在曩昔的 30 年中，作为编程言语、操作体系中必不可少的技能，数据库的数量在呈指数级增加，现已诞生出数百种不同的数据库。

　　起先关于数据库的探究首要会集在数据库查询和它的模型上，包含 SQL（结构化查询言语）、XML（可扩展符号言语）和面向方针。

　　它们凭仗结构化查询言语和遵照 ACID（原子性、一致性、阻隔性、持久性，在呈现毛病的情况下也能够确保数据的有效性），简直主导了商业商场和开源社区。

　　可是，数据的品种、速度以及数据量在不断增加，这对数据库提出了更高的要求，这时呈现了一种新的数据库：NoSQL。

　　不同于传统的数据库，NoSQL 答应部分数据运用 SQL 体系存储，而其他数据则运用 NOSQL 体系存储。

　　除此之外，NoSQL 还初次提出了功用功率、形式灵活性和一些新的功用，并且还具有键值存储、文档数据库、面向列的数据库、图形数据库等。

　　但由于 NoSQL 数据库在恪守 CAP 定理（不能一起满意一致性、可用性、分区容错性）时更重视可用性而非一致性，导致许多数据库为了完成终究一致性或非标准化而做出妥协和优化。

　　就比如说 NewSQL，它是一类现代的联系数据库，为 OLTP 作业供给了与 NoSQL 相同的可扩展功用，一起依然运用 SQL 并保护传统数据库的 ACID 确保。

　　它是用于数据剖析和事务洞悉的中心组件，但在 10 年前大数据渠道呈现之后，人们从传统的数据仓库转移到大数据渠道，它就相形见绌了。

　　直到云技能的呈现，从头赋予给数据仓库新的功用，使它具有了可扩展性，数据仓库这才再次被人们注意到。

　　除此之外，这种解耦架构还能为数据库体系兼并不同类型的存储和核算，以完成整体的高功用和新功用。

　　S3（Simple Storage Service 简略存储服务）由于本身的简略性、低本钱、高可用性、可扩展性等，现已成为云核算的根底。

　　首先是 Data Lakehouse，它适当所以数据仓库和数据湖的结合，能够看作是在方针存储上运转快速的 SQL。

　　它一起具有了数据仓库的功用和数据湖的灵活性，能够消除数据孤岛（数据之间无法互通）和 ETL（抽取 - 转置 - 加载）进程，然后使得数据的功用、灵活性和本钱效益都得到进步。

　　除此之外，它还一致了一切的数据，简化了数据工程进程，并支撑 BI（商业智能）和 AI 作业负载在一起。

　　比如说谷歌发布的 HTAP 数据库产品 AlloyDB，具有杰出的功用、可扩展才能和可用性，并且在高并发的 OLTP 环境中，能够快速呼应用户的杂乱操作。

　　而 Snowflake（数据云公司）紧随其后，发布了 Unistore，相同也支撑 HTAP，能够在单一渠道上一起处理买卖和剖析数据。

　　并且，当时的 HTAP 是支撑 OLTP 和 OLAP 作业负载的单一体系体系结构，而前期的数据库只能装备为 OLAP 或 OLTP（不能一起运用）。

　　总的来说，未来数据库的方针应该是解锁一切数据的事务价值，并支撑 BI 和 AI 的整个数据景象，包含从描绘到确诊、猜测和标准等数据剖析操作。

　　一致 BI 和 AI 不只能够消除数据仓库和 ETL，还能够简化管道，进步利益相关者的生产力。Data Lakehouse 能够被视作是一个巨大的腾跃，可是现在还仅仅处于起步阶段。

　　除此之外，在从数据到商业价值的进程中，也会激起多种的岗位需求 : 数据工程师、数据剖析师、数据科学家、机器学习工程师等。

　　就现在来看，数据库技能交融现已成为一种趋势，如 NewSQL、Lakehouse 和 HTAP。

　　并且当时的 HTAP 解决方案首要是 OLTP，只合适小型作业负载。现在商场上可用的 HTAP 还远不能作为大型企业数据仓库或数据非结构化数据。

　　因而，专门构建的数据库很有必要，它能够更好地满意不同的事务方针，包含功用、可伸缩性或许 / 和特定的用例（例如，时刻序列数据、图表、查找等）。

　　它能够进步与多个云供货商的服务可用性，经过近距离核算削减推迟，从特定的云生态体系启用共同的功用，经过更多的云产品扩展全球可用性，并增强数据遵照性。

　　智能数据是 AI for Data，它能够使数据具有数据办理、数据谱系、元数据、语义以及来自剖析和人工智能的新数据等方面的要素。

　　估计到 2025 年，一切数据的 10% 将由生成型人工智能模型发生。这些数据包含声响、视频、图画、文本、结构化数据、代码等。

　　这样的数据库不仅仅一个数据办理体系，并且还供给了数据可观测性、安全和隐私、定价、数据生命周期办理等。

　　欢迎重视人工智能、智能轿车的小伙伴们参加咱们，与 AI 从业者沟通、商讨，不错失最新职业开展 & 技能发展。