Techtalk技术交流社区直播-未来已来：DBA如何在AI与国产数据库浪潮中乘风破浪直播内容整理

原创尚雷 2024-03-25

533

一、前言

3月14日晚，由Techtalk技术交流社区主办的“未来已来：“DBA如何在AI与国产数据库浪潮中乘风破浪-直播交流”为主题的直播拉下帷幕，白鳝、薛晓刚、张瑞远三位老师就当下 DBA 关注的几个话题展开讨论：

话题一：智能运维下，DBA如何携手AI开创新未来？

话题二：Oracle霸主地位稳固，国产数据库崛起，DBA如何抉择未来之路？

话题三：300+国产数据库，如何选定最佳技术栈与发展路线？

本文我将会围绕这三个话题对当天的直播的内容进行整理，并精选了互动环节一些观众的精彩问题和老师回答。

近几年，人工智能的飞速发展和国产数据库的崛起，为我们的行业带来前所未有的变革。那么，作为DBA，我们如何在这波浪潮中找到自己的位置，乘风破浪，创造属于自己的未来呢？

话题一：智能运维下，DBA如何携手AI开创新未来？

白鳝：

AI的发展趋势是我们所无法左右的，英伟达的老黄甚至认为通用人工智能（AGI）将会在5年内出现，可能这个观点有点乐观，不过也不会太不靠谱。如果真的在5年左右产生AGI，那么在15年到20年左右，AGI将会逐渐成熟，并深度影响整个世界。因此DBA要做好与AGI共存的准备。不过大家也不用过于焦虑，AI可以成为DBA前所未有优秀的工具，而不会拿走DBA的工作。只不过那时候的DBA在技能和从事的工作内容上会有所不同，能够与AI更好融合的DBA具有更大的优势。如果我们想要拥抱这个趋势，现在开始可以从以下几个方面去做些准备。

以更加开放的态度去接触AI，而不是出于恐惧或者其他原因故意远离它。现在的AI在DBA领域可能还很弱智，但是它的成长是很快的。今早认可它，接触他，使用它是更好的态度。

有开发经验的DBA，除了会写SQL外，最好再去学会PYTHON编程，PYTHON很简单，我这个50多岁的人没有看任何书籍，仅仅依靠以前C语言那点功底，遇到问题问问同事，也可以写一些PYTHON脚本，改一些PYTHON代码了，所花的时间不到半个月。

可以去尝试利用PYTHON和一些算法去分析你手头有的数据，哪怕是ASH，AWR数据都可以。从生产环境中导出这些数据，在自己的电脑上尝试用一些简单的AI算法去做异常检测，去做模式分析和归类分析，你会发现一个全新的世界。当然我这仅仅是给有兴趣的朋友的建议。

在日常工作中尝试使用各种免费的大模型来进行知识探索，问题分析和搜索。我经常使用newbing、星火、文心等大模型来学习一些新的国产数据库的知识，效果比直接看文档要好得多。甚至我也使用大模型来帮我分析一个复杂的执行计划，其效率也比我一点点看要快得多。用好大模型工具，可以帮我们减轻很多工作负担。

有条件的朋友可以尝试线下部署一个大模型，CHATGLM6B3、Yi-34B-Chat、Qwen-7B、Baichuan2-13B等模型都可以在一块3090显卡上跑起来，有些模型通过量化缩容后甚至可以在一块3060上跑起来。如果手头资金有限，咸鱼上买个二手显卡也是可以的。利用这些离线模型，可以尝试建立你自己的本地知识库。蚂蚁开源的DB-GPT开源项目是一个不错的框架。

薛晓刚：

依托一些工具智能帮我们缩短了学习的周期。徐老师在这方面是我们的榜样，他们公司就研发了数据库的智能运维工具。不过我个人观点还是觉得AI不会替代DBA。AI是帮助DBA的。

举个例子医院的医疗设备通过，通过血液检查无需人工干预直接可以得到各项指标的正常与否。是不是可以自动化的不要医生了？不是的，自动化的结果然后要结合过往病史以及是不是对某些药物过敏才能对症下药。这里就想是找到问题的SQL，要看看这个是外购产品写的还是自己开发团队写的。这样就知道是能进行改写还是要采用其他特殊手段解决问题。

