随着人工智能技术的快速发展，大型语言模型（LLM）在处理自然语言方面展现出了前所未有的能力。特别是在春节期间，DeepSeek模型的爆火，更是将LLM的应用推向了新的高度。本章将概述LLM与数据库技术结合的关键应用，特别是向量数据库如何成为LLM的“最佳搭档”。本章还揭秘了DeepSeek 和 openAI 背后的数据库。 展示了腾讯云向量数据库、TiDB Autoflow、NebulaGraph 与DeepSeek大模型的结合构建RAG应用的实践案例。

新岁启航，万象更新，数据库行业的竞争态势依旧紧张且充满活力。据最新中国流行度排行榜，虽然数据库产品的排名变化不大，但细微的位次调整及各大厂商的技术突破却给行业带来了不小的震动。OceanBase、PolarDB仍然稳居榜单一二位，GaussDB本月跻身前三，OPG组合迎接新年。2024年12月，数据库社区墨天轮发布“2024年度数据库”获奖名单，旨在表彰年度在技术创新、市场表现和行业影响力方面表现突出的数据库产品与厂商，其中，OceanBase、阿里云PolarDB、华为GaussDB荣获“2024年度最具影响力数据库奖”。

2024年，《墨天轮数据库流行度排行榜》定期对市场上的产品进行梳理，不断新增新出的数据库产品，并下架长期未有动态/更新的数据库产品，尽最大力度真实反映国产数据库技术的发展。截至2024年12月共收录227款产品，较去年同比减少21.18%。回顾整年，数据库排行榜持续波动：OceanBase与PolarDB交替登顶，前三甲的位置也不断迎来新晋挑战者。最新一期中GoldenDB凭借技术创新与市场积淀成功跃升至第三位；3家初创厂商通过不同的创新路径崭露头角：DolphinDB聚焦数字金融领域，Kyligence专注大数据分析，而MatrixOne则通过AI和智能数据管理开辟新赛道。

本报告由墨天轮联合35家学术机构及厂商共同编写，以三大章节、300+页详细总结了中国数据库行业发展现状、技术创新、市场动态以及面临的挑战与未来趋势，欢迎下载！

数据库的发展经历了商业数据库时代、开源数据库时代和云数据库时代。当下，云计算以快速演进的资源供给方式，为数据库创新带来了蓬勃的生命力。回顾云计算领域数据库的发展和进步，以及相关厂商的技术变革，有助于我们洞察未来。

2023年11月的墨天轮中国数据库流行度排行火热出炉，本月共有283个数据库参与排名。本月排行榜前五中，TiDB 数据库排名较上月上升一位，排名第4，榜单前两名的分差再度缩小，前五之争愈加激烈。墨天轮数据库流行度排行榜第6名-10名中出现两位新面孔，亚信 AntDB、中兴 GoldenDB 排名再度上升，进入十强榜单。在本月排行榜中，有一批数据库表现亮眼，在排名上较上月有极大的提升。崖山数据库、虚谷数据库等一系列的数据库在产品迭代、生态建设等方面都取得了显著的成果。

2023年9月18日，一年一度的Oracle CloudWorld如期在美国拉斯维加斯举行。会上Larry表示Oracle利用先进的人工智能技术，进一步优化我们的自治数据库，无需人工干预，杜绝人为错误。并且在数据库内部通过人工智能与机器学习自动解析与处理JSON数据，实现“JSON二元性”。另外，令人振奋的是Oracle将提供向量数据库，通过将AI矢量搜索集成到Oracle数据库中，能够快速、轻松地享受人工智能的优势，而无需担心牺牲安全性、数据完整性或性能。使用Oracle AI矢量搜索不需要机器学习专业知识。所有数据库用户，包括开发人员和管理员，都可以在不到30分钟内掌握使用方法。此外，Oracle还将使基于Oracle数据库和自治数据库构建的应用程序能够添加基于LLM（大型语言模型）的自然语言界面，为用户提供了一种简单且直观的方式，只需用自然语言提出问题，即可快速获取所需的数据。SQL Developer也将得到增强的生成式AI功能，使开发人员能够使用自然语言生成应用程序或生成SQL查询，而无需编写繁琐的代码。

MySQL 是一个开源关系型数据库管理系统，最初在1994年由 Widenius 和 Axmark 开始开发，创建于基于低级语言ISAM开发的 mSQL。1995 年，Michael Widenius 成立了 MySQL AB 公司，MySQL 由个人开发转变为团队开发，同年首次发布了第一个版本。2000 年 MySQL 使用 GPL 协议开源。21世纪初，Web 网站层出不穷，每个网站都需要一个免费的数据库，MySQL 正好填补这个空白。当时建站的主要语言是 PHP，Perl ， MySQL 简单、易用、高性能特性能满足这些中小型互联网公司的需求。因此，MySQL 迅速的流行起来，到 2001 年，MySQL 已经达到了超过 200 万次有效安装，到 2004 年，该软件每天下载超过 3 万次。2008年1月，SUN 以10亿美元收购 MySQL，后来 Oracle 收购了 SUN，从此 MySQL 成为甲骨文旗下产品。如今，MySQL 是使用最广泛的开源关系数据库系统。

