国产数据库的机遇与挑战

国产数据库的机遇与挑战

就在本月，乌克兰副总理兼数字化转型部长MykhailoFedorov在推特上晒出了

发给Oracle和SAP的两封信，希望其终止与俄罗斯的商业关系。

Oracle随后发推文称："为了Oracle在全球各地的150000名员工的利益，为

了支持乌克兰民选政府和乌克兰人民，Oracle公司已经暂停了在俄罗斯联邦的

所有业务"。

俄罗斯的遭遇给了中国很大警示，在当前国际贸易摩擦加剧、国际局势多变的情

况下，数据库软件作为最重要的IT基础设施之一。

中国必须实现国产化和自主可控，由此也引发了近年来国产数据库的创业投资浪

潮。

一、核心结论汇总

1）数据库行业云化趋势显著，所有数据库都可直接上云，云原生架构最具优势。

Gartner预计，到2021年，云数据库在整个数据库市场中的占比将首次达到

50%。

而到2023年，75%的数据库要跑在云平台之上。

2）国产数据库存在广泛替代空间。

目前，国产数据库主要应用还是在党政军领域。

国产数据库长期被Oracle、IBM、MySQL这类产品挤压，随着中美贸易战的升

级，国家鼓励软件国产化，国产软件将会越来越被重视，这将是一大转变契机。

3）我国公有云、私有云、混合云将长期共存，云数据库作为基础性产品，需要

支持跨云、多云、混合云。

初创厂商具备云中立优势，可以避免客户被过度绑定，提供多云支持，拉动客户

增长。

很多公司并未采用单一的云厂商，他们的大多数业务都运行在混合环境和多云环

境中。

4）湖仓一体成为发展热点。

「湖仓一体」是一种新型开放式架构，将数据湖极低成本存储大量数据和数据仓

库高性能进行大量数据处理的优势充分结合，通过一套架构、一个集群、一份数

据，真正消除数据孤岛。

5）大数据与数据库一体化趋势明显。

用户可直接用SQL处理海量数据对厂商有以下需求：

1.内核引擎强劲，一定性价比对外输出海量数据分析处理能力；

2.生态工具要完善。

6）场景端时效性要求倒逼数据库厂商提升产品性能，产品性能持续领先是决胜

要素之一。

产品硬核实力及成熟度是决定营收规模及增长的主要因素。

7）分布式数据库快速发展。

分布式数据库物理上更贴近业务部门，可以降低通信成本；同时增加数据的适当

冗余，因为一个地方出了故障不会引起整个系统崩溃。

8）智能化运维助力数据库智能调优。

启发式机器学习技术给予海量运行数据形成智能运维模型，自动化处理各项任

务，例如自动管理计算与存储资源、自动防范恶意访问与攻击、主动实现数据库

智能调优。

9）开源策略成为部分厂商吸引用户、盘活生态和促进技术发展的重要手段。

通过将底层技术开源，可以吸引更多人开发、测试、维护，不仅可以降低厂商售

后和服务的成本，还可以进一步提高软件质量，同时有利于构建生态。

开源和商业数据库数量对比

■开源数据库・商业数据库

资料来源：DB-Engines,爰分析

10）Onesizecannotfitall,

虽然混合事务分析HTAP在中等规模客户的应用已成为热点研究方向。

但HTAP价值在于更加简单通用，对于中等数据量规模用户可满足需求，对于

超大型企业数据分析性能可能不如OLAP。

11）更多利用硬件发展红利是必然趋势。

计算需要GPU加速，存储方面持久存储（NVM）代替硬盘存储，需要重新设计

架构利用特性。

存算分离执行路径变长，数据库需采用高性能网络等。

12）其他：OLAP和NoSQL将是主要的创业和投资方向。

在国产数据库的OLTP领域，华为、阿里、腾讯等厂商有技术优势和资金优势,

同时也有生态和渠道的优势。

创业公司进入OLTP领域门槛非常高，而在OLAP领域，建立新一代数据仓库

以及NoSQL数据库方面，未来会涌现更多的创业公司，这块可能是很多投资机

构接下来要重点关注的方向。

二、市场环境

1.数据库的定义及边界

数据库管理系统是各类信息系统不可或缺的基础性平台，主要任务是对数据的归

集、分类、组织、处理、存储、分析、应用的全生命周期提供共性技术支撑。

数据库大致可以由内核组件集与外部组件集共同组成，其中外部组件集以数据库

配套的独立支撑软件为主，例如数据库驱动。

内核组件集则一般可以分为管理、网络、计算和存储四大模块。

数据库管理系统

驱动组件

ScalePartners资料来源：信通

1.存储组件：负责数据持久化存储的组件，对数据库的日志、索引、堆数据等内容进

行管理。

2.计算组件：又可以称为协调组件、服务组件，负责响应数据库访问请求，并将SQL

语言解析成为数据库对应的内部任务。计算组件在分布式、集群等架构下也承接大

部分的计算任务，例如排序、联接等。

3.管理组件：公共组件部分，用于对数据库全生命状态的管理，例如心跳管理、集群

