数据库与之战

⑴ 数据库的作用是什么

数据库的作用：

数据库是为了实现一定目的按某种规则和方法组织起来的“数据”的“集合”。

数据库可以直观的理解为存放数据的仓库，只不过这个仓库是在计算机的大容量存储器上，而且数据必须按照一定的格式存放，因为它不仅需要存放，而且要便于查找。

数据库可以做到：

⑴ 实现数据共享

数据共享包含所有用户可同时存取数据库中的数据，也包括用户可以用各种方式通过接口使用数据库，并提供数据共享。

⑵ 减少数据的冗余度

同文件系统相比，由于数据库实现了数据共享，从而避免了用户各自建立应用文件。减少了大量重复数据，减少了数据冗余，维护了数据的一致性。

⑶ 数据的独立性

数据的独立性包括逻辑独立性（数据库中数据库的逻辑结构和应用程序相互独立）和物理独立性（数据物理结构的变化不影响数据的逻辑结构）。

⑷ 数据实现集中控制

文件管理方式中，数据处于一种分散的状态，不同的用户或同一用户在不同处理中其文件之间毫无关系。利用数据库可对数据进行集中控制和管理，并通过数据模型表示各种数据的组织以及数据间的联系。

⑸ 数据一致性和可维护性，以确保数据的安全性和可靠性

主要包括：安全性控制、完整性控制、并发控制，使在同一时间周期内，允许对数据实现多路存取，又能防止用户之间的不正常交互作用。

⑹ 故障恢复

由数据库管理系统提供一套方法，可及时发现故障和修复故障，从而防止数据被破坏。数据库系统能尽快恢复数据库系统运行时出现的故障，可能是物理上或是逻辑上的错误。比如对系统的误操作造成的数据错误等。

(1)数据库与之战扩展阅读：

数据库管理系统：

数据库管理系统是为管理数据库而设计的电脑软件系统，一般具有存储、截取、安全保障、备份等基础功能。

数据库管理系统可以依据它所支持的数据库模型来作分类，例如关系式、XML；或依据所支持的计算机类型来作分类，例如服务器群集、移动电话；

或依据所用查询语言来作分类，例如sql、XQuery；或依据性能冲量重点来作分类，例如最大规模、最高运行速度；亦或其他的分类方式。

不论使用哪种分类方式，一些DBMS能够跨类别，例如，同时支持多种查询语言。

⑵ 数据库技术的发展趋势

数据库技术的发展趋势:
根据数据库应用及多家分析机构的评估，数据库技术发展将以应用为导向，面向业务服务，并与计算机网络和人工智能等技术结合，为新型应用提供多种支持。
（1）云数据库和混合数据快速发展
云数据库（Cloud Database）简称为云库， 是在云计算环境中部署和虚拟化的数据库。将各种关系型数据库看成一系列简单的二维表，并基于简化版本的SQL或访问对象进行操作。使传统关系型数据库通过提交一个有效地链接字符串即可加入云数据库，云数据库可解决数据集中更广泛的异地资源共享问题。
（2）数据集成与数据仓库
数据仓库（Data Warehouse）是面向主题、集成、相对稳定、反映历史变化的数据集合，是决策支持系统和联机分析应用数据源的结构化数据环境。主要侧重对机构历史数据的综合分析利用，找出对企业发展有价值的信息，以提供决策支持，帮助提高效益。其特征是面向主题、集成性、稳定性和时变性。新一代数据库使数据集成和数据仓库的实施更简单。数据应用逐步过渡到数据服务，开始注重处理：关系型与非关系型数据的融合、分类、国际化多语言数据。
（3）主数据管理和商务智能
在企事业机构内部业务应用整合和系统互联中，许多机构具有相同业务语义的数据被多次反复定义和存储，导致数据大量冗余成为IT环境发展的障碍，为了有效使用和管理这些数据，主数据管理已经成为一个新的热点。
商务智能（Business Intelligence）是指利用数据仓库及数据挖掘技术对业务数据分析处理并提供决策信息和报告，促进企业利用现代信息技术收集、管理和分析商务数据，改善决策水平，提升绩效，增强综合竞争力的智慧和能力。是企业利用现代信息技术收集、管理和分析商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。融合了先进信息技术与创新管理理念的结合体，集成企业内外的数据，加工并从中提取能够创造商业价值的信息，面向企业战略并服务于管理层。
（4）“大数据”促进新型数据库
进入“大数据时代”，大数据量、高并发、分布式和实时性的需求，由于传统的数据库技术的数据模型和预定义的操作模式，时常难以满足实际需求，致使新型数据库在大数据的场景下，将取代传统数据库成为主导。
（5）基于网络的自动化管理
网络数据库应用系统的广泛应用，使数据库管理更加自动化。如网购、网银等系统，从企业级Enterprise-class到世界级World-class的转变，提供更多基于Internet环境的管理工具，完成数据库管理网络化。应用程序编程接口API(Application ProgrammingInterface)更开放，基于浏览器端技术的管理套件，便于分布远程管理。
（6）PHP将促进数据库产品应用
随着新一代Web技术的广泛应用，在.NET和Java成为数据应用的主体开发平台后，很多厂商为了争取市场在新版本数据库产品推出后，提供面向超级文本预处理语言PHP（Hypertext Preprocessor）的专用驱动和应用。
（7）数据库将与业务语义的数据内容融合
数据库将更广泛地为用于“信息服务”。对新一代基于AJAX、MashUp、SNS等技术的创新应用，数据从集中于逻辑中心数据库，改为分布网络，为了给予技术支持，数据聚集及基于业务语义的数据内容融合也成为数据库发展的方向，不仅在商务智能领域不断加强对服务应用的支持，而且注重加强数据集成服务。