根据 IDC 发布的《2022年下半年中国数据仓库软件市场跟踪报告》显示，2022年中国数据仓库软件市场规模为8.7亿美元，同比增长23.7%。其中，本地部署数据仓库软件规模为4.6亿美元，同比增长12.5%；公有云数据仓库软件规模为4.1亿美元，同比增长39.3%。IDC预测， 到2027年，中国数据仓库软件市场规模将达到27.3亿美元，2022-2027的5年市场年复合增长率（CAGR）为25.7%。目前中国数据仓库市场仍然存在厂商发展历史较短、市场规模较少、上云进程较美国相对滞后等问题。面对新技术的层出不穷，数据仓库未来会朝着 实时分析、云原生Serverless、湖仓一体、HTAP、数智融合以及流式数仓等方向发展。

图数据库与20世纪70年代的网络模型数据库类似，两者都表示通用图，但网络模型数据库在较低的抽象级别上运行，并且缺乏对边链的轻松遍历。2000年 Neo technolgies 成立并开始开发图形数据库 Neo4j。随着数据库呈现爆发式增长，中国也涌现了越来越多的图数据库产品。在图应用成熟度发展历程中，先是管理企业的或者说是自身的核心数据，变成进行交易数据分析，最后升级为进行事件和行为的分析，随着图应用的成熟度发展，对底层的图数据库技术的要求也是在逐步发展的。图数据库的火热发展与其重要技术息息相关。图数据库的相关技术有图查询语言、图数据的计算、图处理引擎。图数据库具有独特的优势，具体表现在：更好，更快速的查询和分析、更简单和更自然的数据建模、数据结构的灵活性、支持实时更新和查询等。

空间数据库（Spatial DBMS）是一种能够有效地存储、操作和查询空间数据的数据库管理系统。它包括表示在几何空间中定义的对象的空间数据，以及用于查询和分析此类数据的工具。大多数空间数据库都允许表示简单的几何对象，例如点、线和多边形。一些空间数据库处理更复杂的结构，例如3D 对象、拓扑覆盖、线性网络和不规则三角网络。空间数据库的管理方式主要有四种：文件关系数据库混合管理方案、全关系式数据库管理方案、面向对象数据库管理方案、对象关系数据库管理方案。这四种方案各有优劣。空间数据库与传统数据库在数据连续性、数据相关性、空间关系、记录长度、查询与操作等方面都有显著的区别。在应用场景方面，目前空间数据库在智慧城市、气象、环境、农业和交通等领域中有广泛的应用。随着技术的发展，目前空间数据库的发展趋势主要集中在分布式处理、实时数据流分析、深度学习算法、3D可视化和云服务等方面。

时序数据库是一种专门用于存储和处理时间序列数据的数据库系统。时序数据库具备高效的时间序列数据存储和查询能力，以支持大规模时间序列数据的存储、分析和可视化。目前时序数据库主要应用于物联网、传感器数据分析、日志数据分析等领域，这些领域通常需要大量的时间序列数据处理和分析。近五年来，时序数据库发展十分迅猛，各大互联网企业包括Google、阿里、Amazon都推出自己的时序数据库，DB-Engines从2014年起也把时序数据库作为独立的目录进行分类统计。从2015年开始，各种时序数据库如雨后春笋般涌现。未来时序数据库会朝云原生时序数据库、智能数据库等方向发展。

数据库作为IT行业里最重要的核心的产品之一，它近年来正发生着重大的变化、巨大的变革。无论从需求侧还是从技术侧来看，数据库都进入了融合发展的新时代。需求侧在经历了“量”的跨越式增长后，迎来“质”的变化，对数据库的形态、体验和成本都提出了新需求；而技术侧也紧贴需求，不断推陈出新，尝试新的突破。目前市场中已经出现一种更为彻底的数据库融合形态——超融合数据库。在云原生领域，数据库作为云计算关键技术和最基础的服务之一，同样需要不断进化以适应日新月异的场景需求。基于客户的需求和数据库架构的演进，云原生数据库未来发展的三大方向为：Serverless、Regionless 和 Modeless。随着数据量的爆炸式增长、AI技术的助力，数据库逐渐向实时流式处理、智能化、DB微服务化等方向发展。

语义解析（Semantic Parsing）是自然语言处理技术的核心任务之一，涉及语言学、计算语言学、机器学习以及认知语言等多个学科。NL2SQL(Natural Language to SQL）是语义解析领域的一个子任务，顾名思义是将自然语言转为SQL语句。它可以充当数据库的智能接口，让不熟悉数据库的用户能够快速地找到自己想要的数据,改善用户与数据库的交互方式。相关技术关键字还有：Text2SQL、Natural Language Interface to/for Database (NLIDB)、Natural Language Query (NLQ)、NLP、NLG等。

