术论文，奠定了今天大数据的整个技术生态圈的基石。2012年至今，随着 云计算的开展，云计算的资源池化、存储与计算弹性扩展等基础设施升级，以及计算存储 别离、在离线一体化等技术创新，促进了数据处理开始朝一份数据开放计算、存储计算分 离的云原生方向演进，诞生了如 Snowflake、AWS Redshift AWS Aurora AWS Athena 为 代表的新一代云原生数据库、数据仓库、数据湖，加速了数据处理向在线化、在离线一体 化、结构化与非结构融合处理演进，加速业务走向数字化、数智化创新的新形态。综上所述，“数据库大数据一体化”的数据分析系统应具备几个特点：云原生；一份 存储多种计算；海量存储，支持结构化、半结构化及非结构化数据库的存储及计算；全面 兼容数据库生态。