Q: 国内数据库市场的规模有多大？关系型和非关系型数据库的市场份额又是怎样的？
A: 根据第三方数据，比如赛迪和 IDC 的统计，结合我们的实地调研，国内数据库市场的总容量接近 300 亿元人民币。其中，关系型数据库占据主导地位，估计占据了 260 亿甚至更多。相比之下，非关系型数据库虽然种类繁多，但在实际需求和商业价值上，目前仍处于相对较小的份额。
Q: 请简要解释一下关系型数据库的概念和使用场景？
A: 关系型数据库基于表格形式的数据模型，类似于 Excel 表格，其中每一列和其属性标签都严格一一对应。这种数据库主要用于处理结构化数据，遵循 ACID（原子性、一致性、隔离性、持久性）原则，确保数据的准确性和一致性。在数据分析领域，当需要精确匹配和查询时，关系型数据库是最常用的选择。
Q: 非关系型数据库与关系型数据库有何不同？它们主要用于处理什么类型的数据？
A: 非关系型数据库，又称为 NoSQL 数据库，包括文档、键值、图形等多种类型。它们的特点在于处理非结构化或半结构化数据，数据元素之间的关联不一定是严格的表格形式。例如，图数据库通过拓扑图的方式存储数据之间的关联，适用于复杂网络分析等场景。非关系型数据库的详细解析将在后续的报告中
提供。
Q: 数据库市场按模型可以分为哪两类？在国内市场上，哪一类占据主导地位？
A: 数据库市场按模型主要分为关系型和非关系型两大类。在国内，关系型数据库占据主导地位，在近两三百个数据库中，大约 65%以上属于关系型数据库。从实际需求的角度看，关系型数据库的需求量更大。
Q: 非关系型数据库有哪些代表性类别？它们分别用于什么场景？
A: 非 关 系 型 数 据 库 包 含 多 个 子 类 别 ， 其 中 文 档 数 据 库 如MongoDB，适用于处理大量数据，特别擅长频繁的读写操作，例如视频网站的弹幕、游戏中的装备和积分等。键值对存储的电子数据库，如 Redis，主要用于需要快速检索的场景，比如游戏缓存和用户会话信息。图数据库则以 Neo4j 为代表，通过拓扑图形式存储节点及其关联关系，适用于反洗钱和风控分析，当某个节点与大量其他节点有关联时，可作为风险评估的依据。
Q: 随着非结构化数据的增长，非关系型数据库的未来趋势如何？
A: 随着社会对非结构化数据处理需求的增加，非关系型数据库的应用场景将持续扩大，并有望保持良好增长态势。在金融反洗钱、互联网等多个领域，非关系型数据库已得到广泛应用，
特别是文档数据库、键值对存储和图数据库这三大类。
Q: 国内关系型数据库市场容量如何？有哪些主要的供应商？
A: 国内关系型数据库市场容量超过 260 亿元。主要供应商包括全球知名的欧洲 Oracle 公司，以及国内的达梦数据。在分布式数据库领域，蚂蚁集团的 OceanBase 和腾讯的 TDSQL 表现突出。华为的 GaussDB 则同时提供集中式和分布式版本，其中分布式数据库在特定行业应用较为广泛。
Q: 在数据架构方面，集中式与分布式数据库在国内市场上的比例是怎样的？
A: 在国内市场，集中式数据库的需求占主导，占据了 80%以上的市场份额。这意味着在 260 亿元的市场规模中，大部分支出流向了集中式数据库。而分布式数据库因其灵活性和扩展性，也在特定领域获得了应用，特别是在大数据和云计算环境下，分布式数据库的优势更为明显。
Q: 分布式数据库的特点是什么？在哪些场景下更具优势？
A: 分布式数据库能够跨多个计算节点存储和管理数据，提供更高的可用性和负载均衡能力。在大规模数据处理、需要高并发访问以及地理分布广泛的系统中，分布式数据库能够提供更好的性能和可靠性。例如，在互联网服务、大数据分析和实时交易处理等领域，分布式数据库的使用正变得越来越普遍。
