大家好，我是韩锋，一个数据库领域资深从业者（好吧，我是个70后）。近些年来，主要从事数据库产品、架构等工作。本文我将以个人感受，谈谈在新时期下数据库架构优化工作的一些问题，供大家参考。

下面的分享，我将从外部环境对数据库架构的影响、当前架构中若干热门的技术问题、之前的架构实践经历，以及个人如何成长等方面谈谈我的感受。

新时期数据库架构优化 - 环境篇

首先谈下外部因素对架构工作的影响。有些同学可能会感到疑惑，架构问题不是技术问题嘛，为什么还要考虑外部因素？这里是有个误区的，架构的本质是为了解决企业的业务问题，针对某一问题可能有很多种解法，选择最为合适的（而非最优的）是考验一个架构师的核心能力。

正如上图中，右下角的描述“脱离企业环境的架构，都是耍流氓”。那么影响架构的外部因素有哪些呢？

单位属性：包括企业、事业、军工等。不同单位属性，对架构诉求点是有差异的，粗浅的理解企业单位是追求利益最大化的、事业单位更多会从公共视角考虑问题、而军工则会从国防安全角度思考；
行业属性：包括互联网、金融、制造业、能源、交通等等。不同行业属性，同样存在差异。例如互联网企业往往比较激进，容易考虑一些自研、开源产品；金融企业则相对稳健，多从稳定安全角度考虑等；
用户属性：可简单划分为C端、B端、G端，对应个人用户、企业用户、政府用户。个人用户需求，对架构灵活度、可扩展能力往往有较高要求；而企业客户则更为强调稳定服务、生态兼容等因素；政府客户则对数据安全、高可用方面有着更高的要求；
发展阶段：企业处于不同发展阶段，对架构的要求也不同。初创期的企业，往往看重架构快速构建能力，满足业务发展初期的多变性和时间性；快速增长期的企业，则看重架构扩展能力和演进发展能力；稳定期的企业，看重架构的稳定服务能力和TCO；而衰退期，看重架构的TCO和可裁剪性；
大环境：外部大环境，对整体经济面影响，也会影响到企业对于架构的选择。当经济下行的时候，更多的企业会考虑架构稳定和TCO，而非创新；
新增长点：在某新兴领域的增长点，对于架构往往会带来特殊的要求。这也是业务特点所导致的，需要有个技术逐步摸索的过程。例如物联网、直播、电商等都如此。会有非常鲜明的带有特殊背景的技术诉求。

1、内外部需求

下面将以一个较为传统的企业客户视角，看看其内外部的需求是什么？这些因素都将对后续的架构设计，带来很大的影响。

1）外在需求

对于外在需求部分，可分为如下几个方面（有优先级顺序）：

服务：在数据库架构上，传统企业通常使用大型商业数据库多年，已经习惯于“交钥匙”的模式。非常看重其完备的服务能力，使得企业可以安心于业务。使每年付出昂贵的服务费，但企业仍然可以接受；
生态：在过去二三十年，国外大型商业数据库在中国取得不错的成绩，这不仅其自身功能很强大，其周边生态也颇为完善。这里不仅包括上下游的配套软件、工具，还包括成熟的架构、设计、开发、运维、测试全栈技术以及积累多年基数很大的技术人才基础；
安可：作为国家的政策要求，对于某些行业自主可控是必须要考虑的。这一点，无疑对国产厂商有很大的优势。但需要注意的是，对于开源软件的使用，企业也要注意评估风险。一方面是可能存在的法律风险（毕竟开源协议比较繁杂）；另一方面是技术风险，对开源代码的理解掌握也是需要企业很大投入的；
性价比：作为商业行为，价格因素也是企业重点考虑的。这里需要关注两点：一是价格本身不仅包括一次性采购，还要计算长期服务的问题；二是对于云服务，可能短期较少，但需要关注其长期费用。

