把冷板凳坐热的不仅有国内的半导体企业，还有一众国产数据库厂商。36氪不久前统计，在2020-2021年获得融资的国产数据库公司超过40家。仅2021年一年，获得新一轮融资的企业就多达20家。
更多被风投布局的项目还隐匿在水下。36氪了解到，即使在过冬论调四起的当下，仍有一些大厂光环加身的创业公司，大概率将以超出想象的价格完成新一轮融资。
种种迹象表明，这可能是国产数据库里程碑式的时代。至少过去，中国数据库领域从未发生过这种连年持续的融资胜景。
作为一种对数据进行增删改查和分析的基础软件，数据库起源于美国，发扬于欧美，国产数据库的应用长期处于追随者地位。一个核心节点是，自上世纪80年代后IBM、Oracle等海外关系型数据库厂商纷纷入华，拿下金融、电信等领域核心客户后，国内关系型数据库市场（尤其是OLTP）几乎被外企垄断。也正因起步晚，又错失这一主流战场，长期以来国内数据库企业寥寥可数。直到2010年，叫得出名字的公司只有两位数。
反观现在，在公开盘点中，已有超200个国产数据库浮出水面。这其中不仅有历史较久的关系型数据库，还包括图数据库、时序数据库等新型数据库。在每个细分领域，都有被VC高价追逐的早期项目。
若顺着半导体爆火的思路深究，国内创投风向的转换或被视作这一现象出现的动因。但更本质的逻辑是，一方面，中国在过去10年间深入参与了移动浪潮，在电商、游戏、直播等场景中打磨了IT能力；另一方面，自1999年第一批国产数据库企业陆续成立开始，各厂商已开启长达20年的实践之路，相对减少了与国际对手的能力差距。
所以，市场需求的迭代，和厂商们持续积累的产品能力，才是改变这场游戏规则的主因。在此基础上，国产化替代和全球化开放的机会，又让国产玩家们走近舞台中央。
天时地利具备，这场发起源于2020年、绵延至2022年的国产数据库投资热，其实是技术演进和需求迭代下的必然结果。而投资趋势更加硬核，成为这场必然的加速器。
为更深入地观察这场变革，本文将从数据库的技术演进角度入手，探讨国产数据库的成长动因，同时基于新鲜一手信息和历史资料，剖析当下国产数据库面临的机遇与挑战。具体而言，我们将重点解释以下问题：
1.多种类型数据库的演进逻辑和分类维度
2.当下数据库领域出现的技术规律
3.国内外数据库厂商成长环境的差异
4.当下数据库厂商的不同商业路径，及分野原因
5.选择不同商业化路径的数据库厂商，分别会面临怎样的挑战
一.产品：分类维度多种多样，技术规律逐渐趋同数据库形形色色：历史演进下的必然
作为一种历史悠久的基础软件，数据库的产生离不开飞速变化的数据生态。过去近60年间，随着信息化、数字化、智能化浪潮一次次袭来，数据的规模和使用方式都发生了巨大变化。
据国际数据公司（IDC）的监测，近几年全球大数据储量的增速每年保持在40%左右，2016年增长率甚至高达到87.21%。具体数据上，2016年-2019年四年间全球大数据储量分别为16.1ZB、21.6ZB、33.0ZB、41ZB，储量迅速上升。
当数据量飞速上涨，各种基于大数据的应用层出不穷，承载这一切想象力的基础软件——数据库，也从早期的关系型，演化出包括图数据库、时序数据库、流式数据库、内存数据库、向量数据库、数据湖等在内的多种功能形态。产品架构也从单机向分布式、云原生等形态扩展。一个证明，如今DB-Engines上覆盖的数据库已有约400个。
看着纷繁复杂的产品形态，很难想象，最初数据库想解决的问题，其实非常简单。
上世纪六十年代，IBM等先驱开发了最早用于管理数据的系统，“数据库”这个名字就此出现。当时，数据库主要用来管理如仓库存货清单、图书馆借阅记录一类信息，要解决的两大核心问题分别是信息的存储与查询。
比如，当图书馆中一本书被借走，对应的借阅信息能被记录并写入数据库，读者可基于数据库内的信息直接查询这本书是否已归还。人们发现把数据拆成不同的表单，并将其中的联系对应，就能更高效管理信息。这种数据库也被称为关系型数据库，是最传统也最常见的数据库种类。
后来，随着数据种类的变化，人们又逐渐开发了适应不同场景的新型数据库，如专注于文档存储的文档型数据库，记录传感器每时每秒产生的数据的时序型数据库等。
而随着数据量的增大，一台机器已无法满足数据的存储与处理要求，因而出现了新的数据库架构，如采用多台机器的分布式数据库、基于内存的内存型数据库。
到云计算时代，又出现了依托于云平台的云原生数据库，让数据库也能享受云计算的弹性与便捷。从管理小小的一间图书馆，到互联网时代的大数据分析，随着数据量的扩大与数据类型的增多，针对不同场景、采用不同架构的数据库种类也越来越多。
一个基本事实是，当前全世界的数据库产品至少多达数百种。而作为一种对数据进行查询、存储、修改和分析的软件，由于讨论语境的侧重点不同，数据库也存在多种不同分类方式，每种分类各有侧重。
所以，综合技术演进、用户存储查询的数据特征、数据规模，以及行业认可度等维度，我们将从数据格式、扩展能力、分析能力以及使用场景四个角度对数据库进行分类。
数据库分类维度
根据数据格式分类：数据格式通常被分类为结构化(structured)数据和非结构化(unstructured)数据，其中非结构化数据又包括文档型(document)数据以及键值对(key-value)等多种类型。
在数据库领域中，最常见的是结构化的数据，这些数据会有固定的格式，如网购的时候，一般会有订单号、用户ID、商家ID等信息，对于不同的网购交易来说，每笔交易信息的格式都一样，因此用户可以事先定义好数据的格式(schema)，此时通常会使用关系型(relational)数据库来进行存储。有些数据更侧重文本信息，比如微博、博客，有大段文字信息，与之对应的就是文档型(document)数据库。有些数据则是简单的键值对(key-value)，例如用户的ID与头像，通常会有一一对应的关系，这时候可以在键值对型的数据库中存储这些信息。
根据扩展能力分类：数据库可分为单机型、分布式型以及云原生型。单机型数据库通常只在一台机器上运行，因而维护起来比较简单，但扩展能力有限，比如最常被用作个人博客后端的数据库MySQL，足以胜任几百篇博客的备份存储，以及一天几千次的访问量；分布式数据库一般被部署在多台机器组成的集群中，可以在一台或多台机器损坏的时候，通过多台机器之间的备份机制，保证业务不被干扰；云原生数据库则被部署在云端，如阿里云或者AWS上，由数据库厂家进行机器的维护管理，用户只需要按读取次数和存储空间的大小进行付费。
市面上的数据库公司都有自己的侧重，不同公司之间的业务重点不同，也会存在重叠，因此在多个维度下，一个特定的数据库通常会被分入多个不同的类别，比如MySQL，既是结构化数据库，又是单机型数据库以及OLTP型数据库。
开源、分布式、分析能力被看重，技术规律逐步趋同
数据库种类繁多已经是不争事实。不过从更宏观的产业迭代角度，数据库领域的技术演进，已经随着需求变迁而产生一定共识。在这一层面，通过查阅资料并盘点新兴的数十家数据库公司，我们发现在全球范围内，数据库领域已经产生如下技术趋势：
代码开源成为主流
分布式可以让数据库更强大
在互联网时代之前，单机型数据库，如MySQL，可以满足大多中小网站的数据需要，而银行则使用中大型机，单价不菲。在如今的大数据时代，单机已经没办法满足人们对数据库的性能要求，而分布式技术，通过增加机器的数量，可以更经济实惠的解决用户的数据需求，近些年新兴的数据库公司也多采用分布式的架构，如TiDB、MongoDB等。开源与分布式同时也为用户提供了更多选择，用户不再被局限在某两三种数据库的选择题里，而运行这些数据库的机器也可以是性能较好的家用机，不再是以前成本令人生畏的中大型机，更多的中小公司有能力选择性能更为强大的分布式集群作为数据解决方案。
但在某些实操场景中，分布式是否真的可以降本增效还存在争议。有国内从业者指出，分布式和单机型数据库适用的场景不一。具体而言，他认为由于分布式相较于单机会存在性能瓶颈，所以跨节点的大数据量查询场景可能会存在瓶颈。另外，数据库的投入需要衡量不同架构的硬件成本、运维成本等多个维度，采用何种架构才能降本增效是一个综合性命题，不能一概而论。客户应该依照自身业务需求综合评判。
对数据库厂商而言，分布式带来了新的架构变化
大公司的数据库通常会采取多层架构，像积木一样，将数据库分为分析层，事务层，存储层等层次，不同的数据库可能会使用同样的底层代码。如蚂蚁集团的时序数据库CeresDB就基于OceanBase分布式存储引擎底座。这样做的好处是提高了代码的使用率，减少了重复劳动，同时，数据库的各个层次都可以交由专门的团队负责，提高工程师的专注度。此外，新的架构也带来了新的挑战，如在单机型数据库中，数据的存储与计算天然就在同一台机器中进行，而对于分布式和云原生数据库来说，则需要想办法进行存算分离，以便于存储层和计算层可以独自扩展，有些用户可能需要更多的存储空间，其它用户则可能需要更强的计算能力，这样大家可以各取所需。
数据库即服务让产品使用越来越简单
在最近的三十年里，对用户来言，数据库从最初需要付费购买使用许可的软件，变成了可以自己编译运行的开源代码，再变成需要自己采购多台机器组成机群来调度使用的分布式系统，最后又成为只需要按数据的读取次数付费的云数据库服务（即Database-as-a-service）。
