回顧歷史，數(shù)據(jù)庫的發(fā)展經(jīng)歷了從單一到多元的變化。

上世紀60年代，網(wǎng)狀和層狀數(shù)據(jù)庫揭開了數(shù)據(jù)庫系統(tǒng)發(fā)展的帷幕；1970年，來自IBM實驗室的Edgar F. Codd發(fā)表了《大型共享數(shù)據(jù)庫數(shù)據(jù)的關(guān)系模型》論文，提出基于集合論和謂詞邏輯的關(guān)系模型，為關(guān)系型數(shù)據(jù)庫技術(shù)奠定了理論基礎(chǔ)。之后關(guān)系型數(shù)據(jù)庫快速發(fā)展，并為整個數(shù)據(jù)庫生態(tài)培育了堅實肥沃的發(fā)展土壤。

1993年，Codd進一步提出聯(lián)機分析處理（OLAP）的概念，分析型數(shù)據(jù)庫的概念也由此正式誕生，關(guān)系型數(shù)據(jù)庫逐漸分化成為事務型、分析型兩大類。

進入21世紀，互聯(lián)網(wǎng)蓬勃發(fā)展，數(shù)據(jù)量爆炸式增長、數(shù)據(jù)類型也極大豐富。關(guān)系型數(shù)據(jù)庫逐步遇到發(fā)展瓶頸，如容量有限、在高并發(fā)下讀寫性能低、不適合海量半結(jié)構(gòu)和非結(jié)構(gòu)化數(shù)據(jù)，等等。因此，一線互聯(lián)網(wǎng)公司開始破舊立新。谷歌在2003至2004年公布了關(guān)于GFS、MapReduce和BigTable的三篇技術(shù)論文，極具里程碑意義。其中GFS和MapReduce奠定了分布式數(shù)據(jù)系統(tǒng)的基礎(chǔ)，Hadoop由此應運而生，并快速發(fā)展成熟。以Hadoop為基石的大數(shù)據(jù)生態(tài)圈，主導了二十一世紀第一個十年的技術(shù)潮流。

而谷歌BigTable與亞馬遜的DynamoDB的推出，開啟了大數(shù)據(jù)技術(shù)的另一個重要分支NoSQL，并出現(xiàn)了針對不同數(shù)據(jù)類型的NoSQL數(shù)據(jù)庫，如鍵值數(shù)據(jù)庫、文檔數(shù)據(jù)庫、圖數(shù)據(jù)庫、時序數(shù)據(jù)庫等。這些專用數(shù)據(jù)庫很好地解決了針對特定數(shù)據(jù)類型和應用場景的數(shù)據(jù)存儲和處理問題，迎來了快速發(fā)展。

至此，數(shù)據(jù)庫行業(yè)進入百家爭鳴的時代。

數(shù)字化轉(zhuǎn)型時代，數(shù)據(jù)庫開啟融合新篇章

• 多模數(shù)據(jù)融通：超融合數(shù)據(jù)庫首先會支持多種數(shù)據(jù)類型，包括：關(guān)系型數(shù)據(jù)、時序數(shù)據(jù)、GIS數(shù)據(jù)、JSON數(shù)據(jù)、圖數(shù)據(jù)、文本數(shù)據(jù)等主要數(shù)據(jù)類型，并且在一套數(shù)據(jù)庫內(nèi)對多模數(shù)據(jù)的統(tǒng)一管理、查詢與跨模態(tài)互通，實現(xiàn)數(shù)據(jù)在庫內(nèi)的歸集、融通與整合分析。

• 基于SQL的全場景查詢分析：SQL語言作為最為經(jīng)典的數(shù)據(jù)查詢語言，其易用性和普及度有目共睹。歷史上也有過放棄SQL的技術(shù)路線，但最終又都紛紛回歸。歷史證明，SQL是數(shù)據(jù)分析與查詢的全球共識語言，也是保障平民化與普適性的基石。基于SQL，超融合數(shù)據(jù)庫應該盡可能多的支持各類場景下的查詢分析能力，如針對時序數(shù)據(jù)的窗口查詢及聚合查詢等，多表間的Join查詢等，甚至需要支持AI機器模型的訓練。