2）内在需求

对于内在需求部分，可分为如下几个方面（有优先级顺序）：

可靠性：数据安全，是数据库的底线。保证数据准确、不丢失，是很多企业第一位去考虑的因素；
可用性：持续可服务，SLA指标在一个较高的水平，也是企业的考察重点。特别是对于核心业务而言；
功能：在功能上，应做到尽量完备。特别是对于已经习惯于大型商业数据库的用户。诸如视图、存储过程、支持复杂SQL等很多备受互联网摒弃的需求，对传统企业而言仍然是必选项。要全部适配改造，其代价往往是无法承担的。此外，对于一些新型功能，如多模、混合负载等，也是功能上的加分项；
扩展性：数据库产品，应具备较为完善的计算、存储的扩展能力，来应对企业可能遇到的业务发展或转型。如果在扩展性上有显式的瓶颈，也应提前告知用户。在整个扩展过程中，应做到尽量顺滑、风险可控；
易用性：尽量降低用户的使用门槛，一个窍门是向大厂靠近，符合大多数人的传统习惯。这一点是很多国产厂商，需要重点加强的。

2、考量因素

企业、部门、团队的情况，也会对架构选择有所影响。

1）公司因素

如之前环境篇开篇谈到的问题，公司所处行业、性质及发展阶段对架构选择存在不同影响，这里就不赘述了。

2）部门因素

部门定位：部门定位如何？是否与公司业务强相关？是否有足够的架构主导权？这些都会影响架构选择；
管理者：不同管理者，对架构的选型、落地起着重要作用。毕竟架构的变更，需要花费大量资源，且存在一定技术风险。管理者的态度、做事方式、技术敏感度、所领导团队的执行力等，都会直接或间接影响架构的落地。很难想象一个抱残守缺的管理者，会支持推广一个激进的技术革新；
考核方式：架构调整，意味着变化，可能有收益？可能有风险？这些对个人来说，会直接影响到其考核情况。一个相对宽松、容忍试错的环境，对于架构变更是更为合适的。

3）团队因素

发展阶段：一个稳定的，受到公司认可的团队，对于架构的落地很重要。否则，采取小步迭代、先边缘后核心的策略，将更为合适；
团队氛围：团队的情况，包括配置、资源、氛围等，对架构也很重要；
个人角色：个人在团队中的角色，能发挥出多大作用？如何从边缘角色中逐步脱颖而出，是值得考虑的。

新时期数据库架构优化 - 技术篇

下面的技术篇中，我将谈到企业使用数据库的方式及对当前一些技术选择的个人观点。

1、使用数据库的N种姿势

1）商业数据库 + 商业服务

这是较为传统的一种方式。企业购买大型商业数据库软件，并对应购买服务支持工作。在过去三、四十年里，这是主流方式。可以说也很好地满足了各类企业的快速发展。只是随着近二十年来，互联网化的变革，对此种方式产生了不小的冲击。

这种方式适合传统企业，对数据库要求较高，自有技术能力有限，未来发展相对固定的情况。未来发展随着商业数据库的发展而变化，从总体来看，未来云化的需求对其冲击较大。此外，在国产化、自主可控化等要求下，也会对这个模式影响较大。

风险分析：

技术风险：技术封闭、不开放；不符合自主可控要求。
政治风险：如是外商产品，还易受到政治环境的影响。
财务风险：容易受到厂商绑架，经济投入上不太可控。
人员风险：受厂商技术人员技术能力水平影响很大，自有人员无法承担，长期得不到成长。
功能风险：成熟商业产品，很难定制化满足客户个性需求；且存在与其他组件集成风险。
转型风险：采用某商业产品后，想转型其他产品较为困难。

2）商业数据库 + 自主服务

这一方式也较为常见。在前一方式中，随着企业使用商业软件的深入，自有服务需求就变得迫切起来。通过建立自有服务体系，可以更好地满足企业自身需求。这种方式，适合有一定技术积累的传统企业。未来发展随着商业数据库的发展而变化，总体相对稳定。

风险分析：

在风险方面，与前者类似。其中技术风险上，自有人员对商业产品的把控，较原厂还是有所差距。当然对应人员风险就降低，通过自有人员对产品把控力更大。

3）开源数据库 + 商业服务

随着开源数据库的日益成熟，越来越多的企业开始使用开源数据库。但相较于商业数据库，开源方案对企业自有技术能力要求较高。因此，很多考虑搭上开源浪潮的企业，采用这种方式。适用于转型中的企业，从商业走向开源，这种方式可以在一定程度上规避风险。但一般为过渡阶段，长期来看还是要培养企业自有的服务能力。