云原生数据库让用户省去了数据库集群维护、性能扩展的烦恼，也带来了新的按读取次数收费的模式：比如在微软CosmosDB的serverless收费模式下，用户并不知道微软到底维护了多少台机器，只需要关心自己对CosmosDB的读取次数并以此付费，数据库集群的扩展管理工作则由用户交给微软来统一调度负责，用户则可以减少工程师团队规模并降低宕机风险。
费用与安全性方面，对大部分中小公司来说，使用大厂的服务也比自行维护数据库集群更经济可靠，毕竟大厂可以招聘成百上千的数据库领域专家来专注提升数据库服务。此外，云厂商的数据库通常会与云厂商的主机有更密切的结合，用户会更倾向于在某家云厂商进行一站式的采购，使用同一家云厂商的主机与数据库。只是这样用户也加大了对云厂商的依赖，当云服务中断的时候，用户的业务通常也会受影响。
云平台使多地区的数据服务成为可能
依托于云平台，用户可以在美国的东西海岸，或者中国的北京、深圳等地轻松建立多个数据中心，使用本地的数据中心来服务本地用户，以此减少消息延迟并满足数据本地化的合规要求，并且，用户也可以在异地进行数据备份。而在云时代之前，这些多地操作需要很高的成本，因为这意味着要在不同地区部署多个机房，当时只有少数大厂才能做到。
数据库的分析能力越来越被看重
传统数据库分为OLTP（在线交易型）与OLAP（在线分析型）两大类型，而近些年HTAP（混合型）数据库也更受欢迎，成为新的业界发展方向。这是因为在大数据时代，数据的分析价值越来越大，比如抖音等软件，需要根据统计结果来提升自身推送服务的精准度，这就需要数据库与机器学习等工具有更紧密的融合，也需要数据库能更高效得存储并查询海量数据。此外，新兴的数据使用场景也带来了新兴的数据库细分市场，如文档型数据库多使用MongoDB存储，物联网数据则需要流式数据库或者时序数据库来实时存储查询，也带来了新的创业机会。
二.商业化：漫漫蛰伏期过后，国产数据库打开新世界追随者的前行
产品力是科技公司的立身之本，商业化是公司综合能力的"试金石"。但早前，由于技术源自国外、市场多被外企垄断等因素，国内数据库厂商一直带着"追随者"的标签踽踽前行，商业想象力并不充足。
不过近5～10年，情况发生了显著变化。在墨天轮的盘点中，我们可以看到有超过200个国产数据库已浮出水面，这其中不仅包括历史较久的关系型数据库，还包括图数据库、时序数据库等新型数据库。
其实在早前，中国数据库学术研究的开展并不算晚。1977年，数据库学组成立于安徽黄山会议，当时即定位于进行该领域的教学、科研等。但不可否认，国外产品在应用落地上的持续抢先，让国内客户首先采用了国外产品，也让国产厂商在实践中也多依赖于开源产品，从而错失了自主产品的产业化机会。
但在近20年里，由于新场景的出现和移动浪潮的兴起，国产数据库的实践也多了起来。最典型的例子就是，互联网厂商出于自身的业务诉求，而自行开展数据库产品的打磨。
也正在这些实践中，国产数据库的产品应用逐步和国际接轨，缩减了差距。
前文提到，全球数据库领域已经产生代码开源、分布式架构、分析能力更被看重等技术趋势。这些技术几乎已形成全球共识，中国也不例外。
开源在国内的兴起也值得一提。过去许久，开源在国内一直是“小众运动”。但2021年，随着PingCAP等公司更为人所知，再加上国内扶持基础软件生态的决心，开源也迈上新台阶。2021年，开源被写入《“十四五”软件和信息技术服务业发展规划》，这被视作开源在国内取得的一项里程碑。顺此趋势，36氪也观察到长期处于强监管要求下的金融领域，也在2021年开展了一系列开源软件使用方式的探讨。不过另一方面，年底Log4J2安全漏洞的爆发，又让开源软件的安全性备受质疑。企业如何在开放中平衡安全，成为新的话题。
另一方面，图和时序等方向的国产厂商也不断涌现。比如在图数据库中，当前我们观察到的国产产品就有十余个。而且由于这些领域整体较新，国产数据库厂商暂时还不需要挑战完全具备垄断优势的巨头。曾有国产图数据库厂商对外表示，当前全球范围内的图数据库公司，不少都还走在完善产品的过程中。
总的来说，国产数据库百花齐放的表象背后，其实隐藏着更巨大的商机——当国内产业不再和国际脱轨，数据库厂商们面前呈现出国际化和国产替代两种商业路径。
国际化，还是国产替代？
不可否认，当前国产数据库的产品力还有提升空间。比如不久前曾有一些调研显示，国内OLTP类数据库在部分场景中（如数据量大、高并发、变化速度快）和Oracle等公司的产品依然存在差距。
但值得肯定的是，如今这种商业路径选择权的出现，在过去漫长的蛰伏期里是难以想象的——毕竟只有满足了技术基本不脱钩的基本条件，全球化或者国产替代的机会才能摆在眼前。而在这个迄今为止，国内数据库行业最好的时代中，当前国产厂商们面临的“幸福烦恼”是，选哪条路更合适？
在很大程度上，国际化和国产替代，是泾渭分明的两条路。选择不同路线的公司，往往也会具备一些显性特点。
这是两种完全不一样的公司。而这分岔路背后所隐藏的，是国内外商业环境的整体性差异。
在欧美市场，公有云与数据库结合的路径已被证明可行。Gartner近期的一份报告显示，全球数据库厂商的市场份额正借助云的能力获得增长。报告中提出，过去10年间，坚定公有云战略的厂商，在数据库市场份额中的排名大多获得了提升，这其中不仅包括亚马逊、谷歌等自有数据库产品的公有云厂商，也包括独立数据库公司Snowflake等。这样做的好处很明显，首先，数据库公司可以和云厂商一起服务同一个客户。另外，数据库公司还可以复用云厂商的生态，减少不必要的资源消耗。而数据库即服务的模式，也建立于云基础之上。
原因不难理解。将公有云与数据库的结合落地，需要云厂商、数据库公司和客户的多方协作。以被国内对标多次的Snowflake为例，其目前支持AmazonAWS、GoogleCloud与微软Azure三家云平台。在不少解读中，它也因为在公有云上具备中立第三方的身份而崛起。时至今日，Snowflake依然不支持私有云环境。
回到国内，Gartner在今年三月发布的指南中提出，国内甲方业务向公有云迁徙的趋势，是中国数据库市场增长的一大动因。不过，这一趋势至少在当前并未大规模落定，不少大B客户依然会出于安全、信任等方面的考虑，提出私有云或专有云的建设、更新需求。而且，目前国内私有云的市场格局也相对分散，这导致的一个现象是，底层架构不统一，国产数据库公司单纯依赖公有云厂商合作的必要性没有海外充足。
具体在产品落地层面，36氪了解到，早前由不同云厂商搭建的私有云和现在公有云的平台架构有所差异，针对公有云环境的数据库并不能被无缝部署到不同的私有云上。对比国外，美国的私有云与公有云的标准会更统一一些，如微软为美国国防部以及一些美国公司（如可口可乐）搭建的私有Azure云平台虽然在物理上与公有云独立，但在底层架构上会更兼容现有的公有云软件，也为云数据库公司向这些私有云的客户销售自家产品提供了可能。
产品架构不统一、格局分散只是一部分难点。下一个问题是，目前还有不少私有云厂商也会主打信创云路线。而能做进国产替代市场的企业，往往需要具备背景合格、产品适用于党政和金融等业务场景、服务细致等能力。面对这些要求，独立数据库厂商应该找准自身定位。
另一方面，当前国内云生态竞争愈发激烈，云厂商的自有产品如何与独立数据库厂商合作，也是下一个值得讨论的问题（当然，这一问题海外也存在）。这种情况下，独立数据库公司能否依靠产品力等其他特点获得合作伙伴和客户的肯定，更成为重中之重。
总体而言，国内厂商短期内或许无法将海外优解复刻到国内。这也在很大程度上造成了数据库公司商业路线的分化——对大多数人而言，是出海寻找真正的公有云+数据库模式，还是抓紧国产化浪潮，此时更像是单选题。
三.国际化VS国产化：不同的机会，不同的挑战
曾有长期深耕数据库领域的投资人告知36氪，数据库公司的商业化路线，几乎从创业第一天起就板上钉钉。在全球化和国产化的两个不同世界里，厂商亦要具备不同的通关能力。
出海：最好的Global，是成为真正的Local
在出海路线中，国产数据库厂商首先会遇到产品上的竞争，同时也要适应不同国家客户的使用习惯和销售方式。
这三大关卡的任何一环出了差错，都可能导致全球化战略的失败。在这其中，技术和产品力是首要前提——如果技术底蕴不深，产品做不到全球范围内的相对领先，那么征战海外大概率是场竹篮打水。而在这一前提之下，销售、市场方面的门门道道，也在持续影响着企业出海的成功率。
这样的例子不是没有发生过。36氪了解到，五六年前曾有一家细分领域的头部软件公司决定征战北美市场，但最终却由于产品无法适应当地而败北，"其实它的产品能力很强，但美国和国内的数据传输格式不同，给国外的产品基本要重做。"一位接近这家公司的行业人士回顾。这导致的结果是，这家公司重新打磨产品花费成本过高，难以在不同市场中平衡，最终中美两边的业务都受到一定影响。
在理想状况下，这是一条将产品打磨和商业化紧密结合的路。但回到现实，不论是建设开源生态还是坚持云战略，都需要付出不少努力。
寻求与公有云的契合之道，是一家公司管理层需要持续思考、坚定投入的战略问题。做到这件事的基本前提包括，挑选可以协作的云厂商，并基于此将产品打磨标准、适合云交付，以及培养公司的服务能力。
首先，选择合作伙伴可能牵涉到厂商的技术投入。实操方面，数据库厂商自身的技术架构通常也会依托并受限于底层云平台。如Snowflake早期选择依赖AWS的S3作为存储层，数年后才支持了Google与微软的云平台。
另外，践行云战略的过程中还会存在一些另类的考验。"现在要思考的是，我们要从一家产品、技术导向的公司，转而更强调自己的服务、运营能力。"有正处于转型期的公司高管坦言。这是公司整体定位的转变，其中必然伴随着不少企业文化、组织，乃至心理上的冲击。“但这可能也是优势，毕竟我们是真的勤劳，服务体验可能更好。”有员工这样鼓励自己。