Q: 分布式数据库近年来为何快速发展？与集中式数据库相比，它有哪些显著优势？
A: 分布式数据库的快速发展主要得益于其两大核心优势。首先，在数据高并发情况下，分布式数据库能够像云计算那样横向扩展节点，迅速增加硬件资源以应对如电商交易高峰、互联网流量激增等场景，有效提升数据库的分析和处理能力。其次，在国产化替代的背景下，分布式数据库的弹性部署特性可以缓解对高性能硬件的依赖，尤其是在国产硬件暂时无法媲美进口小型机时，分布式架构能够通过软件层面的优化，弥补硬件性能的不足。
Q: 分布式数据库在哪些应用场景下展现出竞争力？它对客户 IT能力提出了哪些要求？
A: 分布式数据库在高并发和需要弹性资源分配的场景下表现出色，如银行系统的国产化替代项目中，分布式架构的应用成为一种有效的解决方案。然而，分布式数据库相比于集中式数据库，在替代迁移过程中涉及更多的工程量，包括数据迁移、应用适配和开发改造，这要求客户具备较高的 IT 能力和专业知识，特别是在分库分表、微服务架构设计等方面。由于数据库厂商通常不了解具体的业务场景，他们难以提供定制化开发支持，因此客户需要自行承担这部分工作，这可能导致项目开发量增大，实施周期延长。
Q: 集中式数据库相较于分布式数据库，具有哪些优势和局限性？
A: 集中式数据库在上线速度、数据迁移和实施稳定性方面具有
明显优势。对于原本使用 Oracle 或 DB2 等成熟产品的客户，集中式数据库的迁移成本较低，摩擦更小，项目实施周期更短，对客户的经济压力也较小。然而，集中式数据库在面对高并发和大规模数据处理时，可能不如分布式数据库灵活高效，且在硬件性能瓶颈面前，缺乏分布式数据库那样的弹性扩展能力。
因此，集中式和分布式数据库各有千秋，选择哪种取决于具体的应用场景和客户需求。
Q: 集中式数据库与分布式数据库在数据一致性上有何差异？
A: 集中式数据库在数据一致性方面具有显著优势，它遵循 ACID（原子性、一致性、隔离性、持久性）原则，确保在多节点上运行的单一数据库实例能提供高度一致的数据状态。相比之下，分布式数据库为了实现数据在多个节点间的复制和分发，通常只能保证最终一致性，这意味着在短暂时间内，不同节点间的数据可能存在差异，直到所有节点同步至一致状态。
Q: 云部署与本地部署的数据库有何区别，哪种更受欢迎？
A: 云部署的数据库因其成本效益、易用性、高可用性及可扩展性而受到青睐，尤其是云数据库的弹性架构提供了更强的容灾能力。例如，系统可以同时在两个或多个节点上备份，实现类似“两地三中心”的高可用架构，这是金融等行业常用的安全冗余配置。尽管分布式数据库天然适应云环境，但集中式数据库同样可以通过云托管服务实现云部署，享受云环境的诸多好处。
Q: 事务型和分析型数据库场景的区别是什么？
A: 事务型数据库（TP）专注于处理高频率、低延迟的交易请求，如银行转账和股票交易，这类场景对响应速度和准确性要求极高，同时需要严格的数据一致性。分析型数据库（AP）则侧重于数据的批量处理和复杂查询，常用于客户行为分析、财务报表分析等场景，涉及大量历史数据的挖掘和实时数据的综合分析。虽然现实中很少有纯粹的 TP 或 AP 场景，但大多数应用会偏向其中之一，例如数据仓库就是为了解决 AP 场景下的海量数据分析需求。
Q: 为何集中式数据库在处理事务型场景中表现出色？
A: 集中式数据库在事务型场景下展现出极佳的性能，原因在于其对数据一致性的强大保障能力，以及在单节点或共享集群部署模式下提供的良好并发处理能力。由于事务型场景对速度和准确性有极高要求，集中投 研学 习工众号:有 道 调 研式数据库的这一特性使其成为银行 IT、证券 IT 等领域的首选解决方案。