风险分析：

技术风险：开源数据库自身技术风险、企业技术选型风险及商业服务能力风险。
人员风险：受厂商技术人员技术能力水平影响很大，需要认真评估。
功能风险：一般而言，开源数据库在功能上相较于商业数据库，还是有所欠缺。因此这部分要仔细评估。

4）开源数据库 + 自主服务

这是典型的“互联网”玩法，也是较为常见的一种方式。适用于规模较大，企业定制化要求较高的场景。发展成熟可考虑向企业内部私有云或数据库产品、方案方向发展，甚至对外赋能。

风险分析：

风险分析与上者类似，突出人员风险，需长期培养投入。

5）开源定制数据库 + 商业服务

这是方案3的一种特殊情况。企业不是使用原生开源产品，而是使用第三方公司定制开源方案，可能是纯软件，也可能是软硬一体式。这类方式，会针对开源软件的不足，做定制化改进，满足企业级软件的需求。但这种方式一般企业无法自己独立运维，需要借助第三方公司的商业支持。对数据库的企业级特性有较高要求，但原生开源数据库又无法满足的情况。对于短期内有去除商业数据库的需求场景，非常适合。随着国内对开源数据库使用水平不断深入，有越来越多的此类初创型企业出现。非常看好这种模式的未来发展。

风险分析：

技术风险：定制化部分不开放，企业不可把控；此外，原生开源的版本变化，可能短期无法适用到方案中。
人员风险：受厂商技术人员技术能力水平影响很大，需要认真评估。
转型风险：受限于方案，存在一定转型的风险。

6）私有云 + 云化服务

企业私有化部署方案，是一种云化折中方案。受限于一些特殊国情，有些企业无法直接使用公有云，但又急需类似公有云的平台能力。因此，某些云厂商或数据库厂商提供了一种私有云化部署方案，可简单理解为将云搬回家。

过去有种说法，说私有云会逐步萎缩，公有云会一统天下。但从近两年的国内云市场发展来看，私有云的发展速度某些指标甚至超过公有云。当我们现在大谈“toB”市场成为下一个蓝海时，这种模式也是toB服务市场的一个重要组成部分。这种方式，适合于大型企业，长期看好。

风险分析：

其风险点除了在财力方面，更多是考虑在对厂商的技术依赖性。相较于传统方案，这种方式的依赖性甚至更高。厂商一般提供很好的私有云，及对应其自有公有云的打通方案；但对其他公有云或企业自有平台，则较难打通。

7）裸云 + 开源数据库 + 自主服务

这是一种上云使用的初级阶段，企业仅使用云的IaaS部分，其余均自建。这种方式可充分利用公有云带来的弹性优势，将企业原有的技术积累延续到云端。对于企业来说，这种方式也是最为“平滑”的，甚至应用可以不做更多感知，仍然像使用企业内部IT资源一样，使用公有云资源。很适合于有多云、跨云需求的场合。但缺点是无法利用云厂商技术能力带来的附加值。

风险分析：

风险不大，仅仅是依赖公有云底层，很容易迁移到其他云厂商或迁回自有。

8）裸云 + 商业数据库 + 第三方服务/自主服务

这是一种较为特殊的情况。企业选择将商业数据库，构建在公有云上。但其没有选择云厂商提供的，而是自主构建或选择第三方厂商协助完成。这往往是一些中小型的企业，其规模不足以支持私有化部署，而应用又依赖于商业数据库产品。企业想要充分利用云的弹性，因此组合出这种使用方式。

风险分析：

风险在于，某些商业数据库针对云场景的不予支持，企业有一定技术风险。要么有比较强大的自主技术能力，要么依赖于第三方服务厂商。

9）云数据库（开源） + 云平台服务

这是云厂商推出的最为“传统”的数据库服务，也是目前最多的一种选择。云厂商基于开源的数据库版本+自有的平台服务，构建其数据库产品。其核心的数据库与开源的版本，是完全一致的，各家比拼的更多是平台服务能力。这种方式对于企业的运维要求很低，基本可以依赖于云厂商提供的能力（除了个别高可用、容灾需求外）。这一方案比较适合于初期上云企业，可逐步摸索云与原有方式的区别。