相较之下，开源的考验更渗透进细枝末节。
在很多人的共识中，一家公司是否能做好开源，可能是“气质”决定的。一般来说，理想的创始团队需要具备国际化视野，比如拥有在国外技术领域长期求学、工作的经历就是一个加分项。另外，团队还要对当地销售习惯有所认知，做好商业化和开源之间的平衡。
这些基础要求听起来似乎不难，但具体的落地节奏却仍值得细致推敲。
“主要是担心文化问题。开源生态的建设在不同国家也存在文化差异，让融入当地更加困难。”有建设开源生态近五年的数据库厂商负责人表示，其公司在建立海外分部时，会计划将国外办事处和国内分开独立运营，希望降低双方互相干扰的可能性。类似的细节还能数出不少，比如有创业者要求公司所有的文档都是英文；还有社区的运营人员认为自家产品使用门槛较高，需要琢磨海外头部公司程序员的喜好，进行针对性推广等等。
无数的细节证明，最好的Global，是成为真正的Local。这是不少新兴国产数据库厂商孜孜以求的出海效果。
国内市场：国产替代正当时，金融信创或是下一个机会
在第二条路线中，主打国产替代的数据库厂商们需要满足背景“正规”、服务意识强，以及产品自主可控、可用的要求。出于当前国产替代的进度，我们认为在党政、金融等领域，尤其是金融信创的进展将给这类厂商提供更广阔的空间。
原因不难推断。
第二，金融客户向来重视IT投入。在疫情未散的前提下，它们是为数不多IT预算充裕的客户。从数据看，2020年启动的金融信创一期试点，要求信创基础软硬件采购额占到其IT外采的5%-8%；2021年金融信创二期新增100余家试点单位，信创基础软硬件在IT外采中占比要求提高至10-15%。当然，这些预算既囊括基础硬件，也包含操作系统、中间件等其他基础软件，数据库所占比例暂不得而知。但根据一些券商调研，信创的出现在过去两年内整体提升了一些客户的IT投入。当金融信创进一步放开，相信包括数据库在内的基础软硬件厂商都会因此受惠。
第三，出于业务特点和由此带来的强监管要求，金融客户对用作核心业务产品的可靠、可用性考量超过了其他种种。这虽然带来了不少挑战，但同时也让不少技术能力较强，且具备完整知识产权的厂商更有机会参与其中。
再者，信创是一个系统工程，从下层的基础软硬件到上游的应用系统均属其中。数据库厂商作为其中的一个角色，也需要和各类厂商合作，为客户提供解决方案式的体验。这其中，产品间的兼容是一个重头戏。我们了解到，有厂商每年花费在不同厂商、不同产品适配工作上的资金达到千万元级别。
当然还需要明确的一点是，目前狭义的国产替代主要指关系型数据库层面。但在其他类型中，如图数据库领域，国内产品也有一定替代国外产品的空间。而且，出于各种考虑，不少外企也有退出国内市场的动作。这部分空余的市场空间也是国产厂商的新机会。
总而言之，国产替代对国内不少企业而言意味着新空间，但这势必也是一场攻坚战。主攻于此的数据库厂商需要具备战略定力，在产品、服务等方面针对性地进行长期投入。
四.多种多样的参与者（按公司和其主要产品划分）
不论是技术规律还是商业规律，都要落地到具体公司的实践中。在这一章节，36氪将按照不同分类，细致展示我们观察到的数据库领域参与者。
按分析能力：OLTP及HTAP类型
根据分析能力，数据库可以分为OLTP与OLAP两大类。一方面，数据库要支持数据记录的增加修改，如网络商城的交易(transaction)，这类操作被称为OLTP（在线事务处理,OnlineTransactionProcessing），另一方面，数据库也需要支持复杂的查询操作，比如说某个地区一个月之内销售额超过10万元的商家所在的城市，这类操作被称为OLAP（在线分析处理，OnlineAnalyticalProcessing）。此外，近些年有些新的数据库可以同时支持OLTP与OLAP操作，因此被称为HTAP型（混合事务分析处理，Hybridtransactional/analyticalprocessing），另外，由于HTAP是两种功能交织的产品，在本文中将会与OLTP和OLAP一同介绍。具体某个HTAP产品放在OLTP板块还是OLAP板块，主要依据公开资料中的描述进行判断。但整体而言，HTAP兼具两种功能，这里的分类仅供读者参考。
OLTP型数据库：单机型、分布式和云原生
单机型
数据库最初的应用场景之一是账本。大家外出购物时，家门口的小卖部的老板可能会用纸和笔来通过写写画画的方式，记录下每天的销售额和对应的货物清单，而大型超市则是通过扫码枪来自动记录生成售货记录，比如说在今天的下午三点，卖出一瓶矿泉水，价格是1块钱。在这里，“下午三点、矿泉水、1块钱”这三条信息，便会作为一条记录（record），被存储到数据库中，以备将来查询。
对于个体商家来说，一般来讲一台计算机就能存储并处理所需数据，所需要的软件也就是单机数据库。现在比较常见的单机数据库有MySQL与PostgreSQL。前者最早发布于1995年，由一家瑞典公司研发，后者则是在1996年由美国加州大学伯克利分校立项。这两者都秉承着开源，免费的原则，同时拥有成熟的社区与丰富的文档，因此广受中小企业的欢迎。
分布式
单机型数据库可以解决小商户的数据管理痛点。当生意越做越大时，客户需要的数据量也许会超出现有机器的存储能力。对于这种业务扩张的需求，业界一般有两种手段，一种是纵向扩展（scaleup)，也就是通过购买更先进的硬件，在现有机器数量不变的情况下，对现有的机器进行升级。这种手段的好处是机器的数量比较小，管理起来更加方便，也不需要采取更复杂的软件架构。银行业更倾向于采用这样的手段，银行业使用的机器，比如工商银行采用的IBM大型机，性能之强劲，价格之高昂，也不是中小公司能承受的，坊间相传这样的一台大型机售价几千万人民币甚至更高。
另一种更亲民的手段则是横向扩展(scaleout)，通过增加更多机器的手段来提供更强的存储与查询能力。这时候我们就需要用到分布式数据库了。分布式数据库在设计之初，就面对的是多台机器的场景，同一套数据库软件，被部署到多台机器上，这些机器彼此通过网络进行连接，从而形成一个数据库集群(cluster)。在这个宏大的集群中，通过一定的分割(partition)算法，每台机器都会分配到自己能够处理的一小块数据。同时，多台机器之间可以互相的实时备份(replication)，这样就算是有一台甚至多台机器出现故障的时候，这个分布式数据库集群依然可以正常工作。得益于亲民的价格以及良好的扩展性，分布式数据库被视为业界最近的发展方向。
云原生
以前的数据库，需要软件公司或者互联网公司自己采购机器，并且在这几台或几十台机器上部署单机或者分布式的数据库，这种方式也被称为本地部署(on-premise)。时至今日，云计算使得大家可以通过在云上租机器，甚至租服务的方式，来使用数据库，这被称为云端部署(off-premise,cloudcomputing)。一方面，现有的分布式数据库可以从本地移到云端，来更方便大家使用，并把数据库的安装，部署和维护工作都交给云平台上的专业人士完成，另一方面，云原生(cloud-native)数据库也带来了一些新的思路:
多租户出租(multi-tenant):传统数据库更多的是只服务一位客户，在云端则没有这个限制，一台数据库机器可以满足多位客户的不同的读写需求。在做好不同客户之前的数据隔离的前提下，通过服务更多客户，云数据库可以进一步压缩成本，降低收费标准。
异地备份:大型的互联网公司会有数据异地备份的需求，一方面是应对某一地区的数据中心完全失效的情况，比如说发生火灾或地震这种大规模的不可抗力，另一方面，也是为了减少不同地区之间的数据延迟(latency)，像是美国的东西海岸，中国的北京和深圳，都隔着遥远的距离，如果所需的数据在本地区的数据中心中有备份，那就不需要再从其它地区读取数据。中小型公司一般不会有异地机房，因此借用云厂商的基础设施，可以更好的保证自身数据安全。
云原生数据库有两类重量级玩家，一种是云厂商本身，如Amazon的AWS、微软的Azure，这种云厂商自身的数据库可以很好地和自身的其它服务结合起来，比如AWS的机器(VM)可以更快的读取AWS的数据库，而读取其它地方的数据库就要慢一些。同时，云厂商为自家数据库提供了同样高质量的客服。另一类玩家则是独立的第三方数据库公司，如MongoDB的云数据库，用户可以选择依托AWS，Azure或者GoogleCloud，不管用户依托哪个云平台，用户都能享受MongoDB同样的服务。这样做的好处是，用户不受限于某家特定的云厂商，因而在定价方面有了更多的自主权。另外，当某一家云厂商发生问题的时候，用户可以快速迁移到同地区的另一家云厂商，使自己的客户不受影响。
在这一部分，我们重点罗列的公司和产品有：
阿里巴巴：AliSQL
简介：AliSQL是基于MySQL官方版本的一个分支，由阿里云数据库团队维护，目前也应用于阿里巴巴集团业务以及阿里云数据库服务。该版本在社区版的基础上做了大量的性能与功能的优化改进。尤其适合电商、云计算以及金融等行业环境。
阿里巴巴：PolarDB
简介：PolarDB是阿里巴巴自主研发的下一代关系型分布式云原生数据库，目前兼容三种数据库引擎：MySQL、PostgreSQL、高度兼容Oracle语法。计算能力最高可扩展至1000核以上，存储容量最高可达100T。经过阿里巴巴双十一活动的最佳实践，让用户既享受到开源的灵活性与价格，又享受到商业数据库的高性能和安全性。
