云原生数据库：揭秘其真正含义

　　过去一年，云原生成为数据库发展的主流技术趋势。问题是，什么是云原生数据库，不同企业有不同版本解读。

　　阿里云认为，云原生已经过了IT基础设施及应用场景云化的1.0时代，不再只强调单品能力是否容器化，或者是否通过微服务、Serverless等新技术构建；现在，云原生数据库已进入 2.0时代，更强调一个能集成多种引擎的全面数据库解决方案。说白了，有了云原生，底层的每个分区都可以充分享受云带来的弹性和高可用能力。但同时，云原生并非孤立存在，而是与分布式、在离线一体化、库仓一体、多模数据处理等核心技术相互融合，让数据在不同应用场景和系统之间自由流转，进而实现一站式全链路数据管理与服务。

　　腾讯云则认为，云原生数据库强调的是极致的性能、弹性和无限扩展能力。比如：用户不仅可以在云上搭建自己的数据库，还能在全面云化的基础设施环境中，按照使用情况进行更细粒度的计费。

　　而华为云，更看重上层的应用和架构是否基于云的方式进行改造。换言之，除了资源池化，你的业务是否“生于云、长于云”，决定了你是否能充分享受到云原生数据库带来的极致体验。

　　如此一来，云原生数据库好像各有千秋，但对于用户而言，依然是一知半解。其实，要想真正了解云原生数据库的概念和内涵，要从用户的应用场景变化开始梳理。

　　充分利用云上能力

　　过去，软件开发和应用是单体式，要想拥有更强大性能，只有一个选择，那就是在底层购买更大内核的服务器。性能虽然上去了，但价格不菲，很多银行用户都知道，大机的价格很贵。

　　终于有一天，互联网时代来临，我们可以以更合理的方式，解决性能和成本的问题，这便是最早期的云服务模式，也就是云数据库时代。（注意：云数据库不同于云原生，更多内容可以参考《云原生数据库大红大紫背后，透漏出哪些关键点？》）。包括现在，很多企业上云的模式，依然是软件不动，直接把本地架构搬上云，相当于是把硬件资源进行了池化。

　　实际上，云带来的核心价值，远不止于硬件堆砌起来的存储层面上的共享，而是上层应用上的分布式能力的破解。云，天然是分布式结构，基于云的弹性设计数据库应用，意味着数据库的结构不再像从前那种集中式架构，要靠单体计算能力的强劲，来决定最终的性能。

　　现在，我们可以通过很便宜的硬件，实现更高的性能。比如：银行业务，很多应用场景都有计算能力要求，而靠硬件堆砌的单体模式，明显存在瓶颈。再比如：双十一场景，云计算可以解决大机解决不了的问题，突破了硬件计算能力理论上的桎梏，这些都是云数据库带来的改变。云数据和云原生数据库，一脉相承。（关于什么是云数据库，可参考笔者之前总结的文章《云数据库选型也绕不开“CAP定理”？》）

　　那么，云原生带来的改变是什么？答案是，架构上的根本改变，云原生让数据库实现真正意义上的横向扩展！

　　算力解耦、数据可以大量解析，包括大数据的蓬勃发展，都是云架构带来的改变。但如果你只是把数据库搬到云上，只能算是应用到硬件红利，业务层面依然受过去瓶颈制约。所以，最佳业务模式是，从业务架构上进行云原生化改造。

　　适用于对时效性要求较高的业务

　　问题是，都在谈云原生，不同云原生数据库有哪些区别呢？

　　放眼望去，拥抱云原生数据库的路径有两个。一类是直接使用公有云厂商提供的产品和服务；另一类是以公有云的架构和做法做自己的私有云。

　　理论上讲，只有公有云才具备云原生数据库能力，因为云原生是有成本的，只有最大化共享，才能分摊公共成本。尤其是业务规模到达百万级、千万级规模的时候，没有云原生的体系和架构，根本支撑不住。

　　只是，在数字化转型背景下，只用一款或者几款由公有云支撑的云原生数据库，支撑千行百业的各个细分场景，从哲学角度看，这是理想状态，根本不可能实现。所以，不同公有云之间出现了技术上的差异，采用不同的产品组合，解决各类场景细分的问题。

　　另外，对于规模不太大，或者自身业务规模很大、其业属性不太适用于阿里、腾讯、华为的企业，则在本地尽量以公有云的方式，拥抱云原生数据库技术路线。

　　比如：国内某大型银行科技公司，既搭建了公有云，也有自己的私有云。数据库服务，目前主要对内提供服务，企业可以在云上直接部署Redis、PostgreSQL等。其中，TiDB的底层，已经实现容器化部署。

　　相对于本地业务模式，云原生数据库可以带来更强大的扩缩容能力。对于大多数金融业务而言，增量相对稳定，比较容易预测云上资源容量。云原生数据库更偏向于互联网那种高并发业务场景，对于实效性要求比较高，云原生带来的好处是，可以把权限交给用户，自动化程度比较高，用户可以自己按需选择，不需要找专业的DBA帮忙。

　　对于大多数用户而言，可以把类似于EBS、块存储等技术封装成业务能力，加入企业自己的甬道，这便是云原生数据库最佳范式。当然，最终结果肯定和公有云的云原生能力没法比；但这就是企业应用现状，不同企业对数据合规及应用场景，都有不同需求。