风险分析：

数据库自身风险不大，毕竟其使用的与开源同一版本，技术上可迁移至其他云厂商。当数据库版本升级后，也可以享受到对应的技术红利。但对平台服务，是存在一定依赖的，各家能力不同，需要有适应过程。此外，运维依赖云厂商，也存在一定技术风险。自主的技术能力，会逐步丧失。

10）云数据库（开源定制） + 云平台服务

云厂商除了提供与开源一致版本外，一般还提供私有定制版本。它往往是基于某开源数据库某一版本的深度定制，针对某些特性做了加强。当然有些以反馈社区的方式，回馈给开源（可能未来会merge入新版），但很多仅存在“云私有DB”。如企业有针对某一特殊场景（如秒杀）或其他方面（如金融级数据同步）的强需求，可考虑使用此方案。当然使用也意味着与云厂商深度绑定。此外，在平台服务方面，与上面情况类似。这种方案比较适合于对数据库有一定要求，而原生开源版本又不支持的情况。

风险分析：

风险在于绑定单一厂商，一般很难下来。这与使用大型商业数据库的情况类似。当然可以在应用端做个设计，尽量减少对特性的依赖。此外，因为是定制版本，未来开源版本的升级可能不会短时间内支持，甚至可能不会考虑支持，完全走向独立分支的道路。针对这点，企业也是需要关注的。

11）云原生数据库（自研） + 云平台服务

某些大的云厂商，除了上述两种外，可通过自研数据库方式，增加未来的产品竞争力。从最新的Gatner报告来看，更多的云厂商加入进来，这也给数据库整体市场带来了活力。从预测来看，均一致看好云原生数据库的未来发展。相较于前两种方式，这类数据库更是诞生于云，从设计之初就更多考虑了云化环境特点，因此极具竞争力。

当然，从目前来看，现有云原生还处于“初级”阶段，未来在解决了更大规模扩展性、多读多写能力等后，其将真正进入井喷式发展。现有各大厂，在这一领域纷纷重点布局，加大投入。对企业而言，无疑又多了一种选择，特别是某些场景（如海量数据等），原生开源、扩展开源产品均无法满足。

风险分析：

风险类似上面，甚至有过之。企业应用将完全依赖于厂商产品。尽管很多是宣传兼容开源或商业数据库，但毕竟不是同一产品。这点还需要企业仔细评估。此外，针对兼容性、备份恢复、高可用、数据同步、跨云容灾等，都是值得投入研究的。

12）云数据库（自研） + 云服务 + 云托管平台

这是一类小众的方案，其背景是缘起于数据库厂商与云厂商的蛋糕划分问题。有些数据库厂商（如MongoDB）不希望将云数据库市场由云厂商主导，而是希望可由自身主导，构建不依赖于云厂商的独立生态。目前这种方式国内见得不多。

2、使用开源的利与弊

受到众多互联网公司的影响，很多传统企业对于开源方案也是跃跃欲试。但在选择之前，也要看到，开源方案并不是免费的“蛋糕”。让我们来看看，开源方案的利与弊。

1）“利”的方面

成本价格：这往往是企业最先看到的一点。开源软件，可节省大量的商业采购费用。当然，我们这里要算一笔综合的经济账：价格=采购成本+维护成本+人员成本+时间成本+机会成本；
简单、灵活：相较于商业产品，开源产品往往比较简单、配置灵活、不依赖于特有硬件等。在满足企业的技术要求下，这些确实是开源的优势；
可定制：开源的一大特点，就是源码公开，企业可以根据自身特点进行有针对性的改造。对于企业的某些特殊要求，确实只能通过定制化才能完成；
人才+技术：随着近些年来对开源软件的使用，开源的人才已相对较多，企业可以较为容易地招聘到人才。且企业大规模使用开源，也可逐步提升企业自主技术水平，有利于企业的长期发展。