这些领域的核心业务系统，如证券交易、银行转账、存款和贷款处理等，通常具备 TP 属性，因此客户更倾向于采用集中式数据库以获得最佳的业务体验和性价比。
Q: 集中式数据库为何在市场上占据主导地位？
A: 集中式数据库之所以成为市场主流，是因为各行各业的关键业务系统往往具有 TP 属性，即对交易速度和数据一致性有严格要求。这些系统通常是企业收入的核心来源，因此企业更愿意
在集中式数据库上投入资金，以确保关键业务流程的高效和可靠。这也解释了为何集中式数据库在国内市场拥有更大的份额和更高的市场容量。
Q: 集中式数据库和分布式数据库在数据一致性上的差异对业务决策有何影响？
A: 对于高度依赖数据一致性的业务，如金融交易，集中式数据库的 ACID 特性确保了交易的准确无误，降低了潜在的业务风险。而在需要横向扩展和高可用性的场景下，分布式数据库的最终一致性策略虽然牺牲了一定程度的数据一致性，但通过提高系统的可扩展性和容错性，更适合处理大规模并发请求和数据分发，对于互联网服务和大数据分析等场景尤为重要。业务决策时，选择合适的数据库类型需基于具体的应用场景和业务需求。
Q: 云部署相比本地部署，在数据库管理和运营方面带来了哪些变化？
A: 云部署不仅简化了数据库的物理基础设施管理，还提供了灵活的资源分配和自动化运维能力，使企业能够快速响应业务需求变化，减少前期投资，转而采取按需付费的模式。此外，云服务商提供的高可用性和灾难恢复服务，使得企业无需自行构建复杂的冗余系统，就能享受到强大的数据保护和恢复能力。
然而，本地部署仍然在某些需要高度定制化或对数据安全性有特殊要求的场景下占有一定市场。
Q: 在设计数据库架构时，事务型和分析型需求如何影响选择？
A: 设计数据库架构时，理解业务场景是关键。事务型需求强调即时响应和事务完整性，适合采用支持 ACID 特性的集中式数据库；而分析型需求则更看重数据处理能力和数据聚合效率，可能需要采用专门的分析型数据库或数据仓库解决方案。在实际应用中，混合使用 TP 和 AP 数据库，或者采用支持混合工作负载的数据库，可以更好地平衡业务需求和技术可行性，实现最优的数据管理和利用。
Q: 近年来，AP（分析处理）数据库需求增长的主要驱动力是什么？它们与 TP（事务处理）数据库在应用场景上有何区别？
A: 近年来，AP 数据库需求的快速增长主要由互联网相关场景的高并发需求推动，这些场景可以接受一定程度上的一致性牺牲，以换取更大的数据分析能力和实时数据处理能力。例如，银行的精准营销、风险控制、财务分析以及互联网流量分析等，都需要处理海量数据，投 研学 习工众号:有 道 调 研而分布式数据库和数据仓库因其可扩展性和高效率，在这类场景下展现出巨大优势。在全球市场上，像 Snowflake 这样的专业数据仓库提供商快速崛起，而在国内，类似新环等公司也正在迅速发展分布式数据库技术。
在应用场景上，AP 和 TP 数据库有着明显的区分。例如，电子商务中的订单处理倾向于使用 TP 数据库，因为它强调事务的一致性和准确性；而数据分析和风险管理等涉及大量数据标签和
历史数据的场景，则更偏向于 AP 数据库。在某些场景下，如电商平台的双 11 促销活动，高并发的下单操作适合使用分布式数据库来满足 AP 需求，但当商品数量有限，需要判断下单结果时，则需要 TP 数据库确保数据一致性和准确性。在库存充足的条件下，大多数交易下单场景的 AP 需求可以通过分布式数据库得到满足。
Q: 如何根据应用场景判断集中式和分布式数据库的适用性？混合事务分析处理（HTAP）数据库有何特点？
A: 在判断集中式和分布式数据库的适用性时，需要考虑应用场景的特点。例如，金融交易和电子商务的订单处理倾向于 TP 需求，而流量分析和风险管理等则更倾向于 AP 需求。理解这些差异有助于决定采用集中式还是分布式数据库，从而更好地支持业务需求。