管理等，以及各类中心化任务承接，如死锁仲裁、存储映射管理、元数据管理、事

务号管理等。

4.网络组件：管理整个数据库管理系统的网络通讯的组件。数据库的网络通讯有内部

和外部之分。内部一般指在集群环境或者分布式环境下的各节点之间的高速数据交

换。外部一般指的是各个数据库通过对外访问协议与存在于客户端的驱动进行互联

的网络交换。

5.驱动组件：支撑数据库能正常提供服务的配套独立组件，数据库管理系统基于其通

用特性，往往可以对不同语言开发的软件提供数据服务。但是由于数据库本身只对

外提供网络通讯协议，对协议的封装则由客户端侧的不同驱动组件完成。通常有支

持JAVA语言的JDBC接口、支持C语言的ODBC接口和C-API接口等。

2.行业常见名词释义

1.关系型数据库：采用了关系模型来组织数据的数据库，其以行和列的形式存储数据,

以便于用户理解，关系型数据库这一系列的行和列被称为表，一组表组成了数据库。

用户通过查询来检索数据库中的数据，而查询是一个用于限定数据库中某些区域的

执行代码。关系模型可以简单理解为二维表格模型，而一个关系型数据库就是由二

维表及其之间的关系组成的一个数据组织。

2.非关系型数据库：对于NoSQL并没有一个明确的范围和定义,一个共同的特点都

是去掉关系数据库的关系型特性。

3.数据湖：是一个集中式的存储，允许以任意规模存储结构化和非结构化数据。可以

存储原始数据，而不需要先转化为结构化数据，基于数据湖之上可以运行多种类型

的分析。

4.数据仓库：是处理过后的结构化或者半结构化数据,更加靠近数据的消费端。

5.湖仓一体：使用一套技术去实现数据湖和数据仓库的能力，类似多模的概念。

3.行业历史及阶段

数据库发展经历萌芽一一商业化起步—发展成熟阶段。

市场以层次型.帼状型关系型数据库出现，井互联网时代到来，一部数据库厂的开始将数据

非关系型数据库出现

数掘库为主一直占据市场主导地位分数据库选撵开源形式库撤上云端

t▼▼

1969年1977年1992年

关系型数据库出现以后，一直占据数据库市场最大份额

三种商业形态商业数据库时代开源数据库时代云数据库时代

MySQL、

Oracle.IBM

PostgreSQLAurora.TiDB、

主要数抠库厂商DB2、Informix,

MongoDB、PolarDB

达梦数据库

Redis

HePa资料来源：公开资料整理、西南证至

1)萌芽阶段：1960年，GE发布IDS数据库系统(IntegratedDataBase

System),制定网状模型语言标准，1969年，IBM发布IMS数据库系统

(InformationMangementSystem)，使用层次模型。解决了数据集中和共

享问题，用户在对两种数据库进行存取时，需要指出存储方法和路径，易用性较

差，没有应用起来。

2)商业化起步：1970年-1980年，关系模型提出，IBM开发出关系型数据库

SystemR,与之相适配的结构化查询语言SQL。70年代末，关系型数据库在

Oracle和DB2中得到发展和商业化，SQL不关注获取数据的具体过程，把用户

从数据操作细节中解脱出来，只描述想要的数据即可，成为关系型数据库得以成

功的关键。

层次型数据库网状型数据库关系型数据库

出现时间1969年1970年左右1977年

数据结构一对多多对一、多对多一对多、多对一、多对多

优点结构简单清晰能够描述相对复杂的场景存取路径隐蔽、数据独立性、完整性高、数据库操作效率匿

缺点Si旬路径单一.不能应对复晒景结构复杂、用户很难掌握顺时间比层次型数据库略

!母节点■母节点■

，母节点生名］姓名2

数据结构I11

1子节点■子节点,■■■■子节点■

ScalePartners资料来源：公开资料整理、西南证多

3)发展成熟(1980-1990):主要表现为

・数据库生态逐步完善，与程序设计语言、软件工程、信息系统设计等技术互相影响;

・开源数据库发展，当前2大开源数据库系统——MySQL和PostgreSQL诞生；

・OLAP开始发展。早期数据库处理在线交易业务，被称为OLTP(On-Line

TransactionProcessing);业务数据积累,OLAP出现(On-LineAnalytical

Processing);

・数仓概念(DataWarehouse)提出。单机难以应对爆发数据增长，分布式技术走

上舞台。

4)云数据库时代(1990-):云计算的发展带动各类基础软件开始云化转型，

云原生数据库天然具备云上的弹性、灵活性、高可用等特点，实现了存储和计算

完全解耦，作为服务整体交付，节约了用户管理基础架构所需的成本、时间和资

源，能够提供丰富的产品体系，经济高效的部署方式、按需付费的支付模式。

数据库的云化经历了2分阶段:

・一是云托管，将原有数据库系统部署在云平台，将数据库服务化，按需购买，用户

自行负责整个数据库系统的可用性、安全性和性能，有自己的IT运维团队，有自己

的数据库管理团队，能力要求高，人力成本投入大；

・二是云原生，利用云化的资源池特点完全重构数据库的层次结构，使计算、存储、

网络等资源彻底解耦，更充分灵活利用资源池的弹性。后一阶段对数据库的改造更

为彻底。

云原生数据库的特点：

1.存算分离,计算层解析SQL,并转为物理执行计划，存储层负责数据缓存与事务处

理；资源解耦与池化，目前进展是CPU和内存绑在一起,和SSD持久化存储分开。

下一步随着非易失性存储和RDMA技术的成熟，会将CPU和内存隔离，内存再进

行池化，三层池化有利于客户按需取用；

2.执行引擎的完全弹性，云原生架构，下层是分布式共享存储，上层是分布式共享计

算，中间用于计算存储解耦，提供弹性能力；

3.高可用与数据一致性，可用性是指集群的部分节点发生故障时，系统可以在正常响

应时间内对外提供服务；一致性是指更新操作完成后，各个节点可以同时看到数据

的最新版本，分布式系统存在网络分区，需要在一致性和可用性之间做出权衡；

4.多租户与资源隔离，传统做法是一租户一数据库系统，或者多租户共享同一个数据

库系统，运维管理复杂，避免某个租户"吃掉"系统资源，云原生场景下，数据库

可以为不同的租户绑定相应的计算和存储节点实现资源隔离；

5.智能化运维，比如自定义备份策略、自动在线升级修复BUG,监控自定义报警灯。

以AP为例QLAP从最早的数据库一体机逐渐演变到MPP数据库和Hadoop

数据库，再到云原生架构的数据库，数据库一体机价格非常昂贵，国产替代有南

大通用、人大金仓、天矶、云和恩墨等。

而数据库的实时性非常强,现在主要是、

MPPGreenplumTeradatao

最后是Hadoop,有星环、中兴、华为等传统的硬件厂商在搭建Hadoop数据

仓库。

最新一代为云原生，检具扩展、存算分离、弹性扩容等特点。

共享存储架构：服务器，有计算有内存，存储完全共享，集群规模很小，存储受

限，架构也受限。

MPP架构：存算一体，数据存储容量存在瓶颈，无法满足随业务而快速增长的

数据量存储需求。

扩容涉及数据的重分布，产生大量网络、内存开销，影响业务连续性。

多ETL任务时，会大量抢占资源，从而影响数据分析的效率，导致查询超时甚

至因为集群负载过大后整个集群崩溃不可用。

例如，Teradata,软硬一体，网络硬件是专有硬件，比较贵，几百节点，扩容

比较复杂。

加一个节点，要挪过来一部分数据，所有数据要重新打散排一遍；GP解决软硬

一体，X86服务器上就可以，用软件实现TD用硬件实现的过程；

Hadoop:随着数据仓库在Hadoop/Hive体系上搭建和完善，ETL任务全部

转移至Hadoop集群，这个阶段使用Presto完成OLAP分析。

Presto天然和Hive共享元数据信息，且共同使用物理数据存储，即插即用。