2）“弊”的方面

服务：服务，特别是规模化后的服务。开源方案，一般重点着力于核心功能，其周边功能往往比较薄弱，这对于后期服务很不利。通常企业是依靠自身的人员完成服务。这通常需要一定的投入，且整体服务质量较成熟的商业产品仍有较大差距。这一问题，可通过“开源软件+商业服务”的模式，或者通过云服务来提升整体服务水平；
产品责任：这就是所谓的“兜底”问题。国内的企业，往往已经习惯于有外部厂商帮助其兜底，尽量规避自身风险。使用开源，难以找到指定的责任方，兜底更无从谈起。虽然可依靠某些第三方服务商，但其对开源的掌控能力需要评估；
运维复杂度：成熟商业产品，通常经过完备的设计开发、丰富的周边生态、系统的文档化及多年的锤炼积累，其运维复杂度较低，可快速搭建起完善的运维体系。但对于开源而言，需要从头来做，自己独立完成整个过程；
技术演进路线：开源技术的发展，通常没有固定的主导方。企业很难把控，开源软件未来的发展方向。某些企业急需的特性或bug fix，也很难得到及时的响应。企业整体是缺乏把控力的；
性能：开源软件，在一般简单场景下，其性能不差，甚至好于很多商业产品。但从整体综合性能来看，特别是在复杂场景下，其性能往往表现不佳。因此，针对开源方案，往往强调前期架构设计很重要，发挥其强点、规避弱点。但这对于传统企业尤为困难，企业有很多沉重的历史包袱，很难短时间内完全重构。即使决定重构，也需要逐步摸索，小步迭代；
用户体验：开源软件的第一诉求，是功能的实现，其针对用户体验往往考虑不多。使用惯商业产品的用户，需要一个“由奢入俭”的适应过程；
企业级特性：企业用户，对数据库的使用是有其专有特性，例如：安全审核、数据加密等等。这类功能对于企业很重要，但对其他类用户相对意义不大。很多开源软件，不会在这些上大做功夫。

3、云与传统数据库的差异

1）云DB与传统DB的差异

① 核心功能

对于托管类数据库产品而言，其核心功能还是要跟官方产品走。当然，各个大厂都有着自己多年丰富的实践经验，并具备一定的内核研发能力。于是，往往针对原生产品做一些定制化的改造，进而提供与原生产品差异化的能力。改造方向上，往往倾向于下面几类：

性能：深度优化后的产品，往往较原生性能有较大的提升。这也变相为用户提高了综合性价比；
功能：针对原生产品功能不足，增强其功能。特别是对于有些企业级功能，更为需要优先满足。这也成为很多线下客户，选择云数据库产品的重要考量因素；
业务：有些大厂根据自己在某业务领域的积累，有针对性地增加了特定场景下的数据库端解决方案。这对于同行业客户来说，非常具有吸引力。

针对上述定制化后产品，有时就成为某种“银弹”，对于企业客户很具吸引力；但事情也具有两面性，对于这些特殊之处的依赖，也会导致客户对产品的依赖。这也是某些客户犹豫之处。在我看来，这个问题的要点在于企业处于的发展阶段。不同阶段的企业，核心诉求不同，在此处的考虑角度也会不同。

② 外围功能

除了核心功能外，还有些非数据库核心能力，但对于企业使用必不可少的功能。例如：监控、备份恢复、优化、容灾等等。如果没有云的话，这些能力往往是需要企业花费精力去自建的。哪怕企业数据库规模不大、使用复杂度不高，使用开源数据库也能满足需求，但上述需求还是要满足的。于是，前两年平台很火，很多企业都自建了自己的内部运维平台，构建上述能力。当然这种方式有利有弊。利之处在于，企业可以根据自身需求度身定制，满足个性化需求；弊之处在于，构建能力及花费资源长期维护。

③ 云功能

如果说，上述功能企业还是可以较容易具备的，那么云功能则相对门槛有些高了。这里所说的“云功能”，是指例如弹性扩缩容等类。这类能力，往往需要依托于强大的底座能力，是需要较大的研发投入和长期积累才能具备。在某些特定的场合下，这一能力对企业很具吸引力，例如业务形态、幅度变化很大的企业客户。

④ 生态功能

企业选择上云，往往不是仅依靠一两款产品，而更多是看中云端生态功能。对于企业来讲，如何通过云端打通技术瓶颈，快速具备业务能力成为核心。例如从数据埋点、数据捕捉、数据存储、数据计算到分析展示，如果全流程都可以在云端无缝集成，对于企业来说，是很具有吸引力的。