⑶ 数据库架构选型与落地，看这篇就够了

随着时间和业务的发展，数据库中的数据量增长是不可控的，库和表中的数据会越来越大，随之带来的是更高的 磁盘 、 IO 、 系统开销 ，甚至 性能 上的瓶颈，而单台服务器的 资源终究是有限 的。

因此在面对业务扩张过程中，应用程序对数据库系统的 健壮性 ， 安全性 ， 扩展性 提出了更高的要求。

以下，我从数据库架构、选型与落地来让大家入门。

数据库会面临什么样的挑战呢？

业务刚开始我们只用单机数据库就够了，但随着业务增长，数据规模和用户规模上升，这个时候数据库会面临IO瓶颈、存储瓶颈、可用性、安全性问题。

为了解决上述的各种问题，数据库衍生了出不同的架构来解决不同的场景需求。

将数据库的写操作和读操作分离，主库接收写请求，使用多个从库副本负责读请求，从库和主库同步更新数据保持数据一致性，从库可以水平扩展，用于面对读请求的增加。

这个模式也就是常说的读写分离，针对的是小规模数据，而且存在大量读操作的场景。

因为主从的数据是相同的，一旦主库宕机的时候，从库可以 切换为主库提供写入 ，所以这个架构也可以提高数据库系统的 安全性 和 可用性 ；

优点：

缺点：

在数据库遇到 IO瓶颈 过程中，如果IO集中在某一块的业务中，这个时候可以考虑的就是垂直分库，将热点业务拆分出去，避免由 热点业务 的 密集IO请求 影响了其他正常业务，所以垂直分库也叫 业务分库 。