百度：BaikalDB
简介：BaikalDB是百度推出的一个分布式增强型结构化数据库系统。它支持PB级结构数据的顺序和随机实时读/写。BaikalDB兼容MySQL协议，支持MySQL风格的SQL方言，用户可以通过它无缝将数据存储从MySQL迁移到BaikalDB。
柏睿：RapidsTXDB
简介：RapidsTXDB是一款企业级交易型数据库系统，是柏睿数据基于OpenGauss开发推出并提供技术支持服务的商业发行版本，可为各行业客户的交易型（OLTP）应用场景提供安全、稳定、快速的联机事务处理支持。
达梦数据库：DM8
简介：DM8是达梦公司在总结DM系列产品研发与应用经验的基础上，推出的新一代自研数据库。DM8融合了分布式、弹性计算与云计算的优势，对灵活性、易用性、可靠性、高安全性等方面进行了改进，支持超大规模并发事务处理和事务-分析混合型业务处理。
国网信通和创意信息联合发布：思极有容
简介：“思极有容”数据库是一款国产自主可控的分布式关系型数据库，支持国产CPU、操作系统生态，支持云平台和容器。在安全方面，设定多种权限访问、审计、流量控制机制，实现真正资源隔离。产品采用当前分布式技术，提供多种隔离级别，保障完整分布式事务。
瀚高数据库：HighGoDB
简介：HighGoDB是一款企业级OLTP数据库。其专注于企业级市场，在承担海量数据、高并发的复杂业务应用方面表现较为突出，能够满足企业级应用对数据管理的需求。
航天紫光：CASICloudDBCP
简介：航天天域数据库管理系统CASICloudDBCP是由北京航天紫光科技自主研发的基于无共享架构的企业级分布式关系型数据库，具备高性能、高可用、跨平台、线性扩展等特性，并且具备强事务处理能力，同时支持分析。
恒生电子：LightDB
简介：LightDB是恒生电子股份有限公司研发并将长期支持的一款同时支持在线事务处理与在线分析处理的融合型分布式数据库产品。它是一款基于PostgreSQL的关系型数据库，99%兼容PostgreSQL，主要针对金融业务场景优化。
华东师范大学数据科学与工程学院：Cedar
简介：Cedar是由华东师范大学数据科学与工程学院基于OceanBase0.4.2研发的高通量、可伸缩、高可用的分布式关系数据库。
华为：openGauss
简介：openGauss是一款开源关系型数据库管理系统，采用木兰宽松许可证v2发行。openGauss内核深度融合华为在数据库领域多年的经验，内核源自PostgreSQL，并着重在架构、事务、存储引擎、优化器等方向持续构建竞争力特性，在ARM架构的芯片上深度优化，并兼容X86架构。
京东：StarDB
简介：StarDB是京东自主设计研发的一款金融级国产分布式数据库，支持海量数据高并发在线事务处理，具备无感分布式、金融级高可用、高度兼容MySQL、弹性伸缩、安全合规、智能运维管控等重要功能特性。
巨杉数据库：SequoiaDB
简介：SequoiaDB巨杉数据库是一款金融级分布式数据库，目前在超过50家大型银行核心生产业务规模应用，主要面对高并发联机交易型场景提供高性能、可靠稳定以及无限水平扩展的数据库服务。
科蓝：GoldilocksDBMS
简介：GoldilocksDBMS是由科蓝软件研发的拥有独立知识产权的RDBMS，适合需要24小时稳定运行和高性能的交易型单机版及分布式系统使用。
蚂蚁集团：OceanBase
简介：OceanBase是由蚂蚁集团完全自主研发的企业级分布式关系数据库，基于分布式架构和通用服务器、实现了金融级可靠性及数据一致性，拥有100%的知识产权，始创于2010年。OceanBase具有数据强一致、高可用、高性能、在线扩展、高度兼容SQL标准和主流关系数据库、低成本等特点。
南大通用：GBase8s
简介：GBase8s是天津南大通用数据技术股份有限公司自主研发的企业级分布式事务型数据库。支持分布式部署、集中式部署、共享存储高可用部署、支持两地三中心高可用部署。GBase8s适用于OLTP应用场景。
GBase8c
简介：分布式交易型数据库GBase8c是一款sharednothing架构的分布式交易型数据库，具备高性能、高可用、低成本、资源调度精细化、集群运维智能化等特性，可以为金融核心系统、互联网业务系统和政企业务系统提供安全、稳定、可靠的数据存储和管理服务。
PingCAP：TiDB
简介：TiDB是PingCAP公司自主设计、研发的开源分布式关系型数据库，是一款同时支持在线事务处理与在线分析处理的融合型分布式数据库产品。目标是为用户提供一站式OLTP、OLAP、HTAP解决方案。TiDB适合高可用、强一致要求较高、数据规模较大等各种应用场景。
热璞数据库：HotDBServer
简介：HotDBServer是一款实现数据容量和性能横向扩展的交易关系型分布式事务数据库产品。它兼容主流数据库协议和SQL92/SQL99/SQL2003标准语法，支持自动水平拆分和垂直拆分，能在数据存储分布式化环境下为应用提供集中式数据库的操作体验。
人大金仓：KingbaseES
简介：KingbaseES是一款面向事务处理应用，兼顾简单分析应用的企业级关系型数据库，产品融合了金仓在数据库领域多年的产品研发经验和企业级应用经验，可满足各行业用户多种场景的数据处理需求。
神舟通用：神通数据库管理系统
简介：神通数据库管理系统是天津神舟通用数据技术有限公司自主研发的大型通用数据库产品，拥有全文检索、层次查询、结果集缓存、并行数据迁移、双机热备、水平分区、并行查询和数据库集群等增强型功能，并具有海量数据管理和大规模并发处理能力。
腾讯：TDSQLMySQL版
简介：TDSQLMySQL版（TDSQLforMySQL）是部署在腾讯云上的一种支持自动水平拆分、SharedNothing架构的分布式数据库。TDSQLMySQL版默认部署主备架构，提供容灾、备份、恢复、监控、迁移等全套解决方案，适用于TB或PB级的海量数据库场景。
腾讯：TDSQLPostgreSQL版（原TBase）
简介：TDSQLPostgreSQL版（TDSQLforPostgreSQL，原TBase）是腾讯自主研发的分布式数据库系统，具备高SQL兼容度、完整分布式事务、高安全、高扩展、多级容灾等能力，成功应用在金融、政府、电信等行业核心业务中。
万里开源：GreatDB
简介：GreatDB分布式是一款原生分布式关系型数据库软件，具有动态扩展、数据强一致、集群高可用等特性。采用shared-nothing架构，基于数据冗余与副本管理确保数据库稳定可靠，基于数据sharding与mpp技术实现高性能，并具备动态扩展数据节点能力。目前已广泛应用于金融、运营商、能源、政府、互联网等行业核心系统，兼容国产操作系统、芯片等国产软硬件生态。
新华三：SeaSQLDRDS分布式事务数据库
简介：H3CSeaSQLDRDS是一款实现数据容量和性能横向扩展的交易关系型分布式事务数据库产品。它兼容主流数据库协议和SQL92/SQL99标准语法，支持自动水平拆分和垂直拆分，能在数据存储分布式化环境下为应用提供集中式数据库的操作体验。
星环科技：KunDB
简介：KunDB是星环分布式交易型数据库。公司介绍，其实高度兼容MySQL、Oracle的国产分布式交易型数据库，为企业核心业务数据库建设提供完备的能力支撑和可靠的国产化迁移方案。
亚信科技：AISWareAntDB
简介：AntDB是一款通用企业级，高可用、高性能的原生分布式关系型数据库，凭多年技术累积面向电信、政务、能源、金融、交通等行业精心打造。该产品采用了原生分布式架构，实现了在线弹性伸缩和分布式强一致，全面兼容MySQL、PostgreSQL并支持SQL2016标准。
易鲸捷：QianBasexTP
简介：面向大中型银行的新一代云原生分布式核心交易数据库。
云和恩墨：MogDB
简介：MogDB是云和恩墨基于openGauss开源数据库进行定制、推出的企业发行版。
泽拓科技：昆仑数据库
简介：昆仑数据库是泽拓科技研发的NewSQL分布式关系数据库，面向TB和PB级别海量数据处理，以高吞吐量和低延时处理海量高并发读写请求。它提供事务ACID保障，高可扩展性，高可用性和透明的分库分表数据处理功能。
中兴通讯：GoldenDB
简介：针对银行OLTP业务，中兴通讯分布式数据库GoldenDB为业务带来传统单机数据库无法提供的计算及扩展能力，提供高可用、高可靠、资源调度灵活的数据库服务，支持金融行业已有业务升级及创新业务快速部署的需求。
Amazon：Aurora
Amazon：Keyspaces
简介：AmazonKeyspaces（forApacheCassandra）是一种可扩展、高度可用、托管式ApacheCassandra兼容数据库服务。借助AmazonKeyspaces，用户可以继续使用当前的相同Cassandra应用程序代码和开发人员工具在AWS上运行Cassandra工作负载，而无需预置、修补或管理服务器，并且不需要安装、维护或操作软件。AmazonKeyspaces是无服务器服务，因此您只需为实际使用的资源付费，并且该服务会根据应用程序流量自动扩展和缩减表。
ApacheCassandra