• 高性能與易用性：性能保障是一切功能特性的先決條件。超融合數(shù)據(jù)庫需要提供足夠的性能和可靠性保障，以應對超大規(guī)模容量、超高壓力寫入、各類數(shù)據(jù)接入場景、實時近實時分析查詢的帶來的業(yè)務挑戰(zhàn)。同時，能夠提供統(tǒng)一的監(jiān)控、告警、自動化運維及可視化UI，大幅度減輕日常部署運維的作業(yè)強度。

代表廠商YMatrix的超融合數(shù)據(jù)庫實踐

用一個強大的“超融合數(shù)據(jù)庫”一站式解決多種問題，是一種理想狀態(tài)。一個普遍的質(zhì)疑是：一款數(shù)據(jù)庫如何既做到對多種數(shù)據(jù)類型和應用場景的融合，又做到媲美專用數(shù)據(jù)庫的優(yōu)秀性能？只有在真實業(yè)務場景下的落地實踐，才能證明其可行性。

在超融合數(shù)據(jù)庫的實踐方面，YMatrix無疑是目前市場上最具代表性的一家廠商。為了探討超融合數(shù)據(jù)庫的發(fā)展趨勢和實踐進展，近期，愛分析對YMatrix進行了調(diào)研，并對YMatrix創(chuàng)始人&CEO姚延棟先生進行了訪談。

YMatrix成立于2020年8月，至今已經(jīng)獲得總規(guī)模超億元的四輪融資，投資方包括晨山資本、順義產(chǎn)業(yè)基金、某頭部云廠商、東方富海、中科創(chuàng)星、清華啟迪等。YMatrix的團隊在數(shù)據(jù)庫內(nèi)核引擎開發(fā)方面擁有深厚的積累，創(chuàng)始人&CEO姚延棟曾擔任Greenplum北京研發(fā)中心總經(jīng)理，歷經(jīng)10年從0到1組建Greenplum中國研發(fā)團隊，并帶領(lǐng)團隊將Greenplum打造為世界前列的數(shù)據(jù)庫。

基于對數(shù)據(jù)庫融合的技術(shù)趨勢，以及物聯(lián)網(wǎng)時代時序數(shù)據(jù)爆發(fā)的堅定判斷，YMatrix在成立伊始就錨定了超融合數(shù)據(jù)庫方向，并選擇先從時序數(shù)據(jù)庫切入。

2021年7月，YMatrix發(fā)布了超融合時序數(shù)據(jù)庫MatrixDB4.0。經(jīng)過持續(xù)打磨，YMatrix于今年10月26日正式發(fā)布了升級版的超融合數(shù)據(jù)庫YMatrix5.0，該版本的迭代重心在“超融合”層面，并實現(xiàn)了一系列性能和易用性的優(yōu)化。其內(nèi)置高性能微內(nèi)核數(shù)據(jù)引擎，實現(xiàn)了對關(guān)系型數(shù)據(jù)、時序數(shù)據(jù)、JSON數(shù)據(jù)、鍵值數(shù)據(jù)、GIS數(shù)據(jù)、文本數(shù)據(jù)的廣泛支持，并在數(shù)據(jù)操作層面支持以標準SQL實現(xiàn)跨數(shù)據(jù)模型的寫入、建模、聯(lián)合查詢以及機器學習等。

為了解決上述問題，該企業(yè)基于YMatrix替換原有集群搭建了制造大數(shù)據(jù)平臺，承載傳統(tǒng)業(yè)務的關(guān)系型數(shù)據(jù)，優(yōu)化了性能，并承載時序數(shù)據(jù)，補全了時序場景分析能力；基于YMatrix搭建了分支工廠的獨立數(shù)倉平臺，構(gòu)建總部（云）和工廠（邊）協(xié)同架構(gòu)，有效降低了集團集群的負載；此外，以YMatrix架構(gòu)替代了Spark及MySQL集群，承載售后大數(shù)據(jù)分析系統(tǒng)，大幅簡化了系統(tǒng)架構(gòu)，提升了性能。借助YMatrix的架構(gòu)升級，該企業(yè)獲得了以下收益：