优点：

缺点：

在数据库遇到存储瓶颈的时候，由于数据量过大造成索引性能下降。

这个时候可以考虑将数据做水平拆分，针对数据量巨大的单张表，按照某种规则，切分到多张表里面去。

但是这些表还是在同一个库中，所以库级别的数据库操作还是有IO瓶颈（单个服务器的IO有上限）。

所以水平分表主要还是针对 数据量较大 ，整体业务 请求量较低 的场景。

优点：

缺点：

四、分库分表

在数据库遇到存储瓶颈和IO瓶颈的时候，数据量过大造成索引性能下降，加上同一时间需要处理大规模的业务请求，这个时候单库的IO上限会限制处理效率。

所以需要将单张表的数据切分到多个服务器上去，每个服务器具有相应的库与表，只是表中数据集合不同。

分库分表能够有效地缓解单机和单库的 性能瓶颈和压力 ，突破IO、连接数、硬件资源等的瓶颈。

优点：

缺点：

注：分库还是分表核心关键是有没有IO瓶颈 。

分片方式都有什么呢？

RANGE（范围分片）

将业务表中的某个 关键字段排序 后，按照顺序从0到10000一个表，10001到20000一个表。最常见的就是 按照时间切分 （月表、年表）。

比如将6个月前，甚至一年前的数据切出去放到另外的一张表，因为随着时间流逝，这些表的数据被查询的概率变小，银行的交易记录多数是采用这种方式。

优点：

缺点：

HASH（哈希分片）

将订单作为主表，然后将其相关的业务表作为附表，取用户id然后 hash取模 ，分配到不同的数据表或者数据库上。

优点：

缺点：

讲到这里，我们已经知道数据库有哪些架构，解决的是哪些问题，因此， 我们在日常设计中需要根据数据的特点，数据的倾向性，数据的安全性等来选择不同的架构 。

那么，我们应该如何选择数据库架构呢？

虽然把上面的架构全部组合在一起可以形成一个强大的高可用，高负载的数据库系统，但是架构选择合适才是最重要的。

混合架构虽然能够解决所有的场景的问题，但是也会面临更多的挑战，你以为的完美架构，背后其实有着更多的坑。

1、对事务支持

分库分表后（无论是垂直还是水平拆分），就成了分布式事务了，如果依赖数据库本身的分布式事务管理功能去执行事务，将付出高昂的性能代价（XA事务）；如果由应用程序去协助控制，形成程序逻辑上的事务，又会造成编程方面的负担（TCC、SAGA）。

2、多库结果集合并 （group by，order by）

由于数据分布于不同的数据库中，无法直接对其做分页、分组、排序等操作，一般应对这种多库结果集合并的查询业务都需要采用数据清洗、同步等其他手段处理（TIDB、KUDU等）。

3、数据延迟

主从架构下的多副本机制和水平分库后的聚合库都会存在主数据和副本数据之间的延迟问题。

4、跨库join

分库分表后表之间的关联操作将受到限制，我们无法join位于不同分库的表（垂直），也无法join分表粒度不同的表（水平）， 结果原本一次查询就能够完成的业务，可能需要多次查询才能完成。

5、分片扩容

水平分片之后，一旦需要做扩容时。需要将对应的数据做一次迁移，成本代价都极高的。

6、ID生成

分库分表后由于数据库独立，原有的基于数据库自增ID将无法再使用，这个时候需要采用其他外部的ID生成方案。

一、应用层依赖类（JDBC）

这类分库分表中间件的特点就是和应用强耦合，需要应用显示依赖相应的jar包（以Java为例），比如知名的TDDL、当当开源的 sharding-jdbc 、蘑菇街的TSharding等。

此类中间件的基本思路就是重新实现JDBC的API，通过重新实现 DataSource 、 PrepareStatement 等操作数据库的接口，让应用层在 基本 不改变业务代码的情况下透明地实现分库分表的能力。

中间件给上层应用提供熟悉的JDBC API，内部通过 sql解析 、 sql重写 、 sql路由 等一系列的准备工作获取真正可执行的sql，然后底层再按照传统的方法（比如数据库连接池）获取物理连接来执行sql，最后把数据 结果合并 处理成ResultSet返回给应用层。

优点

缺点

二、中间层代理类（Proxy）

这类分库分表中间件的核心原理是在应用和数据库的连接之间搭起一个 代理层 ，上层应用以 标准的MySQL协议 来连接代理层，然后代理层负责 转发请求 到底层的MySQL物理实例，这种方式对应用只有一个要求，就是只要用MySQL协议来通信即可。

所以用MySQL Navicat这种纯的客户端都可以直接连接你的分布式数据库，自然也天然 支持所有的编程语言 。

在技术实现上除了和应用层依赖类中间件基本相似外，代理类的分库分表产品必须实现标准的MySQL协议，某种意义上讲数据库代理层转发的就是MySQL协议请求，就像Nginx转发的是Http协议请求。

比较有代表性的产品有开创性质的Amoeba、阿里开源的Cobar、社区发展比较好的 Mycat （基于Cobar开发）等。

优点

缺点

JDBC方案 ：无中心化架构，兼容市面上大多数关系型数据库，适用于开发高性能的轻量级 OLTP 应用（面向前台）。

Proxy方案 ：提供静态入口以及异构语言的支持，适用于 OLAP 应用（面向后台）以及对分片数据库进行管理和运维的场景。

混合方案 ：在大型复杂系统中存在面向C端用户的前台应用，也有面向企业分析的后台应用，这个时候就可以采用混合模式。

JDBC 采用无中心化架构，适用于 Java 开发的高性能的轻量级 OLTP 应用；Proxy 提供静态入口以及异构语言的支持，适用于 OLAP 应用以及对分片数据库进行管理和运维的场景。

ShardingSphere是一套开源的分布式数据库中间件解决方案组成的生态圈，它由 Sharding-JDBC 、 Sharding-Proxy 和 Sharding-Sidecar （计划中）这3款相互独立的产品组成，他们均提供标准化的数据分片、分布式事务和数据库治理功能，可适用于如Java同构、异构语言、容器、云原生等各种多样化的应用场景。