2）如何看待云上成本

① 人力成本

无疑，这是云数据库颇具优势的方案。企业如果想通过自建方式解决类似问题，没有高素质的人才是不行的。然而，一方面此类人才稀缺且价格不菲；另一方面即使已有人才，也要面临如何留住等问题。毕竟对于大多数企业来说，专业技术人员更多是辅助性岗位，对高级专业人员来说也面临长期发展等问题。而云数据库方案，则不存在此问题，你大可以在很短时间内享受到大厂的“脑力”资源，而且不必担心出现断档等问题。

② 财力成本

针对这点，是需要企业充分衡量的。如果通过自建方式，是初期投入大，中长期投入较少，存在一个明显的波动性。如果通过外购云服务方式，则相对较为平均。两者的财力分配方式不同。当然，云有一个明显的优势，就是弹性。企业可根据自身情况，灵活选择，随时调整。

③ 时间成本

这是企业往往容易忽略的问题，时间投入也是一种成本。当你的企业快速发展，需要短时间具备某种能力；当你面临新业务上线，而后台IT就迟迟跟不上节奏。隐形的时间成本，有时对企业颇为重要；对稍纵即逝的业务机会来说，稳健、敏捷的IT支撑能力很重要。

④ 风险成本

很多企业是需要一个“兜底”的服务，即尽量降低企业的IT风险，保证企业的正常运营。自建的方式可以解决，但需要构建起整套的能力，投入不小；也可以通过购买外部服务的方式，这种就需要考察对方的技术实力、并解决互相扯皮等问题。云厂商，则不存在此问题，基本可做到风险可控。

4、如何看待国产化

1）产品技术成熟

作为三大核心基础软件之一，数据库在整个IT技术中占据重要的位置。随着近些年来中国经济的快速发展，特别是庞大的人口基数带来的红利效应，互联网技术在中国蓬勃发展。甚至在某些技术场景下，相较于国外有着更高的要求。这也促进国内企业在IT基础技术（包括数据库）上取得了长足的进步。国内企业对数据库的使用大致走过了“商业->开源->开源+定制->自研”逐步演进的道路。近些年来，随着技术、资本、人才的积累，国内的数据库领域取得很大的突破。

从数据库技术本身而言，随着分布式、云原生、软硬一体化、人工智能等技术的出现，为自研数据库代替大型传统商业数据库，实现弯道超车提供了可能。同时这些技术的出现，也解决了很多传统数据库固有的问题，突破了旧有架构的缺陷，更好地满足客户对海量、弹性、安全、性能等方面的要求。没有传统数据库厂商的历史包袱，新兴厂商站在更高的起点上，实现对传统厂商的超越。

2）经验积累丰富

虽然有些企业在去除大型商业数据库实践上，已经有十余年的时间；但大多数都是限于企业内部。受限于其内部场景，很多实践经验是很难复用到外部企业。且也没有一个完整、成熟的商业化产品提供此类服务。但是近些年来，已可以明显看到一些变化，以云厂商为代表，正在将企业内部多年的经验积累以产品的化的方式输出，帮助广大客户完成这一过程。

针对这样一个基础软件的替换，我们需要清醒地认识到，不是简单的“苹果换成桔子”的过程。这需要从架构设计、程序开发、运维安全等多个角度去看待。之前很多企业在抛弃传统商业数据库上举步维艰，正是因为缺乏必要的经验指导，无法将好的技术快速落地并稳定运行。在这里需要重点强调的是，很多企业认为选择一个功能非常强大的数据库，就可以帮着自己摆脱传统商业数据库。其实，这是一个大大的误区。功能强大的产品，不一定是适合你，要想完成这一过程，云数据库厂商的实施经验不可或缺。只有“好的产品+丰富经验+良好服务”，才能最终达成这一目标。

3）服务方式提升

企业（特别是传统企业）在数据库使用上，按需求的优先级排序，可分为服务、生态、自主、成本等多个因素。这里最被企业看中的，正是“服务”一环。很多企业使用大型商业数据库多年，已经习惯于传统数据库厂商的“交钥匙”工程，非常看重其完备的服务能力，使得企业可以安心于业务。即使每年付出昂贵的服务费，企业仍然可以接受。这点也是国内厂商的短板，要在短时间内建立其等同于国外数十年积累的企业服务能力，不是一朝一夕的功夫。这是需要国内厂商静下心来，苦练内功，加大投入。经过几年来的积累，国内的云厂商已具备了较为成熟交付服务提醒，形成了规范化的服务能力。