• 整體上提升了性能，為應對業(yè)務量大規(guī)模擴張奠定基礎(chǔ)。

• 基于YMatrix超融合數(shù)據(jù)庫對多模數(shù)據(jù)綜合分析需求的支持，能夠服務該企業(yè)未來5-10年的潛在需求，避免不必要的架構(gòu)調(diào)整和投資浪費。

• 數(shù)據(jù)管理成本獲得有效控制，集群規(guī)模節(jié)省超30%，且節(jié)約了對新產(chǎn)品、新架構(gòu)的學習成本。

• 基于YMatrix提供的大量圖形化及自動化的運維能力，以及系統(tǒng)架構(gòu)的精簡，大幅提升了使用體驗，降低了運維復雜度。

通過YMatrix的實踐可以看到，超融合數(shù)據(jù)庫正在從一種概念設(shè)想轉(zhuǎn)變?yōu)檎嬲穆涞貞谩ｋS著技術(shù)的持續(xù)迭代，以及應用場景的擴展和滲透，未來，超融合數(shù)據(jù)有望在數(shù)據(jù)庫市場中占據(jù)越來越大的份額，成為企業(yè)數(shù)據(jù)基礎(chǔ)架構(gòu)的重要選擇。

以下是本次愛分析對姚延棟先生訪談內(nèi)容的精選。

愛分析：您如何理解超融合數(shù)據(jù)庫？為什么選擇這個方向創(chuàng)業(yè)？

姚延棟：我們觀察到，最近這10年數(shù)據(jù)庫領(lǐng)域出現(xiàn)了明顯的融合趨勢，如NewSQL、HTAP、Lakehouse等，都是某種融合的體現(xiàn)，這是一個融合的時代。

那么，未來數(shù)據(jù)庫的融合趨勢會如何演進？我判斷未來是一個超融合的趨勢，并在2020年就提出了“超融合”這個概念，這里的超融合是指實現(xiàn)“OLTP+OLAP+大數(shù)據(jù)”三者的融合。

為什么我覺得超融合一定是數(shù)據(jù)庫的未來？以手機為例，在智能手機出現(xiàn)前，功能手機只能接聽電話，拍照、聽音樂則需要用照相機、MP3。隨著智能手機的出現(xiàn)，這些單一功能在智能手機這個平臺上實現(xiàn)了融合。這個例子背后反映的是技術(shù)從簡單到復雜，再到升維后簡化的客觀發(fā)展規(guī)律，數(shù)據(jù)庫技術(shù)的發(fā)展也必然符合這樣的規(guī)律。

從客戶需求的角度，也能進一步驗證超融合這個趨勢。實際上，客戶需求也是我們創(chuàng)業(yè)的出發(fā)點。具體來講，做數(shù)據(jù)庫是一件長期的事情，單產(chǎn)品研發(fā)就可能耗費3-5年的時間，所以我們創(chuàng)業(yè)需要首先判斷未來時代發(fā)展的大機會在哪里。

顯然，未來的時代是物聯(lián)網(wǎng)+數(shù)智化轉(zhuǎn)型的時代，而這個時代的用戶主體是廣泛的傳統(tǒng)企業(yè)。當前傳統(tǒng)企業(yè)數(shù)據(jù)庫體系復雜，建設(shè)和維護需要大量的人力、時間和資金成本，相較之下，購買能夠直接解決大部分場景需求的超融合數(shù)據(jù)庫產(chǎn)品，性價比更高。我們預見，未來企業(yè)對超融合數(shù)據(jù)庫產(chǎn)品有強需求，而超融合數(shù)據(jù)庫也將以更具競爭力的成本優(yōu)勢、更快的速度和更好的創(chuàng)新方式賦能各行各業(yè)。

