1.数据库发展简史

• 70年代：EF codd 提出关系型数据库模型；

• 80年代：关系型数据库逐步完成工程与产品实现（商业数据库oracle、db2、sybase、sqlserver）；

• 90年代：开源数据库萌芽（mysql、postgresql）；

• 2000年左右：IT与通信两门技术碰撞开启互联网时代，数据量上升，丰富了开源数据库生态；

• 2006年：google三驾马车（GFS、Bigtable、Mapreduce）开启大数据时代，涌现了Hadoop、redis、mongodb等NoSQL大数据生态；

• 2010：IT与通信两门技术第二次碰撞，4G开启移动互联网时代，产生业务和场景创新，有如下特点：
  数据技术栈与方向百花齐放；
  NewSQL（继承了分布式技术与关系模型）开始涌现，如Spanner、TiDB；
  云计算与数据库、大数据发生了融合，云原生数据库出现，带来更高效的服务交付和商业模式，各种DBaaS(Database-as-a-Service)产品涌现；

• 2020：由于技术栈太大而增加使用成本和技术栈成本，从用户需求角度将在线事务处理和分析融合的HTAP成为了强需求。

2.数据库发展的内在驱动

驱动力主要有3点：

• 2.1业务发展
  主要在于数据容量：数据存储量、吞吐量（qps、tps）

• 2.2场景创新
  主要在于数据模型与交互效率、数据多样性：（查询语言、计算模型、数据模型、读写延时要求）

• 2.3 硬件与云计算发展
  硬件与云计算：读写分离、一体机、云原生等

3.数据库架构演进

在几百GB时代，单节点本地磁盘是最高效的数据架构。
数据量增加可以通过scale up（纵向扩展：增加和升级硬件）来应对，也催生了网络共享存储（share disk）。

当数据量增长远超scale up的能力时，只能通过分布式的share nothing架构应对，即scale out（横向扩展）。

2000年后，特别是伴随看互联网的发展，结构化的存储方式慢慢显得力不从心，比如Key-value、文本、图、时序数据或者，地理信息等非结构化数据的需求变得突出起来。
于是就衍生出了NoSQL（Not OnlySQL）数据库。

4.NewSQL的由来

大部分NoSQL不支持事务，无法满足OLTP业务，而OLTP仍然是主流业务。
因此既满足NoSQL业务扩展又满足OLTP事务，催生了NewSQL发展。

5.数据技术展望-融合还是细分

场景创新催生了数据库技术栈与产品多样性，但也导致了数据副本的无序扩大，同一个数据可能存在于不同链条的不同产品中，增加了成本（技术栈成本、业务迭代成本、人力成本、交付与运维成本）。

• 从交互效率看，需要越来越多的细分、垂直的技术栈与产品
• 从数据使用角度看，需要足够的数据易用性、可维护性、统一性

二者的矛盾成为了痛点，也是未来的课题。
可能数据细分和数据服务的融合是趋势。

数据技术站方向或数据产品的本质是：
应对不同业务场景、结合相对固定基础技术（数据模型、数据结构、存储算法、各种算子、硬件构建了基础数据要素），进行各种数据技术与架构的trade off（选择与平衡）。这在数据架构里无处不在。