简介：ApacheCassandra（一般被简称为C*）是由Facebook开发并开源的分布式数据库系统，具有良好的扩展性，可以动态的在运行过程中进行机器数量的加减，但并不支持太过复杂的SQL操作。Cassandra采用宽列存储模型，每一行数据都由唯一的key标识，并可以有多列，类似于二维的键值存储。Cassandra本身开源，并由开源社区进行维护，因此众多云厂商基于开源版本，都提供了各自的Cassandra云服务。
CockroachLabs：CockarochDB
简介:CockroachDB的目标是打造一个开源、可伸缩、跨地域复制且兼容事务的ACID特性的分布式数据库。据介绍，它不仅能实现全局（多数据中心）的一致性，而且保证了数据库的生存能力，就像Cockroach（蟑螂）这个名字一样，是打不死的小强。CockroachDB的思路源自Google的全球性分布式数据库Spanner。其理念是将数据分布在多数据中心的多台服务器上，实现一个可扩展，多版本，全球分布式并支持同步复制的数据库。2021年12月，CockroachLabs进行了F轮融资，共融资2.78亿美元，估值50亿美元。
Couchbase
简介:Couchbase是一个高性能、分布式、面向文档的NoSQL数据库。Couchbase提供了一些和其他一些领先的NoSQL数据库相似的功能或者增强功能。Couchbase是MemBase与couchDB这两个NoSQL数据库的合并的产物，拥有CouchDB的简单和可靠以及Memcached的高性能。Couchbase于2021年7月在美国纳斯达克交易所进行IPO，目前市值8亿美元左右。
FaunaDB
简介：FaunaDB是一个灵活，用户友好的，支持事务的数据库。Fauna支持原生GraphSQL，同时，Fauna的数据库服务是以安全可扩展的云API的形式来提供，以此来让用户无需操心数据库的机器数量，扩展，分片，备份等诸多问题。2020年7月Fauna进行了A轮融资，共计2700万美元。
Google：GoogleCloudSpanner
简介:CloudSpanner是一项完全托管式用于关键任务的关系型数据库服务，可提供全球范围的事务一致性、自动同步复制功能以实现高可用性，以及对两种SQL方言的支持：Google标准SQL（ANSI2011及扩展程序）和PostgreSQL。
Google：GoogleBigtable
IBM:DB2
介绍：IBMDB2是美国IBM公司开发的一套关系型数据库管理系统，它主要的运行环境为UNIX（包括IBM自家的AIX）、Linux、IBMi（旧称OS/400）、z/OS，以及Windows服务器版本。DB2主要应用于大型应用系统，具有较好的可伸缩性，可支持从大型机到单用户环境，应用于所有常见的服务器操作系统平台下。DB2采用了数据分级技术，能够使大型机数据很方便地下载到LAN数据库服务器，使得客户机/服务器用户和基于LAN的应用程序可以访问大型机数据，并使数据库本地化及远程连接透明化。DB2以拥有一个非常完备的查询优化器而著称，其外部连接改善了查询性能，并支持多任务并行查询。DB2具有很好的网络支持能力，每个子系统可以连接十几万个分布式用户，可同时激活上千个活动线程，对大型分布式应用系统尤为适用。
MariaDB：MariaDBEnterprise、SkySQL
简介：MariaDB是MySQL数据库在Oracle公司之外的独立分枝，由原MySQL团队的部分创始成员开发，并高度兼容MySQL。这些MySQL团队成员担心MySQL被Oracle公司收购之后，会带来一系列的法律和产权问题，因此创立了一条新的开源分支。如今MariaDB也在进行迭代，比如SkySQL是MariaDBEnterprise数据库的云服务版本，提供database-as-a-service(DBaaS)功能。其整合了丰富而强大的数据库功能，简单易用，并且高度自动化。
Microsoft：AzureCosmosDB
Microsoft：SQLServer
MongoDBInc.：MongoDB
简介：MongoDB是一种面向文档的数据库系统，主要管理类似于JSON格式的文档型数据。由总部位于美国纽约的MongoDBInc.公司研发，并于2009年首次发布开源版本。MongoDB采用主从式架构，以此来保证数据的高可用性与可靠性。用户可以自行部署MongoDB集群，也可以付费使用MongoDB的云数据库服务。
MySQL
Oracle：OracleDatabase
简介：：OracleDatabase，又名OracleRDBMS，或简称Oracle。是甲骨文公司的一款关系数据库管理系统。它在数据库领域一直处于领先地位的产品，可以说是世界上流行的关系数据库管理系统。
PostgreSQL
简介：PostgreSQL是一种特性非常齐全的自由软件的对象-关系型数据库管理系统（ORDBMS），是以加州大学计算机系开发的POSTGRES4.2版本为基础的对象关系型数据库管理系统。PostgreSQL支持大部分的SQL标准并且提供了很多其他现代特性，如复杂查询、外键、触发器、视图、事务完整性、多版本并发控制等。同样，PostgreSQL也可以用许多方法扩展，例如通过增加新的数据类型、函数、操作符、聚集函数索引方法、过程语言等。另外，因为许可证的灵活，任何人都可以以任何目的免费使用、修改和分发PostgreSQL。
YugabyteDB
简介：YugabyteDB是一款开源，高性能，云原生的分布式数据库，致力于兼容PostgreSQL所有的特性。它适用于需要高实时性，高可靠性与高数据一致性的云原生应用，同时，它提供了高扩展性，高容错性与全球部署的可能。
按分析能力：OLAP型与HTAP型数据库
在OLAP型数据库中，比较常见的概念之一是数据仓库。进入云时代以来，为了更好的分析数据，数据仓库(datawarehouse)的概念应运而生。用户在产生数据的同时，把相应的数据上传到数据仓库中，之后就可以在数据仓库中进行相应的查询。在数据仓库这个领域最引人注目的玩家就是前面提到的Snowflake。作为软件史上最大的IPO之一，Snowflake上市当天股票就翻番，现在的市值在450亿美元左右。
这一章节我们将盘点业内的OLAP型数据库，以及一些兼容OLTP与OLAP操作的HTAP型数据库。同样如前文提及，具体某个HTAP产品放在OLTP板块还是OLAP板块，主要依据一些公开资料中的描述判断。但整体而言，HTAP兼具两种功能，这里的分类仅供读者参考。
ApacheDoris
ApacheHAWQ
简介：ApacheHAWQ是面向企业用户的先进大规模分布式分析型数据库，完整支持SQL规范并提供优秀的大数据分析性能表现。ApacheHAWQ于2018年8月15日正式毕业。
ApacheKylin
简介：ApacheKylin（麒麟）是一个开源的分布式大数据分析数据仓库；它旨在提供大数据时代的OLAP（在线分析处理）能力。通过在Hadoop和Spark上革新多维立方体和预计算技术，Kylin能够在数据量不断增长的情况下实现接近恒定的查询速度，将查询延迟从几分钟减少到亚秒级。
阿里巴巴：AnalyticDB
简介：AnalyticDB是阿里云自主研发的云原生数据仓库，采用存储计算分离+多副本架构，支持最大5000节点规模的弹性扩容，对复杂SQL查询速度比传统的关系型数据库快10倍以上。不同于复杂、高门槛的大数据体系，AnalyticDB高度兼容MySQL、PostgreSQL，Oracle应用迁移成本低，可对万亿级别的数据进行实时的多维度分析透视，极大地提升了企业挖掘数据价值效率。
柏睿：分布式分析型数据库RapidsUXDB
介绍：RapidsUXDB是一款具备大规模并行处理能力的企业级关系型数据库，采用MPP架构，支持1000+节点扩展。面向智能数据分析(OLAP)应用场景，提供EB级数据的复杂数据分析能力。
达梦数据库：达梦分析型大规模数据处理集群DMMPP
简介：达梦分析型大规模数据处理集群软件（DMMPP）是基于达梦数据库管理系统研发的完全对等无共享式的并行集群组件，支持将多个DM8节点组织为一个并行计算网络，对外提供统一的数据库服务，最多可支持1024个节点，支持TB到PB级的数据存储与分析，并提供高可用性和动态扩展能力，是超大型数据应用的高性价比通用解决方案。
鼎石纵横：StarRocks
简介：StarRocks是一款开源的新一代极速全场景MPP数据库。它采用新一代的弹性MPP架构，可以高效支持海量数据的多维分析、实时分析、高并发分析等多种数据分析场景。它采用了全面向量化技术。StarRocks的目标是成为新一代流批融合的极速湖仓(Lakehouse)。
东方国信：CirroData-AP
简介：CirroData-AP分布式云化数据库面向海量数据分析型应用领域，便于用户管理全量数据，进行快速的统计分析，进而获得数据驱动的商业洞察。CirroData采用了计算和存储分离的技术架构，融合了分布式存储和MPP并行计算的各自优势，不但可以实现云平台上的伸缩扩展能力，而且可以提供随需部署的能力。
东软：思来得数据仓库
简介：NeusoftSelectDataWarehous（简称东软思来得）是东软专家团队基于MPP架构，采用PivotalGreenplum开源平台打造的拥有自主知识产权的，适用于云原生环境的分布式数据库。为企业提供海量数据的管控及并行处理的能力，为IT架构的灵活扩展提供数据底座。
飞轮科技：SelectDB