自1970年以来，数据架构技术不断演进，先后有OLTP（交易型数据库）、OLAP（分析型数据库）、大数据/数据湖、NewSQL、HTAP、LakeHouse以及目前的超融合架构。当前数据中心部署的数据产品大体可分为四大类，包括交易型数据库、分析型数据库、专用数据库以及大数据/数据湖。这四大类产品之间需要频繁的数据搬运，整个技术栈非常复杂，由此带来了诸多问题和挑战。超融合数据库融合各种技术于一体，可以很好的解决交易型数据库（OLTP）、分析型数据库（OLAP）、大数据/数据湖（Data Lake）之间频繁进行数据搬运导致的复杂低效、代价高昂等问题，简洁而优雅。不过，超融合数据库在发展过程中也面临存储扩展性受限、数据安全等问题和挑战。

墨天轮联合业界专家力量协作共创编写，报告总结2022年数据库行业产学研用的发展近况、挑战以及对未来趋势的展望。希望给行业带来有价值的参考信息和指导意见，推动中国数据库的技术创新和生态发展，加速数据库产业落地。

On-premises（on-prem）指传统的部署模型，存在成本高、实施周期长，数据备份与恢复能力差等局限。云数据库是在云计算的大背景下发展起来的一种新兴的共享基础架构的方法，它极大地增强了数据库的存储能力，消除了人员、硬件、软件的重复配置，让软、硬件升级变得更加容易。2020年数据显示，云数据库已占据整体数据库市场份额的 40% ，据Gartner预测，2022年云数据库营收数据将占据数据库整体市场的半数以上。Serverless（无服务器架构）是指服务端逻辑由开发者实现，运行在无状态的计算容器中，由事件触发，完全被第三方管理，其业务层面的状态则存储在数据库或其他介质中。Serverless 是云原生技术发展的高级阶段，可以使开发者更聚焦在业务逻辑，而减少对基础设施的关注。

近年来，随着大数据、机器学习算法、新型硬件技术的发展，几乎所有行业对 AI 的需求都在快速增长。在很多行业中，相比于结构化数据，非结构化数据和半结构化数据不仅数量更多，而且其商业价值甚至可能超越传统的关系数据。DB与AI相结合成为当前热门的研究主题之一。 AI 算法门槛较高，依赖 AI 算法设计师和模型训练师来落地算法应用，造成 AI 落地难，急需利用数据库系统技术来降低 AI 使用门槛； DB 和 AI 的功能界限变得模糊，用户需要兼具 DB 和 AI 的混合分析功能，AI 原生数据库将是解决这个需求的关键技术； AI 原生数据库一方面扩展 SQL 的算子来支持 AI 算子，实现库内的训练和推理，一方面通过数据库内置 AI 算法来提升数据库的智能优化、智能运维； AI原生数据库在数据模型、数据操作和系统部署层面都带来新的挑战。

本月报告中墨天轮发布了最新向量数据库全球产业图谱，国内典型向量数据库代表有Milvus 、Vearch、TensorDB 、Om-iBASE等。向量数据库是专门为处理向量嵌入独特结构而构建的数据库系统。它们通过比较值并找到彼此最相似的向量来索引向量,以便于搜索和检索。从技术角度来讲，向量数据库主要解决2个问题，一个是高效的检索，另一个是高效的分析。向量数据库其实就像传统数据去处理一些关系型数据、结构化数据一样，承担的是非结构化数据的低成本存储和高性能计算两大核心能力。具体包括用于搜索和检索的向量索引、单级过滤、数据分片、复制、混合存储以及API功能。向量数据库主要的应用领域如人脸识别、推荐系统、图片搜索、视频指纹、语音处理、自然语言处理、文件搜索等。随着 AI 技术的广泛应用，以及数据规模的不断增长，向量检索也逐渐成了 AI 技术链路中不可或缺的一环，更是对传统搜索技术的补充，并且具备多模态搜索的能力。

近两年多个数据库研究报告显示，随着新型硬件成本逐渐降低，充分利⽤新兴硬件资源提升数据库性能是未来数据库发展的重要⽅向之⼀，SIGMOD、VLDB、CICE数据库顶会上出现越来越多新兴硬件的论文和专题。在需求侧，随着数据量暴增和实时性的要求越来越高，数据库围绕处理器、内存、存储和网络四个硬件架构方向不断突破和创新，如多核中央处理器、异构处理器GPU/TPU/DPU、可编程专业处理器FPGA、CXL+DDR5、持久内存PMem、存储级内存技术SCM、NVMe+SSD+NVMe-oF、RDMA+软件定义存储等，用于同时满足海量数据存储和高并发实时计算的场景。