愛分析：YMatrix創(chuàng)立之初，為什么選擇以時序數(shù)據(jù)庫作為超融合數(shù)據(jù)庫的切入點？

姚延棟：上面提到，我們的第一個判斷是未來將會是萬物互聯(lián)和企業(yè)數(shù)智化轉(zhuǎn)型的時代。在這個時代，最大的新變量就是時序數(shù)據(jù)，并且時序數(shù)據(jù)將快速增長成為主體數(shù)據(jù)。那么從產(chǎn)品端，我們該如何支持時序數(shù)據(jù)？

對此，我們做了第二個判斷：時序的主要場景是分析，分析的主體數(shù)據(jù)是時序，針對時序數(shù)據(jù)的分析功能一定要做。這就是為什么我們沒有做諸如InfluxDB這類性能顯著，但不具分析功能的時序數(shù)據(jù)庫產(chǎn)品，最終選擇面向分析場景的Greenplum的分布式架構(gòu)，并采用關(guān)系型數(shù)據(jù)庫PostgreSQL作為核心引擎研發(fā)超融合時序數(shù)據(jù)庫。當然，還有一個額外的顯而易見的優(yōu)勢，就是我們的創(chuàng)始團隊具有10年以上Greenplum研發(fā)經(jīng)驗。

愛分析：YMatrix的數(shù)據(jù)庫產(chǎn)品目前實現(xiàn)了怎樣的“超融合”？從技術(shù)上是如何實現(xiàn)的？

姚延棟：YMatrix采用了一種創(chuàng)新的技術(shù)架構(gòu)，我們稱為“多微內(nèi)核開放架構(gòu)”。就像CPU有多個核一樣，現(xiàn)在數(shù)據(jù)庫也可以是“多核”的。每個內(nèi)核由不同的存儲引擎和執(zhí)行器組成，而這些都是針對場景優(yōu)化過的。比如我們專門針對時序場景的微內(nèi)核，其中包括自研的MARS2時序存儲引擎，以及經(jīng)過向量化優(yōu)化的執(zhí)行器。目前我們提供三種微內(nèi)核，分別面向TP、AP及時序場景，里面有很多專項的優(yōu)化，也有一些復用的部分。基于這種架構(gòu)可以讓我們非常方便的進行場景擴展，比如未來針對某類新興數(shù)據(jù)類型，我們只需要是針對新的場景研發(fā)一款新的微內(nèi)核，而不是從頭到尾再重新研發(fā)一整套數(shù)據(jù)庫，效率將大幅提升。

愛分析：與專用數(shù)據(jù)庫相比，超融合數(shù)據(jù)庫為了做到功能上的融合，是否會犧牲性能上的表現(xiàn)？

姚延棟：不會，性能也是我們產(chǎn)品一直在打磨的方向。本次發(fā)布的5.0版對性能進行了全面優(yōu)化，實現(xiàn)時序場景的寫入及查詢、單表查詢、多表關(guān)聯(lián)分析、機器學習以及OLTP等全場景處理性能的跨越式提升。

每個場景我們都有真實的測試數(shù)據(jù)作為證明：

在時序場景的寫入能力上，YMatrix5.0在真實的生產(chǎn)場景中寫入速度可達1.52億數(shù)據(jù)點/秒。而通常一個工廠的數(shù)據(jù)點大概在10萬點以內(nèi)，1.52億是工廠場景規(guī)模的1500倍；

在時序場景的查詢性能上，對比時序數(shù)據(jù)庫獨角獸TimescaledDB耗時是YMatrix的5.1倍；

在單表查詢性能上，SSB基準測試結(jié)果表明YMatrix超融合數(shù)據(jù)庫比ClickHouse快27%；

在多表關(guān)聯(lián)分析性能上，對比MPP數(shù)據(jù)庫主流廠商Greenplum，YMatrix實現(xiàn)了數(shù)倍的性能提升；

在機器學習場景性能上，YMatrix庫內(nèi)機器學習性能相比Spark提升了8倍；

在OLTP場景下，TPC-B國際標準測試結(jié)果表明，YMatrix超融合數(shù)據(jù)庫主鍵查詢TPS高達160萬，而絕大多數(shù)低于TPS5萬的水準。