简介：基于Doris内核的云原生发行版SelectDB，是运行在云上的实时数据仓库，为用户和客户提供开箱即用的能力。据介绍，其主要的特色功能体现在：充分发挥弹性云计算、弹性云存储的优势，实现高性价比；提供可视化、易用的管控平台和用户交互开发平台。
跬智科技：Kyligence
简介：Kyligence全场景OLAP，通过有机融合ApacheKylin与ClickHouse，全面覆盖各类分析场景，用户无需维护复杂的数据平台，即可获得统一的查询分析体验。
瀚高数据库：HGDW
简介：瀚高数据仓库是一款基于大规模并行技术的数据仓库软件，具备无共享、高性能、高可用、扩展容易、海量数据处理等特性。可以为超大规模数据管理提供高性价比的通用计算平台，广泛用于支撑各类数据仓库系统、BI系统和决策支持系统。
火山引擎：ByteHouse
聚云位智：LinkoopDB/ZettaBase
简介：这是一款拥有内核专利的纯国产自研企业级人工智能数据库，吸收了MPP库和Hadoop两种技术路线的特长，以企业级分析型数据库能力为基础核心，增强了流式计算和人工智能计算能力，并且可以统一使用SQL驱动。当前公司产品已经覆盖了电信、公安、军工、金融等领域，场景包括智慧医疗、智能制造、精准营销、舆情分析等场景。
酷克数据科技：HashData
简介：HashData数据仓库融合了MPP数据库的高性能和丰富分析功能、大数据平台的扩展性和灵活性，以及云计算的弹性和敏捷性，以创新性的元数据、计算和存储三者分离的架构，提供了传统解决方案做不到的高并发、弹性、易用性、高可用性、高性能和扩展性。
浪潮：K-DB（m版）分析型数据库
简介：K-DB（m版）是大规模并行处理(MPP)数据库和并行计算框架，可以支撑PB级数据，结构化和半结构化分析型数据库。其产品可作为数据仓库、数据湖中的结构化数据存储、库内数据计算挖掘平台，支撑决策支持、数据挖掘等高级分析场景，帮助用户降低成本和提高效率，从数据中获取对业务的洞察和预测。
南大通用：GBase8a
简介：GBase8a分析型数据库的主要市场是商业分析和商业智能市场。产品主要应用在政府、党委、安全敏感部门、国防、统计、审计、银监、证监等领域，以及电信、金融、电力等拥有海量业务数据的行业。
偶数科技：OushuDB
介绍：OushuDB是由ApacheHAWQ创始团队打造的新一代云原生数据仓库，该产品采用了存储与计算分离技术架构，具有MPP的优点，还具有弹性，支持混合工作负载和高扩展性等优点。
人大金仓：KingbaseAnalyticsDB
介绍：KingbaseAnalyticsDB是一款采用shared-nothing分布式架构，具有高性能，高扩展性能力的MPP数据库产品。适用于数据仓库、决策支持、高级分析等分析类应用场景。
睿帆科技：雪球DB/Snowball
介绍：分布式分析型数据库雪球DB是睿帆科技自主研发的一款基于PB级数据在线高并发极速即席查询的联机分析处理(OLAP)MPP列式数据库管理系统。
可提供PB级数据的在线多维查询和分布式存储，特别适用于海量结构化数据存储、高并发查询、高吞吐即席查询(Ad-hoc)、多维分析和实时查询场景，能够实现PB级数据超高的压缩比，节省硬件成本。
数变科技：Databend
简介：Databend是一个使用Rust研发、开源的、完全面向云架构的新式数仓，致力于提供极速的弹性扩展能力，打造按需、按量的DataCloud产品体验。
石原子：AtomData
简介：AtomData是石原子自研的高并发低延时下一代PB级云原生数据仓库，可以对海量数据进行实时的多维分析透视和业务探索分析，将数据分析和价值化从传统的离线数仓转化为在线实时分析模式。
腾讯：TDSQL-AClickHouse版
简介：TDSQL-AClickHouse版（TDSQL-AforClickHouse，TDACH）是腾讯云数据库团队在ClickHouse社区版基础上，适配腾讯定制化数据库专用硬件，进行了功能增强和性能提升，并且完善了高可用能力而形成的一套分析型数据库产品。
天云数据：HUBBLE
简介：Hubble是一款自主研发的国产分布式HTAP数据库。具备超高并发、多源异构、全量SQL支持等功能特性，能同时支持金融级的在线交易和大规模数据分析的场景，已在多家大型股份制银行落地应用，同时服务支撑证券、保险、能源、政府等众多领域。
星环科技：ArgoDB
简介：TranswarpArgoDB是星环科技自主研发的分布式分析型闪存数据库，可以替代Hadoop+MPP混合架构。支持标准SQL语法，提供多模分析、实时数据处理、存算解耦、混合负载、数据联邦、异构服务器混合部署等先进技术能力。其介绍，通过一个ArgoDB数据库，就可以满足数据仓库、实时数据仓库、数据集市、OLAP、AETP、联邦计算等各种需求。
炎凰数据：炎凰数据平台2.0
简介：炎凰数据产品提供从采集、导入、存储、分析、可视化和告警等一系列服务。提供客户灵活地管理海量多源异构数据，快速分析数据特征，实现异常预测、智能应对的解决方案
易鲸捷：QianBaseMPP
简介：针对数据查询分析、企业级数据仓库、商业智能、物联网和大数据等领域设计的一款大规模并行处理分析型数据库产品。
致大尽微科技：TensorBase
简介：TensorBase是用开源的文化和方式，构建的一个Rust下的实时数据仓库，服务于海量数据时代的数据存储和分析。
DuckDBLabs：DuckDB
简介：DuckDB是一款开源的嵌入式OLAP数据库，被用作嵌入其他程序以进行快速SQL查询分析，因而被称为"OLAP数据库中的SQLite"。DuckDB具有简单易用，快速，开源等特点，并支持包括事务在内的多种功能。DuckDB背后的商业化公司DuckDBLabs总部位于荷兰阿姆斯特丹。
Google：GoogleBigQuery
简介:BigQuery是伸缩能力极强且经济实惠的无服务器多云数据仓库，帮助用户提升业务敏捷性。用户可以批量上传数据并进行分析。BigQuery有以下的特点：利用内置机器学习技术的平台，安全且可伸缩，使更多的用户可以获取数据洞见；通过灵活的多云分析解决方案，以存储在多种云环境内的数据推动业务决策；大规模运行分析的三年期总拥有成本(TCO)比其他云数据仓库低26%–34%
Pivotal：Greenplum
简介：Greenplum是一款基于PostgreSQL的开源数据仓库软件。Greenplum支持50PB(1PB=1024TB)级海量数据的存储和处理，Greenplum将来自不同源系统的、不同部门、不同平台的数据集成到数据库中集中存放，并且存放详尽历史的数据轨迹，业务用户不用再面对一个又一个信息孤岛，也不再困惑于不同版本数据导致的偏差，同时对于IT人员也降低管理维护工作的复杂度。
SnowflakeInc.：Snowflake
简介：Snowflake是一种云原生数据仓库，提供基于云平台的数据存储与查询服务。它支持AmazonAWSS3，微软Azure和GoogleCloud三种不同的云平台。其背后的SnowflakeInc.公司成立于2012年7月，并于2020年9月在纽约证券交易所上市。
Teradata
简介Teradata的数据仓库使用“无共享（sharednothing）”架构，各个服务器之间拥有独立内存和处理能力，增加服务器与节点即增加可储存的资料量，并由数据库软件集中管理各服务器间的承载负荷量。2010年，Teradata加入文字分析功能，借此追踪非结构性资料（如文书档案）或半结构性资料（如试算表），并可应用于商业分析，例如使用资料仓库追踪公司资料，如销售、客户偏好、产品位置等。Teradata于2007年在纽约证券交易所上市。
Yandex：ClickHouse
简介：ClickHouse是一个用于OLAP的开源列式数据库。ClickHouse最早由俄罗斯IT公司Yandex为Yandex.Metrica网络分析服务开发。ClickHouse允许分析实时更新的数据，并以高性能为目标，此外ClickHouse还有以下的特点：真正的列式数据库:没有任何内容与值一起存储；线性可扩展性:可以通过添加服务器来扩展集群;容错性:系统是一个分片集群，其中每个分片都是一组副本；能够存储和处理数PB的数据；SQL支持。其背后的ClickHouseInc.公司位于美国旧金山湾区，同时在荷兰阿姆斯特丹有分部。2021年10月，该公司进行了B轮融资，共计融资2.5亿美元。
按照使用场景3.1图数据库
传统数据库更像是一张张Excel表，数据一行行的写入数据库。而有些信息，比如说银行转账，记录更多的是点和边的信息，转账时我们可以把每一个用户看作是一个点，每一笔交易看作是一条边，这样在进行交易查询的时候，用户可以沿着边，一步步的去查询资金的流向。如果使用传统的数据库进行查询，比较耗时耗力，需要在大量的交易信息里，查询到某位特定用户的交易信息，之后再返回大量的交易信息里，查询下一笔交易信息以及相应的客户，这就需要对数据进行很多轮查询。图数据库则专门应对这样的场景，采用以边为主的存储与查询方式，可以更快的顺着一条条边进行信息的查询。因为主要处理点和边的信息，这些点和边构成了一张张图，对应的数据库就叫作图数据库。
ApacheHugeGraph
简介：HugeGraph是一款易用、高效、通用的图数据库，实现了ApacheTinkerPop3框架及兼容Gremlin查询语言。支持百亿以上的顶点(Vertex)和边(Edge)快速导入，并提供毫秒级的关联查询能力，并可与Hadoop、Spark等大数据平台集成以进行离线分析。主要应用场景包括关联分析、欺诈检测和知识图谱等。