HTAP 数据库，即混合事务分析处理数据库，是一种同时支持TP 和 AP 需求的新型数据库产品。尽管它们在性能上可能存在特定的优势和局限性，但这类数据库旨在提供更为综合的解决方案，兼顾事务处理的实时性和分析处理的灵活性。
Q: 金融行业在国内数据库市场中扮演着怎样的角色？政府行业对数据库的需求有哪些特点？
A: 金融行业是国内数据库需求的重要来源，占据了数据库市场的较大份额。由于金融行业对信息技术的高度依赖，其 IT 支出比例较高，信息化水平领先，因此对数据库的需求量自然较
大。金融行业重视数据的价值，通过数据分析挖掘潜在机会，进行风险控制和安全保障，这进一步推动了对数据库的需求。
政府行业，包括行政部门、职能部门（如海关、税务、财政）、医院和学校等，也是数据库需求的重要组成部分。这些机构拥有复杂的业务系统，需要大量数据库来支持日常运营和数据管理。尤其是海关、税务等部门，它们处理大量数据，对数据库的性能和安全性有严格要求，因此对数据库的需求同样旺盛。
Q: 金融行业在数据库消费量上处于何种地位？面临的主要挑战是什么？
A: 金融行业在数据库消费量上历来占据领先地位，当前海外头部数据库厂商仍占有较大市场份额，尤其是在银行核心系统领域，如 IBM DB2 和 Oracle 数据库被广泛采用，且通常与外国硬件相结合，运行在小型机或大型机上。该行业尚未全面实现国产化替代，原因在于金融行业对系统安全稳定性的极高要求。
Q: 在国产化替代进程中，金融行业为何倾向于分布式数据库？
A: 近年来，银行业积极推进上云战略，以应对新兴业务需求，尤其是移动互联网服务，如手机银行、大数据分析、AI 在营销、风控、流程优化及产品创新方面的应用。鉴于分布式数据库在处理高并发场景的优势，加之银行自身强大的 IT 能力，促使金融机构在国产化替代过程中倾向于采用分布式数据库解决方案，以适配其 IT 架构和业务需求。
Q: 金融行业在分布式数据库选择上有哪些倾向？
A: 目 前 ， 华 为 的 GaussDB 、 腾 讯 的 TDSQL 、 中 兴 通 讯 的GoldenDB 等分布式数据库在金融行业得到了应用，尤其是在四大行、招商银行等股份制银行中。阿里云的 OceanBase 作为纯自研数据库，以及 GaussDB 的高自研比例，受到了大银行的青睐，而 TDSQL 和 GoldenDB 则是基于 MySQL 开源项目进行二次开发的产品。
Q: 使用基于开源数据库的二次开发产品存在哪些潜在风险？
A: 使用基于 MySQL 开源项目的二次开发产品，如 TDSQL 和GoldenDB，面临着商业化的限制和开源协议约束，这可能要求厂商公开其修改后的源代码，限制了商业化盈利模式。因此，这些产品更多地以数据服务的形式提供给银行，存在一定的安全风险。
Q: 金融行业在分布式数据库的推广中遇到了哪些挑战？
A: 尽管分布式数据库在金融行业得到了重视，但完全替代核心业务系统中的集中式数据库的案例尚不多见。分布式数据库的定制化难度、对高性能硬件的需求以及国产硬件和数据库产品的成熟度限制了其在核心业务中的大规模应用。然而，随着国内硬件性能的提升和数据库产品能力的增强，分布式数据库在金融行业的发展前景看好。
Q: 运营商行业在数据库使用上有哪些特点？
A: 运营商行业具有较强的 IT 能力，其系统需求主要分为三类：
业务域（B 域）、运营域（O 域）和管理域（M 域）。业务域中，超过 60%的需求集中在核心业务系统，这部分依然以集中式数据库为主。在 O 域和 M 域，分析型数据库和分布式场景的需求相对较高，运营商倾向于采用云托管数据库和云原生数据库，以适应其云服务需求。
Q: 运营商行业在数据库国产化替代上的进展如何？