大量的对数仓表的灵活查询使用Presto完成；组件非常复杂，软件定义存储,

分布式文件系统。

存储和计算还是绑定的，交付非常复杂，做了一些边缘场景；

云原生架构：存算分离、弹性（动态启停）、无状态的网线和计算节点，错峰使

用，例如Snowflake,偶数科技。

ORACLEcloudera*。圣snowflake

勺

IBMDB2GreenplumSporKroushuS

•应用：报表分析应用：大数据分析（核应用：大数据分析（边•应用：大数据分析（覆盖

•节点：十几；扩展困难心业务）缘业务）全业务线），Al,loT等

•SQL兼容性：好节点：几百；扩展困难节点：几千节点•节点：数千节点

•性能：中SQ廉容性：好SQ廉容性：差•SQL兼容性：好

•云支持：差性能：中性能：差•性能：好

云却：差云支持：中­云支持：好

ScalePartners资料来源：公开资*

4.市场需求及价值

1）数据库分类一按应用方向

按应用方向不同，关系型数据库又可分为交易型数据库（OLTP）和分析型数据

库（OLAP）:

交易型数据库主要面对与企业业务数据相关性强的事务场景，例如银行转账，电

子商务等，涉及高并发数据的"增、删、改、查"。

分析型数据库对来自交易型数据库和其他数据源的历史数据进行大批查询，应用

在海量、复杂数据环境下为企业决策提供数据分析。

OLTP系统OLAP系统

联机事务处理联机分析处理

数据来源业务流程的原始数据不同的OLTP数据库和其他数据源

目的控制和运行基本业务数据操作帮助制定计划、解决问题和决策支持

存储形式行存列存

查询相对标准化和简单，返回较少的记录聚焦的复杂查询

实时性处理实时数据处理历史数据

取决于涉及的数据量；

处理速度

批处理数据的更新和复杂操作可能需要花费几个小时

如果存档历史数据，可以相对较小

空间要求较大，由于聚焦的结构和历史数据的存在；一般为TB、PB级别

一般为MB、GB级别

数据库设计高度规范化，表数量多，表间关系复杂非规范化，表数量少，使用星型和雪花型模式

需认真备份；运营数据是业务运行的关键，有些环境可能不考虑常规备份，

备份和恢复

数据丢失可能会带来巨大的经济损失和法律责任而是简单地将重新加载OLTP数据作为一种恢复方法

2）数据库分类——按数据组织形式

按照数据组织形式，数据库可以分为关系型和非关系型（NoSQL）数据库。

关系型数据库的核心是数据表（行、列数据）、表内结构和表间关系。

非关系型是一种新型的数据结构化存储方法的集合，适用于各种非结构化、半结

构化数据，能够很好地满足海量数据的高并发读写需求。

典型的NoSQL数据库包括键值数据库，列存储数据库、文档型数据库、图数据

库，其中，根据DB-engines排名，以图数据库受欢迎度最高。

分类举例典型应用场景数据横型I优点缺点

Redis,Memcached

内容缓存，主要用于处理大量数据地高访向的键值对，通常用数据无结构化，通常只被:

,ApacheIgnite,Keyt§Valuehash查找速度快

Riak,Tokyo问负载，也用于一些日志系停等table来实现字符串或者二进制数拒

Cabinet/Tyrant

宽列存储数据库Cass歌:麒％分行文件系统以尹E猫将同—查询嚼温舞，更容功能相对局限

MongoDB,Apache

CouchDB,

ArangoDB,Web应用（与Key-Valued,Value是结数据结构要求不严格，表结构可

对应的键值对，为结构查询性能不离，而且缺乏£

文档数据库构化的，不同的数据库能够了解的Key-ValueValue变,不帚要像关系型数据库一样

Couchbase,Value化数据的查询语法

CosmosDB,IBM内容）需要预先定义表结构

Domino,MarkLogic

,OrientDB

很多时候需要对整个图做］

图数据库SieG：；h,社交网线推荐警•班于构建关系利用图结构相关算法.比如限短才能得出想要的信息，

路径寻址，度关系查找等而且这种结构很难实现分彳

4AllegroGraph3N

的集群方案

ScalePartners资料来源：华为宜

部分非关系型模型示意图:

键值模型图模型

节点

ScalePartners资料来源：信通历

图数据库

图数据库(GDB-GraphDatabase),是一个使用图结构进行语义查询的数据

库，它使用节点、边和属性来表示和存储数据。

目前主流的图数据库选择的图模型是属性图。属性图由点、边、标签和属性组成。

关于图数据库的实例：

Label:war

汉中之战Properties:

year:217-219

place:汉中

资料来源：信通历

图数据库直观表示关系，对于高度互联数据非常有用(数据量越大，越复杂的关

联，优势明显)。

分类图数据库关系型数据库

数据模型图数据库表

存储对象半结构化数据结构化数据

2-3度关联查询高效低效

6-10度关联查询高效低效;不支持

事务性支持支持

ScalePartners资料来源：中国信通院

应用场景来看，图数据库还是针对用大量数据并且需要多维处理或者多层渗透的

环节，因此金融、电商、社交等领域中使用比较多，且场景的针对性较强。

关联

知识图谱公共安全

讣O大

网络运维金融风控

如何在海量的数据中发现关联信息的价值是一大挑战，关系数据库难以支持深度关联分析。图数据库技术应运而生，并为关联大

数据赋能，驱动行业发展.

资料来源：公开资料直询

・社交领域：Facebook,Twitter,Linkedin用它来管理社交关系，实现好友推荐；

・零售领域：eBay,沃尔玛使用它实现商品实时推荐，给买家更好的购物体验；

•金融领域：摩根大通，花旗和瑞银等银行在用图数据库做风控处理；

・汽车制造领域：沃尔沃，戴姆勒和丰田等顶级汽车制造商依靠图数据库推动创新制

造解决方案；

・电信领域：Verizon,Orange和AT&T等电信公司依靠图数据库来管理网络，控制

访问并支持客户360;

・酒店领域：万豪和雅高酒店等顶级酒店公司依使用图数据库来管理复杂且快速变化

的库存。

图数据库——大想象空间来源于与AI的结合。

图数据库的数据存储模型其实特别适合机器学习计算，因此，不少人会直接选择

直接在图数据库上跑机器学习算法。

近年来，随着深度学习的兴起，有了在图数据库上做图神经网络（GNN）的案

例。

5.市场规模及增速

1）全球市场规模及增速

Gartner报告显示，2020年全球数据库市场规模为648亿美元，占基础软件支

出最大构成。

未来，数据库市场的规模还将继续增长，预计到2024年，全球数据库市场规模

将达到1000亿美元。

2020年全球企业基础软件各部分市场规模（亿美元）

云数据库是未来趋势：云原生数据库正在成为一种重要的数据库新形态，根据

Gartner数据，2020年云数据库已占据整体数据库市场份额的40%,且贡献了

增长市场的9成以上份额.