再加上B超检查以及CT这些检查，如果没有专业的知识再先进的技术都不能定位问题。昨天我就遇到一个主库正常，从库延迟。我通过一系列手段发现从库写入出现问题。但是不是SQL引起的，应该是共享存储。AI可能会得出结论，但是他不能继续去找共享存储为什么？这就需要人工介入了。因为数据库是和操作系统以及硬件打交道的产品，有的时候AI是一方面，实际解决问题是另外一个方面。

现在数据库可观测性方面做的比较好的比如Oracle，AWR看一下就知道大致问题。具体深入定位问题，以及怎么解决问题，未必可以不要DBA。

简单的没有索引的问题数据库甚至自己可以解决。因为没索引的全表扫描这个AI可以部分解决。N年前Oracle就有了。但是没有where条件的应该如何解决？这是AI时代给我们创造的机会，要我们去干预。需要专家出手去解决的都是大事，把DBA从低价值中解脱出来。做一些扩大自身影响力的工作。

这就像就像感冒发烧一样。（话说不吃药一周能好，吃药7天也能好）。但是大病还是要看医生，甚至要到大医院看医生一样的道理。

以数据库而言，不少高消耗的SQL会造成负荷，智能运维可以快速定位到这个SQL。这个要比KV的监控要强很多。那么这个SQL是怎么产生的？AI可能会告诉我们一些原因。但是这是不是真实的原因？有些甚至是要结合业务来看待问题。而AI无法侵入到每个业务中去。

不过AI在有些方面做的确实出色。帮助我们发现一些知识的盲点，甚至帮我们快速写Java和Python大大缩短了我们学习的成本和周期。

张瑞远：

目前很多公司包括我们这种第三方运维公司，都在探索AI以及AI运维相关的领域，还有些已经在这个领域做出了一些产品并投入了生产使用，并在日常的运维中对DBA起到了辅助作用。

自从chatGPT出来后，我们也陆续测试过chatGPT 3.5、4等多个版本。就像白鳝老师刚所描述的，虽然当前AI没有那么完善，但不可否认的是，它日常的工作和学习中对于我们已经是一个非常好的辅助工具，但通过其版本不断的迭代，它的准确度也是越来越高。

当前是一个国产数据库百花齐放的时代，但每个人的精力有限，很难接触到那么全面的知识，尤其是很多数据库还是闭源，想要去全面的了解它是很难的，比如对于我，之前是从事Oracle的，后来转行做OB,从Oracle转到OB，如果想要深入了解其体系结构，是需要挺长的时间的，但如果我能有一个AI工具或平台，而且能给我提供一些比较精准的答案，尤其是一些安装部署，亦或是一些简单的参数调整，我都可以借助其来完成，就可以极大的降低我学习的难度和成本，我觉得AI是降低了初级DBA入门的难度，借助AI，我假如有3分的能力，但可以达到6分的效果。

对于一些疑难杂症，比如在知识或者训练度不够的情况下，AI可能会给出一些谬误的结论，对于更高层级的DBA可以根据自己的知识进行判断。

尽管AI不那么完美，但随着时间的发展很产品不断迭代，它总会变得越来越好，未来AI一定会在日常生活和工作中占有一席之地。

话题二：Oracle霸主地位稳固，国产数据库崛起，DBA如何抉择未来之路？

白鳝：

国产数据库替代这件事正在逐渐兴起，这是必然的趋势，中美科技之争没有十年八年是看不到结果的，所以我们也要尽快调整心态，接受这个事实，并为此做出一些准备。

1）开源数据库原本对Oracle产生的冲击因为国产数据库替代的出现而会加快速度。很多有钱的行业的核心系统将会从Oracle上迁移下来。这些衣食父母身上发生的变化必然会影响到以此谋生的DBA群体。短期来说这个影响还不会特别大，就像当年X86替代小型机对硬件维保行业的影响一样，一些大型维保公司的硬件工程师直到最近这两年才感受到瑟瑟的寒意，这件事已经开始了差不多十年了，不过这件事必然会到来。

2）过度的焦虑也是没必要的，因为无论用什么数据库产品，DBA依然是不可或缺的。只不过我们要为自己的未来做好准备。目前的Oracle DBA，如果你的技术不错，学习能力很强，对Oracle也是充满喜爱，那么就更深入的学习和研究，成为真正的高手，在未来Oracle 高级DBA的职位依然会很吃香，Oracle的存量用户依然是相当多的。Oracle的初级DBA工作机会依然会存在，安装部署，日常维护和扩容这些工作依然有大量的工作机会，只不过这部分工作的薪资水平可能会比较低。中级DBA受到的冲击可能会比较大，因为关键行业这方面DBA的需求会在未来三五年后开始减少，同时因为AI技术的发展，部分这方面的工作会由掌握了AI工具的初级DBA完成，也会对中级DBA产生冲击。因此中级DBA可以考虑往高级发展，或者在未来几年里完成转型。