百度：BGraph
简介：百度自研的原生图数据库引擎，能支持超大规模的图数据，具有极高的查询性能，您可将它应用在知识图谱、金融风控、推荐引擎和公共安全等场景。
创邻科技：Galaxybase
简介：Galaxybase是中国自主知识产权的通用商业化分布式图数据库。Galaxybase改变了传统数据存储的方式，以一种更为灵活的基于“对象”和其间“关系”的图数据结构，将分散的不同种类的原始数据连接在一起形成一个关系网络，打通数据孤岛，通过自然语言处理、机器学习、图挖掘等人工智能算法，提供用户从关系角度分析问题的能力，帮助其完成实时决策。
华为：GraphBase
简介：GraphBase是基于FusionInsightHD的分布式图数据库，基于HBase的分布式存储机制，能够支持百亿节点，千亿关系的海量数据，提供基于Spark的数据导入和基于Elasticsearch的索引机制，在推荐、关系分析和金融反欺诈等领域有广泛应用。
极致嬴图：Ultipa
蚂蚁集团：TuGraph
简介：TuGraph是蚂蚁集团联合清华大学自主研发的大规模全栈图计算系统，是高效存储、计算和分析海量图数据的一站式平台，支持在线、近线和离线模式，能够在万亿边图上进行实时查询，其处理规模和性能均达到了国际领先水平，已获得规模化应用，成为蚂蚁集团各种业务风控能力的重要支撑，在数字支付、数字服务、数字金融等核心业务中，显著提升了风险行为的实时识别能力和调查分析效率。
另一家图数据库厂商费马科技已被收购，产品和技术目前融合进了TuGraph。
梦图数据库：GDM
简介：GDM是四川蜀天梦图数据科技有限公司自主研发的分布式图数据库管理系统。
GDM采用分布式架构，支持横向扩展，能够满足大数据时代海量数据的存储需求。基于图理论，GDM针对图数据模型进行了优化存储，在兼顾性能和存储空间上做了平衡，采用多节点并行计算，能够提高大图、超大图的图计算能力。GDM支持分布式事务，能同时满足OLTP和OLAP需求。
欧若数网：Nebula
简介：NebulaGraph一款开源、分布式图数据库，擅长处理超大规模数据集。NebulaGraph采用存储计算分离架构，支持水平扩展，利用RAFT分布式concensus协议来实现金融级的高可用，类SQL查询语言降低了SQL程序员迁移成本。
腾讯：TGDB
简介：腾讯云数图TGDB（TencentGraphDatabase）是腾讯云推出的原生分布式并行图数据库，以原生方式实现属性图，高效存储关联数据，支持千亿级节点大图的高效查询和关联分析。
图特摩斯科技：AbutionGraph
简介：其结合了图数据库（GDB）的简洁拓扑关系、数据仓库（ROLAP+MOLAP）、时序知识图谱的新颖存储思想，首创动态知识图谱数据仓库（GraphHybridOLAP），集多种先进存储技术于一身，实现数据高效存储与分析。帮助企业快速构建数据运营能力，满足个性化定制需求，解决既往图数据库产品无法满足的场景。
维佳星科技：TigerGraph
简介：TigerGraph可以在几小时内加载上TB的数据，并支持超过十跳的图数据查询。TigerGraph同时支持ACID事务操作，数据分片，数据库的横向与纵向扩展。TigerGraph适用于反欺诈，物联网，AI与机器学习等场景，并被中国移动，Wish与Zillow等客户采用。
星环科技：TranswarpStellarDB
简介：TranswarpStellarDB是一款为企业级图应用而打造的分布式图数据库，用于快速查找数据间的关联关系，并提供强大算法分析能力。StellarDB克服了万亿级关联图数据存储的难题，通过自定义图存储格式和集群化存储，实现了传统数据库无法提供的低延时多层关系查询，在社交网络、金融领域都有较大应用潜力。
中科知道：PandaDB
简介：为实现结构化、非结构化数据的融合管理和关联查询分析,“中科知道”采用智能属性图模型,基于Neo4j开源版本,设计并实现了异构数据智能融合管理系统PandaDB。该系统实现了结构化/非结构化数据的高效存储管理,并提供了灵活的AI算子扩展机制,具备对多元异构数据内在信息的即席查询能力。
字节跳动：ByteGraph
简介：ByteGraph是字节跳动自研的分布式图数据库。ByteGraph支持有向属性图数据模型，支持Gremlin查询语言，支持灵活丰富的写入和查询接口，读写吞吐可扩展到千万QPS，延迟毫秒级。据介绍，ByteGraph支持头条、抖音、TikTok、西瓜、火山等几乎字节跳动全部产品线。
Amazon：Neptune
简介：Neptune是AWS上的图数据库，其底层依托于AWSS3存储平台，支持快速进行图数据的查询与处理，并支持多种开源API接口。
ArangoDBInc.：ArangoDB
简介：ArangoDB支持键值型，图数据，与文档数据三种不同的数据格式，并以统一的AQL语言进行数据查询与处理。ArangoDB开源免费，采取分布式架构。ArangoDBOasis是由其背后的ArangoDBInc.公司提供的云数据库服务。2021年10月ArangoDBInc.进行了B轮融资，共计2780万美元。
JanusGraph
简介：JanusGraph是Linux基金会旗下的一款高扩展性的分布式开源图数据库，针对于数十亿量级的点和边的应用场景专门优化。JanusGraph支持事务特性以及几千名用户的并发交易，以及复杂的图数据分析查询。
NEOTechnology：Neo4j
简介：在Neo4j中，所有的数据都被存储为点，线，或者点和线的标签的形式，每个点或者每条边都可以有多个标签。Neo4j的核心组件开源，但诸如在线数据备份与高可用性的进阶功能的代码则是闭源的。2021年6月Neo4j公司进行了3.25亿美元的F轮融资。
3.2时序数据库
阿里云：TSDB
百度云：TSDB
蚂蚁集团：CeresDB
诺司时空：CnosDB
四维纵横：MatrixDB
简介：MatrixDB是四维纵横推出的超融合型分布式数据库产品，是同时支持在线事务处理（OLTP）、在线分析处理（OLAP）和物联网时序应用的超融合型分布式数据库，具备严格分布式事务一致性、水平在线扩容、安全可靠、成熟稳定、兼容PostgreSQL/Greenplum协议和生态等重要特性。为万物互联的智能时代提供智能数据核心基础设施，为物联网应用、工业互联网、智能运维、智慧城市、实时数仓、智能家居、车联网等场景提供一站式高效解决方案。
涛思数据：TDengine
简介：为物联网而生的大数据平台TDengine是涛思数据推出的一款开源的专为物联网、车联网、工业互联网、IT运维等设计和优化的大数据平台。除核心的快10倍以上的时序数据库功能外，还提供缓存、数据订阅、流式计算等功能，最大程度减少研发和运维的复杂度。
腾讯云：CTSDB
简介：腾讯云时序数据库（TencentDBforCTSDB）是一种高效、安全、易用的云上时序数据存储服务。特别适用于物联网、大数据和互联网监控等拥有海量时序数据的场景。
智臾科技：DolphinDB
简介：DolphinDB是由浙江智臾科技有限公司研发的一款高性能分布式时序数据库，集成了功能强大的编程语言和高容量高速度的流数据分析系统，为海量结构化数据的快速存储、检索、分析及计算提供一站式解决方案，适用于量化金融及工业物联网等领域。
InfluxData,Inc.：InfluxDB
简介：InfluxDB是一套由InfluxData,Inc.公司开发的开源时序型数据库。它由Go语言实现，致力于更高效得查询与存储时序型数据。InfluxDB被广泛应用于物联网的实时数据与计算机系统的后台监控等场景。InfluxDB的核心部分开源，但InfluxData将用于支撑InfluxDB集群水平扩展的组件作为闭源产品单独销售。
3.3流式数据处理
流式数据库则将数据看作是一条连续的，永不终止的河流，每收到一条数据，都会对这条数据进行加载和存储，并提供更为实时(real-time)的查询功能。
ApacheFlink
简介：一个开源流处理框架，其核心是用Java和Scala编写的分布式流数据流引擎。Flink以数据并行和流水线方式执行任意流数据程序，Flink的流水线运行时系统可以执行批处理和流处理程序。
ApacheKafka
简介：它是归属于Apache基金会的一个开源流数据处理系统，致力于为实时数据处理提供一个统一、高吞吐、低延迟的平台。Kafka采用“发布/订阅消息队列”的形式来在计算机的不同组件中传递消息，发布者将自己要发布的消息以话题的形式组织，不同的接收者可以选择订阅不同的话题，Kafka则负责将这些消息准确无误的在发布者与接收者之间进行传递。Kafka背后的商业公司ConfluentInc.于2021年6月在纳斯达克证券交易所上市。
柏睿：全内存分布式流数据库RapidsStreamDB
介绍：柏睿数据自主研发的兼顾批处理和流处理的分布式全内存流数据库系统，由SQL编译器和优化器、MPP执行引擎、数据库存储引擎等核心组件构成。不仅如此，该系统还兼容多个主流操作系统如windows与linux，以及各大编程语言接口如C++，JAVA，Python，C#。
EMQ：HStreamDB