据Gartner预测，到2023年75%的数据库会被直接部署或者向云上迁移，营

收数据将占据数据库整体市场的半数以上。

Gartner对数据库细分市场的规模统计，2020年关系型数据库全球市场规模为

531亿美元，占比83.3%。

根据Gartner,2020年非关系型数据库市场增速34.5%,关系型数据库市场增

速

15.2%0

全球非关系型数据库(NoSQL)在2020~2022年市场增速30%左右，远高于数

据库市场整体增速。

2)中国市场规模及增速

数据规模爆炸性增长，数据应用快速深化，叠加网信产业的快速发展和新基建的

深度布局，我国数据库产业进入重大发展机遇期。

据中国信通院测算，2020年中国数据库市场规模约241亿元。

预计到2025年，中国数据库市场规模将达688亿元，年复合增长率为23.4%。

我国数据库市场规模在全球占比约5.2%,而同期我国IT支出在全球占比约

12%。

2020年我国数据库市场规模在国内IT支出占比约0.9%,而全球这一比例则达

1.9%。

两组数据都表明，我国数据库市场增长潜力巨大。

伴随云计算底层设施成熟，云端数据库市场份额迅速扩大。

中国信通院报告显示，2020年我国公有云数据库市场规模为107.68亿元，占

我国数据库规模45%,未来5年复合增长率36.1%,预计到2025年公有云数

据库市场规模将超过500亿元。

中国关系型数据库规模为31亿美元，占比76%。

由此可见，关系型数据库在国内外无疑都是数据库中的绝对主流。

6.市场增长的驱动因素

互联网大规模商用，加速数据的产生、流通和融合，海量数据规模和复杂数据结

构驱动数据库市场稳定增长。

IDC和Ovum预计2024年全球数据总量和流量将分别保持4年CAGR28.1%

和27.6%的强劲速度，更大的数据量级对数据库的扩容、性能、功能提出了新

的需求。

此外，人工智能、机器学习、语义分析、图像识别等技术则需要大量的非结构化

数据来开展工作，NoSql存在发展机遇。

根据IDC数据，非结构化数据占整体数据量比重高达80%以上，这意味着绝大

部分非结构化数据的价值还未被充分发掘。

全球数据量预测(ZB)