3）在最近数年中，大量的系统要做迁移，数据迁移工程师的工作机会会很多，大家也可以考虑通过这个机会去完成转型，并通过这个机会去了解和熟悉国产数据库。

4）有机会去某个数据库原厂工作也是不错的，特别是年轻的，没有太多负担的DBA，先到某个原厂去干上几年，哪怕不能长期干，也可以充实一下你的知识库。

薛晓刚：

我其实很多没赶上。别人都在学Oracle，我去学习Oracle。然后MySQL热了，我也去学MySQL。但是注意我这里并不是一个转移阵地，而是扩张阵地。然后国内大数据炒作起来了，那么去学习大数据。只是无用武之地。然后PG在中国有抬头的趋势，我也去学了PG。再次扩张。这也就开启了我公司用不到，但是我开始学习（用不到）的路程。随后的达梦、TDSQL、TiDB 、OB等。当然我只说了OLTP的。

其实相信大家在工作中少不了NoSQL的数据库。有KV的Redis、文档的Mongodb、列式的GP、CK、SR还有Oracle的、图数据库、时序数据库、全文索引等等。我全赶上了。还优化过SQLServer和DB2.经历了这么多，大家可能会问怎么选呢？

我其实当初要知道怎么选就不会这样了。这就像上学时候老师请一个同学上来分享学习经验一样。你听他说，我都没复习，考试前就玩了。你可能就上当了。当然也可能别人就是学习好。他人的经验可能对你有用也可能没用。

也可能我的不适用于其他人。我是看到新的，就去试试学习，哪怕就懂个皮毛。我不太会说这个我不用就不学习。但是精力也有限，量力而行。咱们还涉及到MQ、Kafka、PulSar等。但是大家有的焦虑我之前都有过。这个是可以借鉴的。我意思消除焦虑可以借鉴。我干的不一定对。

可能大家心里都彷徨该怎么办？我这里有几种方法供参考。

2019年时候已经不是去O了，而是去M。我工作后其实我从来不担心自己失业，这家不行换一家，哪里都是Oracle。但是现在这个比较割裂。有的是OB，有的是TiDB，还有Polardb，使得我们换工作难度上升了。确确实实摆在我们面前。

我有一篇公众号《相逢一笑泯恩仇》，MySQL和PG的恩怨大家可能也知道。其实就是一个选择之争。而今天又何尝不是？有时候可能是看运气吧。如果你觉得保险的话，只能投入多份经历去押。

如果不考虑鄙视链，其实也不应该有这种。数据库门派之争。想必大家知道有MySQL的学习群，也有PG的学习群。可能有的水火不容。我自己的群希望大家放弃门派之争。清末不少武林人士说我们应该放弃门派之争。有一次我参加嘉年华，看到盖国强老师提到，一主一备双引擎，开源商用两相宜。那次我觉得可能对于不少企业。单用商用（成本高），单用开源（搞不定）。所以即不可能都商用，也不可能都开源。每种数据库都有他自身的场景。而如今还要加上一个国产。

商用，开源，国产。结合自己判断。选A数据库还是B数据库。就像小马过河的故事一样。有时候A数据库更加适合甲公司，有的时候B数据库更加适合乙公司。墨天轮上前几位在一个用户那里PK，最终只有一个胜出。用户选了一个可能这个更加适合当前自己的产品。并不是说其他不行。毕竟还有其他用用到了其他的产品，对吧？

这里有个笑话说，说有个公司从Oracle切换到了MySQL，本来稳定的系统总是出现故障。后来从外面请来了一个总监。在这个总监的带领下，技术团队进行了针对数据库的适配改造。经过一段时间后，系统稳定了。不过这个时候公司发现成本反而上升了，原因是因为总监太贵了。那么如果将来一个系统从Oracle切换到了国产，也要做这个适配。那么大家就是那个总监了。很贵的。