简介：HStreamDB是一款专为流式数据设计的，针对大规模实时数据流的接入、存储、处理、分发等环节进行全生命周期管理的流数据库。它使用标准SQL(及其流式拓展）作为主要接口语言，以实时性作为主要特征，旨在简化数据流的运维管理以及实时应用的开发。
奇点无限：RisingWave
简介：RisingWave是开源云原生的支持SQL的流式数据库。其致力于帮助用户建立基于云的低开发成本，低运营成本与低性能成本的实时应用。有了RisingWave，数据分析师、数据科学家与工程师可以轻易得使用SQL来查询流式数据，并挖掘数据背后的价值。RisingWave背后的SingularityData（奇点无限公司）成立于2021年，已经完成数千万美元的融资。
Timeplus
Materialize
简介：Materialize是一个用Rust编写的流式数据库。它在数据更改时在内存中维护SQL查询的结果。传统数据库在发出SELECT语句时进行评估，而Materialize会预先要求查询，并在新数据到达时逐步计算结果。Materialize中的读取速度快、可扩展且无需计算，支持将更新推送到客户端。
VoltDB,Inc.：VoltDB
简介：VoltDB是一个企业级数据平台，VoltDB为各应用提供流式数据实时决策上的支持。VoltDB将洞察立即付诸实践，帮助打造更灵活、更智能的数据驱动型企业。
3.4内存数据库
一般的数据库都针对硬盘上的数据读写，值得一提的是有些公司偏偏剑走偏锋，研发基于内存的数据库。基于内存的数据库一般会快很多，但面对的风险则是断电后数据有可能丢失，因此多被用来缓存数据，加速数据查询，而不是作为数据的主要存储媒介。目前，业界也在期待新的存储硬件的成熟，希望能带来数据库的变革。
阿里巴巴：Tair
简介：云原生内存数据库Tair（Redis企业版）是阿里云推出的支持高并发低延迟访问的云原生内存数据库，完全兼容Redis数据结构和API。支持主从与集群架构，采用多样存储介质应对不同数据温度场景，并提供全球多活、数据闪回、大热Key探测与优化、和丰富的数据模型等特性，赋能大规模高性能要求的在线数据业务。Tair从2009年开始正式承载集团缓存业务，历经天猫双十一、优酷春晚、菜鸟、高德等业务场景的磨练。
柏睿：全内存分布式数据库RapidsDB
简介：柏睿数据自主研发的基于分布式架构的全内存数据库，关键组件包括SQL编译器及优化器、MPP执行引擎、数据库存储引擎等，性能对标OracleTimesTen和SAPHANA。
快立方：Qcubic
简介：Qcubic内存数据库是快立方自主研发的关系型内存数据库，致力于解决海量高频事务处理，具有高性能、高并发、高可用、低延时特性。公司介绍，其核心技术指标比传统数据库提升10倍以上。
Pika
简介：Pika是一个可持久化的大容量redis存储服务，最早由360奇虎公司研发并开源。
Oracle：TimesTen
简介：TimesTen是Oracle旗下的基于内存的OLTP数据库，其致力于高稳定性与弹性扩展。TimesTen属于关系型数据库，支持横向的分布式扩展。
RedisLabs：Redis
简介：Redis是基于内存的分布式键值对存储数据库。与基于硬盘的传统关系型数据库不同，Redis为了实现更高的性能，将数据存储在多台机器的内存中，以此来实现更快的读写速度，此外，Redis也不支持关系型数据库的表单存储，而是只支持最简单的键值对存储。因为其基于内存的特性，Redis多被用于计算机系统的缓存层(cache)，一方面使系统更快速，并减轻底层数据库的压力，另一方面即使断电，也只会丢失缓存中的数据，而底层的数据依然由其它的数据库存储在硬盘中，不会使底层的数据永久丢失。
SAP：HANA
简介：SAPHANA是一款基于内存的列存储的关系型多模数据库，支持实时数据分析与多种ETL操作。SAPHANACloud是其对应的云服务版本。
3.5多模数据库
阿里云：Lindorm
简介：Lindorm是阿里云推出的一款适用于任何规模、多种类型的云原生数据库服务，支持海量数据的低成本存储处理和弹性按需付费，提供宽表、时序、搜索、文件等多种数据模型，兼容HBase、Cassandra、Phoenix、OpenTSDB、Solr、SQL等多种开源标准接口，适合元数据、日志、账单、标签、消息、报表、维表、结果表、Feed流、用户画像、设备数据、监控数据、传感器数据、小文件、小图片等数据的存储和分析。
矩阵起源：MatrixOne
简介：MatrixOne是面向未来的超融合云和边缘原生DBMS，它通过简化的分布式数据库引擎支持跨多个数据中心、云、边缘和其他异构基础架构的事务、分析和流工作负载。
另外，前文还介绍过MatrixDB、HANA也具备多模特点，在此不再赘述。
相比关系型数据库，MapReduce的查询功能更加灵活，并且不要求底层数据结构化，因而MapReduce经常被用来处理非结构化的数据，因而与NoSQL数据库一起，被当作非结构化数据的大数据处理工具。
阿里云：E-MapReduce
简介：开源大数据开发平台E-MapReduce（简称EMR），是运行在阿里云平台上的一种大数据处理的系统解决方案。开源大数据开发平台EMR构建于云服务器ECS上，基于开源的ApacheHadoop和ApacheSpark，让用户可以方便地使用Hadoop和Spark生态系统中的其他周边系统分析和处理数据。EMR还可以与阿里云其他的云数据存储系统和数据库系统（例如，阿里云OSS和RDS等）进行数据传输。开源大数据开发平台EMR的SmartData组件是EMRJindo引擎的主要存储部分，为开源大数据开发平台EMR各个计算引擎提供统一的存储优化、缓存优化、计算缓存加速优化和多个存储功能扩展。
H3C：E-MapReduce
简介：E-MapReduce数据平台服务：提供丰富的大数据组件即服务，包括但不限于分布式文件系统、NoSQL数据库服务、内存数据库服务、离线计算、流式计算、内存计算、SQLonHadoop等服务，同时还提供自研统一SQL服务，可兼容标准SQL，对外提供统一的数据查询/分析服务，提升平台的整体易用性。
大应科技：Aloudata
简介：Aloudata是一站式的敏捷数据工作台，基于AI增强的湖仓引擎，提供自助式的数据准备和闪电般的查询能力。Aloudata致力于让企业无需搭建复杂ETL链路，业务人员即可自助完成数据处理和分析，让每一个业务需求和创意都能及时获得数据支撑。
Databricks
简介：Spark与Hadoop是业界最主要的开源MapReduce工具，而Databricks是由Spark的创立者成立的商业公司，致力于为用户提供更好的大数据分析工具。公司的主要发力点为数据湖与云计算，其开发的DeltaLake项目将数据湖与机器学习结合起来，方便数据科学家在格式并不规整的数据湖中进行数据分析。此外，Databricks也在微软的Azure与GoogleCloud上提供Spark的云服务。2021年8月，Databricks完成了第八轮融资，共融资16亿美元，估值38亿美元。
HBase与Hive
简介：HBase是一个开源的非关系型分布式数据库（NoSQL），运行于HDFS文件系统之上，为Hadoop提供类似于BigTable规模的服务。HBase的表能够作为MapReduce任务的输入和输出。Hive是一种用类SQL语句来协助读写、管理那些存储在分布式存储系统上大数据集的数据仓库软件。Facebook为了解决海量日志数据的分析而开发了Hive，后来开源给了Apache软件基金会。HBase与Hive都属于Hadoop生态的一部分，其对应的商业化公司有AmazonAWS，Cloudera等。
3.7文本搜索
ElasticSearch
3.8向量检索引擎
在人工智能领域，用户进行模型训练时会将数据进行压缩转换，变成相应的向量(vector)，比如说把一张张图片变成相应的向量，之后根据这些向量之间的距离来判断对应照片的相似度。随着人工智能的发展，向量检索的速度成为AI领域的瓶颈之一，而向量检索引擎正是解决这一问题的手段之一。
赜睿信息科技：Milvus
简介：Milvus是上海赜睿信息科技有限公司(Zilliz)研发的海量特性向量检索系统。Milvus依托GPU加速，提供极速特征向量匹配以及多维度数据联合查询（特征、标签、图片、视频、文本和语音等联合查询）功能，并且支持自动分表分库和多副本，能完美对接TensorFlow、Pytorch和MxNet等AI模型，可实现百亿特征向量的秒级查询。
FaceboookFaiss
简介：Faiss是由Facebook研究院(FAIR)研发并开源的进行高效向量查询检索的代码库(library)，它支持对不同大小的向量集的检索，同时也实现了多种参数调优的算法，可以用作人脸识别，基因对比等用途。
Proxima
Vearch
简介：Vearch是对大规模深度学习向量进行高性能相似搜索的弹性分布式系统，支持多种数据模型，如空间、文档、向量和标量。
参考文献：
《深氪｜鏖战！国产数据库》，36氪
《2022年的企服投资：基础层，还是应用层？｜2022展望》，36氪
《解读开源的2021：从“开发者亚文化”，变成主流软件开发模式》，InfoQ
《产业调研：混沌初开的国产数据库市场》，计算机文艺复兴
《中国数据库管理系统市场指南》，Gartner
《2020年中国行业大数据市场现状及发展前景分析，未来五年市场规模或将近2万亿元》，前瞻研究院