阿里云李飞飞：数据库发展的几个重要趋势

图片来源@视觉中国

文 | 阿里云，分享 | 李飞飞（阿里巴巴集团副总裁）

上世纪80年代初，数据库系统逐步走上信息技术舞台的中央，2000年开始大数据技术兴起，再到2010年后云计算热度持续升温。技术的进程走到了今天这个奇妙的节点，看向未来，有几个趋势可能会发生。

仅以此文，分享一些浅见和实践。

三段交叉的技术史

过去40年，数据库系统、大数据和云计算三项技术交替兴起。

首先是数据库系统，成型于上个世纪80年代，是计算机领域三大基础软件系统之一。早期的关系型数据库以甲骨文数据库为代表，取得了巨大的商业成功。后来出现了MySQL、PostgreSQL等开源的关系型数据库。

90年代，随着关系型数据库的广泛应用，产生了大量的数据，分析这些结构化的数据对分析型的数据库系统提出了很高的要求，因而在90年代涌现出了一批分析型数据库系统。

世纪更迭，2000年到2010年，大数据技术走上历史舞台的时代。大数据技术诞生的原因有以下两方面：

一是大数据的产生。随着以谷歌为代表的互联网公司的发展，产生了大量数据。

二是获取、处理、分析数据的方式不一样。比如说银行最简单的交易、转账，对隔离、一致性、持久性有非常严格的要求。大数据不一样，单一数据对最终结果没有特别影响。这种应用场景和传统的联机交易关系型数据库完全不同。

于是，大数据系统应运而生，谷歌发表了耳熟能详的分布式文件系统、分布式表格存储、MapReduce三大论文，奠定了今天大数据的整个技术生态圈的基石。

2010年后，另一个趋势是云计算的热度逐渐升温。云计算的本质就是利用分布式技术将资源高效池化，而对应用做到透明的集中式部署。

把云计算、数据库、以及大数据发展结合起来看，数据系统本质上就是对数据从生产、处理、消费、存储的一个全链路的过程。

云计算对数据处理系统产生了非常大的影响：

第一，  云原生技术在数据处理系统深入的应用；

第二，  传统的关系型数据库和传统大数据生态正在快速发生融合。

业界发展的趋势，是资源的池化，资源解耦，以云原生、分布式的技术为基础，打造下一代的数据处理系统。举例来说，阿里云数据库之所以能够支撑双11，也是在不断实践基于这些理念的思考。

以双11为例，第一张图是历年双11的零点交易峰值的曲线，最新的2020年双11的零点的峰值是58万笔/秒。每一笔交易还会有一个拆单的动作，到数据库系统就是每秒几百万TPS。

第二张图是系统零点负载的瞬间变化曲线，一秒钟时间内系统负载瞬间爆发了145倍。如果不是利用云原生的技术，简单依赖传统技术根本无法满足这种高并发、弹性、高可用的要求。

几个重要趋势

从架构的角度来看，数据库系统的变化如下图所示：

左边是传统的冯诺依曼架构；右边是分布式架构；中间是云原生的架构，背后大量利用了分布式技术。这种资源池化带来的弹性、高可用的能力显而易见。

这是今天三种不同的架构，有以下几个趋势：

1. l  大数据和数据库一体化；
2. l  云原生和分布式技术结合；
3. l  智能化；
4. l  多模数据处理;
5. l  软硬件一体化：例如，利用高速网络等来提升数据处理系统的性能和效率；
6. l  安全可信：例如，如何确保数据不可更改。 

结合阿里云数据库的核心技术，把以上背景、趋势实例化：

• 云原生关系型数据库PolarDB 

PolarDB的每个数据块分成三个物理节点，不用关心分布式带来的挑战，比如分库分表、分布式的查询，对应用完全透明，读写一份数据，做到了分布式技术透明化、集中式部署。

PolarDB是阿里云自研的云原生数据库，创新采用存储与计算架构分离设计，能在分钟级别部署一个新的计算节点、或者扩容存储节点。同时，在性能上做了大量的优化，非常好地兼容了生态，比如100%兼容MySQL和PostgreSQL，高度兼容Oracle。

在实际的客户案例里，利用PolarDB Oracle兼容版替换现有的Oracle，在性能一样的前提下，整体成本不到原来的三分之一。

除了云原生的架构，也有分布式架构版的PolarDB-X。在每个分区里面做这种三节点的架构，同时三节点利用协议做数据的一致性保障，而且三节点可以做到同城跨AZ部署。

•  一体化设计是下一代数据分析系统的核心理念 

下一代的系统，是将云原生技术和分布式技术合二为一：上面是分布式，而下面是云原生的方式实现，每个分区都可以享受云原生带来弹性、高可用的能力，同时上面有分布式带来的水平拓展的能力，解决高并发可能带来的瓶颈问题。

• 云原生数据仓库ADB

云原生的数据仓库本质上也是云原生的架构，存储池化、计算池化、存储计算分离，同时实现海量存储弹性，轻量化部署。

利用这些技术实现数据处理和计算分析的离在线一体化，数据库与大数据一体化。如同现实生活中的仓库，所有物品要分门别类放好，所以数据仓库比较适合已经范式化的数据格式、业务类型比较固定的场景，性价比非常高。

在云原生数仓方面，我们也利用这套架构研发了AnalyticDB(ADB)支持了淘宝天猫对实时交易数据进行在线交互式分析和计算的需求，同时支持复杂的离线ETL与在线分析的融合。

• 数据湖

数据湖，“湖底”的数据参差不齐，“湖面”却是平的。不同于数据仓库，数据湖的存储是多源异构的，只需要有一个统一的界面对这些数据进行分析、处理。

以阿里云的云原生Serverless数据湖解决方案DLA为例，基于对象存储，对多源异构的数据存储进行统一的计算和分析，利用云原生的Serverless技术可以用非常低成本的实现弹性高可用的能力，并且满足安全性的要求。

• 多模、智能化和安全可信

在管控这一层实现异常检测、安全诊断，通过K8S这套编排技术，把多源异构的资源管理起来，打造智能化的运维管控平台。

我们做了全加密的数据库，数据进入内核以后不需要解密。利用安全硬件技术做了全加密的流程和保护，实现了不解密也能进行数据加工和处理。

数据业务的多样化带来了除了结构化数据之外的多模数据，例如文本、时序、图片、图数据等非结构化数据。针对多模数据，我们设计研发了基于云原生架构的多模数据库Lindorm以及云原生内存数据库Tair来支持多模数据处理。

最后是生态工具，从传输、备份到管理。传输采用DTS，做端到端数据的同步，用DBS数据备份做多云多端的逻辑备份、物理备份，DMS做企业级的开发建模流程, ADAM做针对基于传统数据库和数据仓库开发的应用评估和迁移。

今年疫情期间，各行各业有一个非常大的变化——传统的离线业务和在线业务在快速融合，线上线下的边界越来越模糊。

这带来的挑战是，业务波峰波谷的变化越来越剧烈。这是疫情带来的必然变化，数字化的转型也是一个必然发生的事实。在这种背景下，云原生数据库、云原生数仓等产品，将会服务越来越多“线上线下边界模糊”的各行各业。

【钛媒体作者简介：李飞飞，现任阿里巴巴集团副总裁、高级研究员，阿里云智能数据库事业部总负责人。美国计算机协会ACM杰出科学家，加入阿里巴巴之前为美国犹他大学计算机系终身教授。】