我其实还是佩服只做一种的。工匠精神。只做一种，其实也饿不死。只是路窄。大家听过长板原理吗？单一技能做到极致也可以碾压常人。我讲这个也是个参考。希望能缓解焦虑。

总之，当年我是因为主备技术栈让我不焦虑了。

张瑞远：

作为一线DBA，我见证了数据库技术的迅猛发展和转型，从Oracle到国产数据库的转换不仅带来了挑战，也开辟了新的机遇。数据库数量的激增要求我们拥有更高层次的技能，面对多样化的数据库产品，为DBA相关的职业人士提供了更广阔的舞台。

职场生态多样，有的人对当前状态感到满足，采取躺平态度；有的因不满薪资或工作环境而感到焦虑，渴望更好的发展；还有的因技术栈与公司需求不匹配而寻求转型。对于我而言，处于第三方维保公司的稳定环境，面对国产化需求，我选择积极适应新技术和产品。

面对变化，有的人可能在舒适区内等待政策驱动的项目；有的人则决定走出舒适区，寻找新的挑战和机遇。市场的不确定性像股票市场一样，未来可能只有几家主导厂商，因此个人选择变得尤为重要。

我目前所在的企业正经历转变，从密切合作的Oracle项目转向更多国产化项目。面对市场的变化，我主动学习和适应新的数据库技术，以保持自己的竞争力，并为客户提供更高的价值。这种主动拥抱变化的态度，对于个人和企业来说都是至关重要的。

话题三：300+国产数据库，如何选定最佳技术栈与发展路线？

白鳝：

我90年代初开始使用数据库，用过DEC/RDB、VAX/RMS、foxpro、Interbase、Oracle、Sybase ASE、Informix等数据库。最终选择了Oracle作为未来的主攻方向，我的经历可以为现在的DBA提供一些参考。

1）当时我从这么多数据库中选择Oracle，并不是因为Oracle当时是最好的数据库产品，而是因为Oracle足够复杂，并且不是那么易用，另外周边的很多客户都在用Oracle，而且Oracle很贵，用户舍得在服务上花钱，所以我选择Oracle作为主攻方向。在未来DBA选择某个国产数据库作为主要方向的时候，也可以用这个思路去考虑问题。首先看看周边的大客户都在用什么，看看哪个国产数据库的销售比较好。另外就是你不要去选择那些本身也卖不出多少钱的数据库产品作为你的主攻方向，用户都舍不得花钱买数据库产品，怎么会舍得花大价钱去花钱请DBA？

2）目前还是国产数据库在大型系统中应用的起步阶段，还没尘埃落定，因此还不急着做出选择。24年将会是一个十分关键的年份，明年这个时候，我们可能看得更清楚了。如果不是十分迫切要做决定，等可能是最好的选择。

3）如果你真的想学一个国产数据库，但是又找不到方向，我建议学习一下PG吧。目前很多国产数据库在血缘上都与PG有渊源，openGauss、Gaussdb系列的数据库在很多方面也与PG有相似之处，你在PG上的学习，今后对你转向某种国产数据库可能会有很大的帮助。

薛晓刚：

说到这个茫然啊。今天我也说点争议的，这样才好看。也希望大家冷静和理性的看待。我要说的就是国产最终可能不会这么多。最终有没有30家都不好说。这不仅仅是我个人观点的。2023年1月，在一次直播中（数据库的诸神之战），这是来自头部数据库的几位掌门人达成的一个共识。既然90%是消亡，等等嘛。

尤其是现在的经济环境，企业生存是第一位的。可能这个形式看起来会加速优胜劣汰的这个过程。除了几个做的好的头部企业，大部分国产数据库比诸位DBA还要焦虑呢。
张瑞远：

首先，公司战略是决定数据库转型是否必要的重要因素之一。例如，如果一个公司决定采用国产化数据库，如新炬科技，那么作为该公司项目的一部分，员工学习和掌握这种数据库是合理的，即便是为了保住自己的工作岗位。这种情况下，转型成为了一个必要的步骤，不仅为了项目的顺利进行，也为了个人职业的稳定。

其次，市场信任度也是一个关键的考虑因素。以汽车行业为例，消费者可能会犹豫是否购买来自新兴车企的汽车，担心该企业可能会突然倒闭，从而导致后续没有维修和保养的保障。相反，选择一家已经建立了良好信誉的企业，如日产、丰田、长安或吉利，不仅因为它们提供的价格和品质，还因为它们不太可能在短时间内消失，因而能够提供稳定的后续服务。在数据库领域也是如此，选择一个被广泛认可并在行业内有良好口碑的数据库产品，可以减少未来的不确定性。