4）成本收益驱动

传统大型商业数据库，颇令人诟病的一点就是“贵”。究其根本原因，一方面是其商业策略有关，此外也有人力成本、服务方式等因素有关。此外，还有很容易忽略的一点，就是旧有架构的问题。随着新架构的演进、技术的突破，特别是“数据库+云”的结合，为客户提供更灵活、更具性价比的数据库方案成为可能。

5）业务模式创新

随着数字经济的到来，各类企业都在做着数字化转型，新的业态也不断涌现。这对于支撑企业数字化转型的重要基础设施—数据库，提出了更高的要求。如何满足快速多变的业务模式创新？如何满足快速发展的业务规模需求？等等诸如此类的问题，都是数据库产品需要考虑的。国产数据库正是站在这一高点，从国内情况出发，有针对性地推出很多功能，满足这种创新。

新时期数据库架构优化 - 实践篇

下面以笔者之前在某公司的实践过程，谈谈对架构实践的理解。这里将从需求、资源、路径、成长角度来谈。

1、痛点与需求

第一步，就是现状分析。俗话说，磨刀不误砍柴工，只有对现状充分的了解，找出核心痛点，才能有助于问题的解决。无论是从架构调整还是其他工作都是如此，只有解决痛点才是对公司有价值的。

2、路径与演进

第二步，就是路径演进。很多架构工作或其他技术工作，都不是一蹴而就的，而是有个逐步演进的过程。正如上面提到的，在之前公司的数据库开发设计规范的落地，也是走过了文档化->技术宣讲->自研平台的过程。

3、资源与成长

团队的情况也很重要。只有统一思想、明确方向，才能有助于最终落地起效。

新时期数据库架构优化 - 个人成长篇

最后，我们谈谈对架构师作为个人成长方向的一些问题。相信很多做技术的同学都存在上述的问题：做技术还是做管理？年龄因素怎么看？技术革新太快，如何破？等等。

1、数据应用层次

首先我们从企业内部数据应用层次来看，从最为原始的满足事务型处理需求，DBA更多是充当救火队员的角色；到逐步规模化、体系化，DBA通过平台处理运维工作甚至可做到预防性运维；再到运维工作已不是主要矛盾，企业开始关注数据库设计、开发质量问题，DBA需要更多考虑架构侧问题；最终到脱离具体变相的库的形态，而从更为维的数据层面考虑企业内的数据架构问题。

企业内部对数据的应用层次的演进，其实也是DBA从运维、平台、设计、优化、架构的演进过程。可以说，伴随者企业发展，数据一线从业者都会慢慢具备一定的架构类职能。这也是技术人，比较理想的一个发展路线。

2、DBA所受冲击

从一段时间来看，DBA职业正受到很大的冲击，这里包括：

去IOE所代表的去商业数据库冲击，仅仅掌握一两门商业数据库技能已经不足以支撑你的职业发展；
开源与商业的选择，决定了越来越多的开源方案受到重视，DBA的技能不在满足于对商业产品的诉求，而是要考虑开源及随之带来的研发类的技能要求；
管理方式的变化，从之前的手工命令方式、到脚本进而到工具乃至平台。管理方式的变化，也意味着对DBA技能的不断提高；
云，作为未来发展趋势，已成为共识。在云化环境下，对DBA的能力要求又有了新的变化，很多之前的技能将变得不在重要，急需要人员掌握新的技能。

3、选择技术or管理

这是个老生常谈的问题，做技术还是做管理？我的观点是，选择哪条路径，取决于个人特质，不同的思维方式适合做不同的工作。不要勉强自己做不适合的职业选择。

4、阶段性

技术的路能走多长？这是很多人的疑问。难道每个人都能发展成为CTO吗？显然这是不现实的。无论是技术路线还是管理路线，其发展都是有阶段性的。对于迈入到更高的台阶，都存在一定比例的选择率。大部分人，是无法上升到更高的阶段，要理性地看待这一问题。并在达到自己阶段瓶颈后，找出后续的发展路线。说句时髦的话，就是所谓第二成长曲线。