200

175

资料来源：statista,信通院

企业上云趋势明显，数据库成为连接laaS到应用的关键环节。

数据显示，在过去十年，企业上云的意愿从3%上升到了84%。

2020年我国已经应用云计算的企业占比达到72.1%,较2019年上升了6%。

伴随着企业上云进程的不断深入，企业上云从资源上云逐步进入到应用上云，数

据库作为PaaS层产品，成为关键环节。

政策利好本土厂商，「信创」风口，国产数据库的新机遇。2020-2022三年时

间，信创产业进入好用阶段，将在党政军和八大核心行业(金融、电信、能源、

电力、医疗、教育、交通、公共事业)铺开。

云数据库厂商、本土数据库厂商份额持续增长，国际数据库品牌份额下降。

信创指硬件和软件的一系列信息化创新技术，可理解为数字基建，是新基建最底

层的一环，主要包括核心芯片、基础硬件、操作系统、中间件和数据服务器等领

域。

信创产业是数据安全、网络安全的基础，也是「新基建」的重要内容，将成为拉

动经济发展的重要抓手之一。

从信息基础设施国产化程度来看，目前国内重要信息系统、关键基础设施中使用

的核心信息技术产品和关键服务大多依赖国外。

例如中美贸易战，Oracle停止美国敌对国家的数据库服务后，导致数据库功能

缺失，促使数据库加快国产替代。

三、产业链与行业格局

1.产业链及行业图谱

数据库与芯片、操作系统并列为全球技术三大件，也是企业IT系统必不可少的

核心技术。

在数据库软件产业链中，上游多是以服务器厂商、芯片厂商组成的网络和硬件厂

商。

中游由数据库、操作系统和中间件等基础软件厂商组成，下游主要是各行业的应

用开发商。

上游・中游,下游

网络和硬件厂商

1.CPU厂商

2服务器厂商

3.网络设备厂商

数据库上下游产业链

ScalePartners资料来源：同花顺iFinD,西南证券

数据库管理系统在企业数据流管理体系中处于核心位置。

业务行为相关的数据首先在不同的操作型数据库中进行事务处理OLTP,然后通

过ETL工具（提取、转换、加载）汇聚整合成面向主题的、全局的一致数据集

合，存储在业务数据临时存储系统ODS中。

ODS的数据再次通过ETL工具转换集成为结构化数据进入企业统一的数据仓

库。

数仓数据针对某个特定主题分类，进入到从属型数据集市。

根据企业需要，基于操作型数据库、数据仓库和数据集市也能够构建企业数据湖，

存储着包括原始数据、转换数据在内的各种结构化、半结构化、非结构化数据，

实现数据的集中式管理。

经过汇总后的数据通过OLAP操作分析处理，并通过BI工具以体系化、可视化

的方式直接呈现在决策者面前，为业务提供数据支撑。

事务处理层数据整合层分析处理层应用决策层

□OLTP

□统it分析

□

□决策支持

□决策优化

□

数据驱动

ScalePartners资料来源：中信证券

2.行业集中度

从全球范围来看，微软、Oracle,亚马逊为前三大厂商，占据全球市场接近70%

市场份额。

2020年微软同比增长超17%,规模首次超过Oracle,主要来自于云数据库的

增长。

2020年全球top5委库厂商营业收入构成（百万美元）

$14,6851

$15,58

$9,130

震■.岑$3,709

$862______5427.___________________

MicrosoftOracleAmazonIBMSAP

□Prerelational-EraDBMS■RDBMS■NonrelationalDBMS

ScalePartners资料来源：Gartne

卜019排名2019年营业收入2020年营业收入

2020排名排名变化厂商年市场份额2020年市场份额2020年增长率

佰万美金）（百万美金）2019

211Microsoft13,64815,97424.7%24.7%17.0%

12▼1Oracle15,15415,61227.4%24.1%3.0%

33Amazon9,44413,32017.1%20.6%41.0%

44IBM4,8684,4828.8%6.9%-7.9%

55SAP3,5873,7326.5%5.8%4.0%

66Google1,5722,9572.8%4.6%88.1%

871AlibabaGroup6991,1891.3%1.8%70.1%

78▼1Teradata8319211.5%1.4%10.8%

99Cloudera6577701.2%1.2%17.2%

10122Huawei4206230.8%1.0%48.3%

OtherVendors4,4635,2238.1%8.1%17.0%

TotalMarket55,34364,803100.0%100.0%17.1%

ScalePartners资料来源：Gartner

国内：海外巨头占据市场主要份额，云化和国产替代趋势下海外厂商份额不断下

降。

2020年国外厂商仍占据我国数据库市场80%以上份额，并已形成较为完善的数

据库生态，国产替代安全自主可控下的国产数据库在未来将有很大的市场空间。

中国市场分应用来看，OLTP仍是国外厂商占据最大市场份额，OLAP和非关系

型数据库中国厂商具备一定商业基础。

OLTP一直由Oracle、IBMDB2、MySQL、SQLServer等占据主导地位，市

场份额超90%而国内阿里的OceanBase、腾讯的TBase、达梦数据库、PingCAP

才刚刚起步。

TiDB目前是在互联网行业应用较多,OLAP国外MPP架构的Teradata、

Greenplum,国产替代厂商有南大通用、人大金仓、天矶等，以及国内星环、