再者，选择适合自己行业的国产化数据库也是一个策略。在不清楚如何选择时，可以参考同行业内头部企业的选择，观察他们采用了哪些国产化数据库，并且将这些数据库应用于核心业务。通常企业不会轻易更换核心业务所依赖的数据库，这样的选择可以作为一个信号，表明这些数据库可能会提供一个相对稳定的发展前景。

最后，如果在选择过程中仍然感到困惑，可以考虑学习那些开源且在行业中有深厚基础的数据库，如PostgreSQL (PG)和MySQL。这些数据库不仅拥有强大的社区支持，而且因其开源性质为学习和转换提供了灵活性。

在数据库领域，掌握一种数据库后转学其他数据库通常会更加容易。无论是集中式还是分布式数据库，拥有深入的数据库知识可以帮助您更快地适应新的数据库系统，从而加速个人的成长和学习速度。

互动环节

观众问题一：作为DBA应该如何学习AI，才能够在工作中更好地使用AI为自己的能力加持？今后的职场上更加需要什么样的复合人才？

白鳝：

大约在2016年，我开始接触到了AIOPS概念，并深信AI能够解决传统技术无法应对的许多问题。面对专家培养的困难和一个需要在全国范围内优化的大型项目，我尝试通过AI技术找到解决方案。虽然最初对ALPS抱有极大热情，但随后的探索让我感到失望，意识到不能过度依赖AI，但仍然认为我们应该认真对待并利用AI技术。

我发现，通用大模型，如GPT-4，对运维和数据库领域特别有用。尤其是结合了微软搜索的新版newBing，其在数据库知识方面的能力大大超出了传统模型。通过具体测试，新版newBing完美回答了我设置的数据库问题，显示出其卓越的基础能力。

我也尝试利用这些技术工具进行知识管理，个人实践了搭建私有AI工具来整理知识库，验证了其实用性和未来的商业潜力。

我建议学习编程和算法，通过这些技能进行数据分析和异常检测，提升在AI领域的竞争力。同时，参加如AIOPS全球挑战赛等竞赛不仅能促进学习，还能实践AI技术的应用。通过积极探索和应用AI技术，可以在实际工作中获得显著效益，并为个人技能发展和知识管理提供强大支持。

观众问题二：在db-gpt 的测试过程中，模型使用 QLoRA 微调后，codeLlama 13b 的准确率有显著提高，但是在数据库这个行业而言，开发人员写出来且经过测试的 sql 性能可能一般，但结果基本正确，相对于 AI生成的 sql 而言仍然领先，对DBA而言，正确率80%的正确率，我们能不能接受，还是说，ai 终究只能用来参考？

白鳝：

在不久前，我便开始探索DB GPT——一款由蚂蚁团队研发的工具。其支持多模型并能生成SQL语句，吸引了我的兴趣。尽管这一工具刚问世不久，我与其开发团队已有频繁交流。它的特色在于支持多种模型以及某些代理，这使得通过简单的语言即可生成SQL，尽管这种生成的准确性依赖于所采用的基础模型。

近来，也有人询问关于可以本地部署的国产化模型。这些模型通常较小，从6B到7B不等，更大的模型需要更昂贵的硬件支持。未经过微调，这些模型在准确性上往往不尽人意，主要是因为它们并非专为DBA设计。

当然，市场上也存在一些专为运维领域设计的模型，如devops OPS模型。尽管它们在生成SQL的准确率上尚有不足，但在特定场景下，例如生成Spark SQL或AI for BI应用的脚本方面已经开始显示其潜力。然而，直接在生产环境中生成高效SQL仍然是一个挑战，尽管这并不意味着未来也无法实现。

随着大模型性能的快速提升，如从2022年的GPT 3.5到目前国产模型的进步，我坚信未来将能够生成高质量的SQL。我们正在尝试AI for BI应用，并观察到对于基础数据有准确描述时，模型能够生成相对准确的表关联SQL。然而，面对客户数据库中数十万张表的复杂场景，自动处理和元数据整理仍是一个巨大挑战。

此外，我对未来几年技术的进步抱有乐观预期。尽管如Oracle在其大会上提出的，通过大模型生成SQL的功能目前还不完善，可能仅是一个原型，但我相信，随着技术的发展和模型的完善，这一情况将会有所改变，未来这些工具将成为我们不可或缺的助手。