5、突破点

承接上面，每个人发展都是存在一个阶段性上限。当达到这一阶段时，你会发现很难突破自己，此时可以考虑所谓T字性人才发展策略，即横向发展。但这里需要注意的是，一定是在某一领域内接近自己所能达到上限，因为这会决定你的“视野”问题。在横向发展的选择上，可以有很多。例如右面列出的技术上的其他领域、业务方向的沉淀或者参与人的工作（管理）之中。

Q & A

Q1：如何看待列式数据库的前景以及其在互联网企业中应用场景？

A：列式数据库，主要是说数据存储方式采用列存方式。现在很多数据库都支持行、列混存的模式。其面对数据分析类场景时，列式存储天然有其优势。企业中的分析场景，可以考虑使用列式存储。

Q2：开源数据库的安全隐患大吗？安全性是否需要重点考虑？

A：开源数据库的安全问题，不能一概而论。只是一般意义上，开源产品在某些企业特性上较商业产品还是有所欠缺，安全性是其中之一。当然，随着很多开源产品在企业中的到日益广泛的应用，安全性问题也得到很多开源的重视，不断补齐、增强这方面的能力。

Q3：如何选择国产数据库？

A：随着近些年来国产数据库的蓬勃发展，无论从产品数量、成熟度还是使用广泛程度，都取得了长足的进步。在企业考虑选择使用国产数据库时，个人建议优先考虑功能、服务、生态、性能的因素（有优先级顺序）。

Q4：如何看待国产数据库，特别是分布式国产数据库的前景？

A：无论从内外部环境，还是IT本身发展规律，都很看好国产数据库的发展。这也是我们必要需要经历的一个过程。比较欣喜的看到，近些年来国产数据库发展很快，并逐步获得很多关注。相信在不久的未来，必将得到更大的发展和普及。

分布式数据库，是一个发展方向，其在解决容量、性能等核心问题上，有着天然的优势。随着学术上的成熟，在工程领域已经很多产品出现，并取得不错的成绩。

Q5：分库分表清除历史数据有什么需要注意的点？

A：分库分表架构下，对于清理数据会带来一定的复杂度。核心点在于有统一的清除标识，方便进行清理工作。

Q6：请问CK数据库怎么解决并发支持不高的情况？

A：对CK了解不多，谈写粗浅认识。对于分析型数据库而言，并发问题是个老大难问题。其核心问题是在于资源瓶颈。场景的解决方式：1.通过扩展资源，提高吞吐能力，变相提升并发支持能力；2.通过资源隔离方式，满足部分高并发场景需求；3.通过拆分方式，分流并发需求等。

Q7：类似于TiDB这种整合的数据架构解决方案，前景您怎么看？

A：非常看好类似TiDB的整合方案。整合方案的核心点在于，数据集中存储、统一接口、统一管理，这对于用户是很有吸引力的。解决了用户对于管理、运维、人力、开发、成本等多方面的问题。当然，还是有小部分场景无法通过整合架构解决，但对于大多数客户、大多数场景，整合架构还是适用的。

Q8：对于数据库技能的积累上，是如何储备的呢？SQL、NoSQL、NewSQL是否都有必涉足？

A：存储哪些技能，核心还是取决于现实需求。这里不仅包括数据库技能，也包括其他技能是同样的道理。技术发展演进是很快的，需要人员具备快速学习的基本能力。只有适应这种变化，才能更好地适应未来发展。

Q9：请评估一下阿里的AnalyticDB这种实时分析型数据库，并且还能支持高并发？

A： AnalyticDB是阿里云自研的云原生数据仓库。在其初始设计中，就考虑了高并发的需求。在其前端接入节点部分，是支持扩展能力，可提供近似线性的扩展能力支持。

Q10：数据库架构师的方向可以突破35岁的限制吗？

A：架构方向，是技术人发展的一个方向。对于人员的知识结构、经验积累等，均有较高的要求。在年龄方面，限制度较其他岗位（如研发）要宽泛很多。我本人经历，也是在35+，才开始转型到架构方向。

作者介绍：

韩锋，阿里云高级产品专家

dbaplus社群联合发起人，CCIA（中国计算机协会）常务理事；
Oracle ACE，具有丰富的一线数据库架构、设计、开发经验，著有《SQL优化最佳实践》《数据库高效优化》等书籍。

原文链接：

数据库架构优化的12种组合方式与风险解读

创作场景

数据库架构优化的 12 种组合方式与风险解读