A: 运营商行业在国产化替代方面，虽然不如银行业那样倾向于分布式和云数据库，但在新项目中越来越多地尝试使用分布式数据库和非关系型数据库，如图数据库在电信反欺诈场景中的应用。尽管如此，集中关系型数据库仍是运营商市场国产化替代的主流选择，显示出对创新技术和数据库多样性的接受程度。
Q: 金融行业和运营商行业在数据库选择上的差异体现在哪里？
A: 金融行业由于对数据安全和一致性的极高要求，倾向于选择经过验证的集中式数据库，同时在新兴业务场景中探索分布式数据库的潜力。而运营商行业，鉴于其业务性质和 IT 能力，除了继续使用集中式数据库外，还积极探索分布式数据库、云数据库和非关系型数据库，以支持其云服务和大数据分析需求。
两者在数据库选择上均反映了各自行业特性和技术发展趋势。
Q: 政务领域在数据库选择上有什么特殊考量？为什么达梦数据在电子公文替代市场占据主导？
A: 政务领域的 IT 能力相对较弱，不具备像银行或运营商那样自
开发和微服务拆分的能力。为了最小化替换原有系统的摩擦成本，政务部门倾向于选择完全自主可控的数据库解决方案，以确保代码的 100%自研。这解释了为什么在前几年的电子公文替代市场中，达梦数据及人大金仓等国产数据库厂商占据了主要市场份额，其中达梦数据更是占据了 70%以上的替代市场。政务领域的行政电子公文平台及各职能部门，如财政预算一体化、社保、税务等业务系统，普遍采用了集中式数据库作为替代方案。
Q: 互联网行业对数据库的需求有何特点？阿里 OceanBase 为何在互联网行业广泛应用？
A: 互联网行业以高并发为显著特征，倾向于使用分布式数据库，尤其是自研的分布式数据库产品，如阿里的 OceanBase、PolarDB，以及腾讯的 TDSQL。OceanBase 作为一款完全自研的、自主可控的国产数据库，其在互联网行业的广泛应用主要归因于对分析型需求的支持能力。互联网企业原本使用 Oracle等传统数据库的场景较少，高并发需求促使它们转向分布式数据库，以满足大规模数据分析和处理的需要。
Q: 制造业在数据库应用上有哪些特点？时序数据库为何适合制造业？
A: 相较于其他行业，制造业在数据库应用上的渗透率较低，许多制造车间尚未充分利用数据价值。时序数据库在制造业中具有独特应用，尤其是在工业互联网和智能制造发展的背景下，
时序数据库有望获得较大的发展潜力。尽管传统场景中集中式和分布式数据库仍有广阔空间，但随着智能制造的推进，时序数据库等新兴数据库类型将逐渐崭露头角。
Q: 能源行业在数据库选择上有何倾向？电网的核心业务系统国产化进展如何？
A: 能源行业，尤其是电网，具备较强的支付能力和稳定的 IT 投入。电网的信创（信息技术创新）投入较为积极，生产调度、经营管理和营销业务系统是其三大核心系统。目前，生产调度和经营管理系统已基本实现国产化替代，涵盖从底层硬件到上层软件的全栈国产化。营销业务系统的替代难度相对较大，但仍处于积极推进中。在生产调度和经营管理系统中，达梦数据等国产集中式数据库占据了重要份额，能源行业正沿着产业链上下游加速国产化替代进程。
Q: 数据库行业在信创领域的发展趋势如何？哪些公司值得关注？
A: 数据库行业正处于良好的生命周期阶段，伴随着业务系统的国产化替代，集中式关系型数据库和分布式数据库的需求均在快速增长。集中式数据库依然占据主流位置，而分布式数据库在特定行业发挥重要作用。随着信创进入深水区，核心业务系统的去 O（去 Oracle）替代加速，数据库行业的景气度有望持续上升。达梦数据等公司展现出了优秀的竞争格局和稳健的经营状况，具有利润、估值和成长潜力，值得重点关注。此外，
太极人、人大金仓等厂商也展现出良好的业务机会。整体而言，数据库行业前景乐观，值得投资者持续关注。