观众问题三："随着国产数据库的兴起，很多像我一样的数据库管理员（DBA）面临着职业发展的抉择。我29岁，已经在这个行业工作了大约五到六年，目前在江苏的一个二线城市工作。在这样的城市，DBA的职位比较少，且工作内容通常不太复杂，管理的数据库数量有限，架构简单，而且日常操作较为保守。在这种情况下，我是否应该把国产数据库看作是一个新的职业起点，并考虑去像上海这样的大城市重新开始我的职业生涯？或者我应该继续在Oracle等传统数据库领域深耕，先巩固我的基础，然后再去考虑转向新的技术领域和机会？

张瑞远：

市场需求和趋势：调研国产数据库的市场需求和发展趋势。如果国产数据库的市场份额和需求正在增长，那么学习国产数据库技术可能会给您带来更多的职业机会。

个人兴趣和职业规划：思考您的个人兴趣和长远职业规划。如果您对国产数据库有浓厚的兴趣，或者认为它符合您的职业发展目标，那么转向国产数据库可能是一个好选择。

技术栈多样性：掌握多种数据库技术可以增加您的市场竞争力，使您能够适应不同的工作环境和需求。

地理和家庭因素：考虑搬迁到大城市是否对您和您的家庭来说是可行的，以及这是否符合您的生活规划。

学习资源和环境：评估您能够获取的学习资源和环境，是否有足够的条件支持您学习新的数据库技术。

风险和回报：考虑转向新技术所带来的风险和潜在回报。新技术可能需要更多的学习和适应时间，但同时也可能带来更高的职业发展潜力。

现有技能的深化：您已经有五到六年的Oracle等传统数据库经验，深化这些技能可能会让您在现有领域内更加专业和抢手。

最后，您可以尝试与行业内的其他专业人士交流，寻求他们的意见和建议。同时，您也可以考虑逐步过渡，即在保持现有工作的同时，通过兼职项目、在线课程或个人学习等方式来探索和学习国产数据库技术。

记住，职业发展是一个长期的过程，任何决定都应该综合考虑个人情况和市场环境。

薛晓刚：

地域问题是存在的。例如同类岗位北京的比上海能多出30%。

如果选择国产数据库这个工作，那么就去那些已经有国产的公司吧。

如果不确定学习什么，去看看你想去那个行业和那个公司，他们用了什么，就去学习什么。

当然背井离乡的我多说一句和技术无关的。异地的医保、社保的问题、住房租房、子女教育等问题。如果上有老和下有小的请注意了，工作和这些比起来根本不算什么。

观众问题四：就横向对比的话，国产数据库300多家公司中主流，有安全认证，完全自主产权，在信创名单的那些，甲方在国产化改造和运维，根据各种性能量化标准，数据库自主的程度，数据迁移的难度，成本考虑方面哪几个数据库能成为头部选择？

白鳝：

首先，我想借此机会和大家探讨一下关于"信创"的一些细节。许多人可能对信创有一些误解，认为它是对所有系统的一个强制性要求。实际上，信创主要针对的是关键性基础设施系统，对于非关键基础设施的系统，并不是强制性要求使用信创数据库。

关于信创清单，已经发布了四期，而从第五期开始，评审标准转变为由国家机构检测中心进行的国测。国测的目的是让数据库产品能够通过这一测试，显示出它的技术和基础能力是符合国家标准的。通过国测的厂商，无疑是在规模和技术能力上都表现出色的。

国测的要求非常严格，包括闭卷考核，要求企业的员工在封闭环境中解决数据库相关的算法问题，并且通过编译。只有得分达到60分及以上，才能算是通过国测。这种高标准确保了只有真正具备强大技术实力的数据库厂商才能通过。

值得一提的是，当我们考虑进行国产化数据库改造时，并不是说一定要选择通过了信创测试的数据库。这是因为只有关键基础设施系统才是强制性要求使用国测通过的产品。这一点对于制定技术选型和采购决策的人员非常重要。

另一个关键点是，评估数据库好坏没有一个固定的标准，各个企业可能根据自己的特点和需求建立不同的评价模型。此外，不同的存储引擎和算法有各自的优势，性能并不是唯一的衡量标准。

特别值得关注的是Oracle数据库优化器的能力。Oracle拥有2000多个修复和几百个参数，这些特性使其在不同的环境和应用场景中表现出色。Oracle优化器虽然是基于30多年前的设计理念，但经过长期的市场磨练和技术改进，已经证明了其卓越的性能优化能力。这说明，一个数据库产品的市场地位和技术成熟度，是基于长期的发展和用户反馈积累起来的。