愛分析：目前YMatrix的商業(yè)化應用場景有哪些？服務了哪些客戶？

姚延棟：YMatrix超融合數(shù)據(jù)庫的應用廣泛，尤其適用OLAP和時序數(shù)據(jù)處理的場景，如車聯(lián)網(wǎng)、智能制造、智慧能源、智慧交通、智慧城市等領(lǐng)域，可應用于工廠數(shù)據(jù)基座、智能網(wǎng)聯(lián)汽車、物聯(lián)設(shè)備智能運營、實時數(shù)據(jù)倉庫等場景。目前YMatrix已經(jīng)服務了寧德時代、比亞迪、三一重工、理想汽車、小米等多家大型企業(yè)。

另外，YMatrix還非常適合有“選擇困難癥”的客戶。客戶經(jīng)常由于業(yè)務變化出現(xiàn)數(shù)據(jù)庫新需求，比如時序數(shù)據(jù)庫、分析型數(shù)據(jù)庫或是湖倉一體等。YMatrix支持時序場景、分析型場景，能根據(jù)客戶需求靈活應用。而且未來如果客戶數(shù)據(jù)體量迅速擴增到更高級別比如10PB，而客戶基于成本考慮不想再購買新數(shù)據(jù)庫時，就可以使用YMatrix倉下建湖的能力，在架構(gòu)底層搭建S3和HDFS進行海量數(shù)據(jù)存儲。所以客戶如果面向當下場景有數(shù)據(jù)庫選型困難的問題，面向未來業(yè)務場景有需求變化的風險，那么用YMatrix做起步是最合適的方案。

愛分析：在數(shù)據(jù)庫融合趨勢下，市場上也有很多廠商推出了“多模數(shù)據(jù)庫”。YMatrix超融合數(shù)據(jù)庫與多模數(shù)據(jù)庫的區(qū)別是什么？

姚延棟：市場中提的“多種模式”實際上是指多種數(shù)據(jù)類型，并沒有多個存儲模型或者數(shù)據(jù)模型。多模數(shù)據(jù)庫實現(xiàn)的是多數(shù)據(jù)類型的存儲，但當應用時，多種數(shù)據(jù)類型會出現(xiàn)存儲空間占用高、協(xié)同速度慢以及查詢難優(yōu)化等問題，缺失操作層面的融合。多模數(shù)據(jù)庫和YMatrix超融合數(shù)據(jù)庫的區(qū)別是多模實現(xiàn)的只是YMatrix的底層存儲層，YMatrix還實現(xiàn)了上層數(shù)據(jù)操作層面的融合，支持基于SQL的全場景查詢分析和機器學習建模分析。

愛分析：怎么看未來超融合數(shù)據(jù)庫的發(fā)展前景？

姚延棟：我認為，未來所有的數(shù)據(jù)庫都會嘗試往融合方向發(fā)展，因為專用數(shù)據(jù)庫只有做到在單場景下性能比通用數(shù)據(jù)庫快10倍，才能有生存空間。預計到2025年左右，超融合數(shù)據(jù)庫就會成為主流。

YMatrix超融合數(shù)據(jù)庫由于繼承了數(shù)據(jù)庫領(lǐng)域中優(yōu)秀產(chǎn)品的成功經(jīng)驗，性能比多數(shù)專用數(shù)據(jù)庫優(yōu)良，對比之下，一些專用數(shù)據(jù)庫廠商還需要在數(shù)據(jù)庫領(lǐng)域多積累經(jīng)驗，持續(xù)吸收學習后才能在數(shù)據(jù)庫領(lǐng)域占據(jù)一席之地。

愛分析：下一步，YMatrix在產(chǎn)品研發(fā)和商業(yè)化等方面有哪些規(guī)劃？

后續(xù)，我們會在已經(jīng)存在海量需求的時序場景深耕，嘗試替代傳統(tǒng)數(shù)據(jù)庫和專用類產(chǎn)品。數(shù)據(jù)量大、指標量多的車聯(lián)網(wǎng)、智能制造、智慧能源、智慧城市、智慧園區(qū)、智慧醫(yī)療等場景會是重要的方向。這些場景所產(chǎn)生的業(yè)務需求，將最大化體現(xiàn)超融合產(chǎn)品的價值。