ShardingSphere提供的核心功能：

Sharding-Proxy

定位为透明化的 数据库代理端 ，提供封装了 数据库二进制协议的服务端版本 ，用于完成对 异构语言的支持 。

目前已提供MySQL版本，它可以使用 任何兼容MySQL协议的访问客户端 (如：MySQL Command Client, MySQL Workbench, Navicat等)操作数据，对DBA更加友好。

向 应用程序完全透明 ，可直接当做MySQL使用。

适用于任何兼容MySQL协议的客户端。

Sharding-JDBC

定位为 轻量级Java框架 ，在Java的JDBC层提供的额外服务。 它使用客户端直连数据库，以jar包形式提供服务，无需额外部署和依赖，可理解为 增强版的JDBC驱动，完全兼容JDBC和各种ORM框架 。

以电商SaaS系统为例，前台应用采用Sharding-JDBC，根据业务场景的差异主要分为三种方案。

分库（用户）

问题解析：头部企业日活高并发高，单独分库避免干扰其他企业用户，用户数据的增长缓慢可以不分表。

拆分维度：企业ID分库

拆分策略：头部企业单独库、非头部企业一个库

分库分表（订单）

问题解析：订单数据增长速度较快，在分库之余需要分表。

拆分维度：企业ID分库、用户ID分表

拆分策略：头部企业单独库、非头部企业一个库，分库之后用户ID取模拆分表

单库分表（附件）

问题解析：附件数据特点是并发量不大，只需要解决数据增长问题，所以单库IO足以支撑的情况下分表即可。

拆分维度：用户ID分表

拆分策略：用户ID取模分表

问题一：分布式事务

分布式事务过于复杂也是分布式系统最难处理的问题，由于篇幅有限，后续会开篇专讲这一块内容。

问题二：分布式ID

问题三：跨片查询

举个例子，以用户id分片之后，需要根据企业id查询企业所有用户信息。

sharding针对跨片查询也是能够支持的，本质上sharding的跨片查询是采用同时查询多个分片的数据，然后聚合结果返回，这个方式对资源耗费比较大，特别是对数据库连接资源的消耗。

假设分4个数据库，8个表，则sharding会同时发出32个SQL去查询。一下子消耗掉了32个连接；

特别是针对单库分表的情况要注意，假设单库分64个表，则要消耗64个连接。如果我们部署了2个节点，这个时候两个节点同时查询的话，就会遇到数据库连接数上限问题（mysql默认100连接数）

问题四：分片扩容

随着数据增长，每个片区的数据也会达到瓶颈，这个时候需要将原有的分片数量进行增加。由于增加了片区，原先的hash规则也跟着变化，造成了需要将旧数据做迁移。

假设原先1个亿的数据，hash分64个表，现在增长到50亿的数据，需要扩容到128个表，一旦扩容就需要将这50亿的数据做一次迁移，迁移成本是无法想象的。

问题五：一致性哈希

首先，求出每个 服务器的hash值 ，将其配置到一个 0~2^n 的圆环上 （n通常取32）

其次，用同样的方法求出待 存储对象的主键 hash值 ，也将其配置到这个圆环上。

然后，从数据映射到的位置开始顺时针查找，将数据分布到找到的第一个服务器节点上。

一致性hash的优点在于加入和删除节点时只会影响到在哈希环中相邻的节点，而对其他节点没有影响。

所以使用一致性哈希在集群扩容过程中可以减少数据的迁移。

好了，这次分享到这里，我们日常的实践可能只会用到其中一种方案，但它不是数据库架构的全貌，打开技术视野，才能更好地把存储工具利用起来。

老规矩，一键三连，日入两千，点赞在看，年薪百万！

本文作者：Jensen

7年Java老兵，小米主题设计师，手机输入法设计师，ProcessOn特邀讲师。

曾涉猎航空、电信、IoT、垂直电商产品研发，现就职于某知名电商企业。

技术公众号 【架构师修行录】 号主，专注于分享日常架构、技术、职场干货，Java Goals：架构师。

交个朋友，一起成长！

⑷ 企业数据上云必有一战，华为云12.12云数据库2折起

每年的Gartner全球数据库魔力象限都会对未来三年的市场进行预测，而2020年的预测相比于2019年的预测出现一个显着的变化，那就是全球75%数据库将被部署或迁移到云平台的时间表提前了一年——从2023年提前到了2022年。进入2020年底，我们将迎来数据库行业的世纪之战，企业数据上云与治理面临着重大抉择：本地数据库与云数据库的PK。特别是受2020全球疫情的影响，越来越多的企业正加速数字化转型，云数据库以及云上数据治理的时代将很快到来。

2020年12月12日双十二之际，华为云打出了云数据库2折起的大幅折扣，包括：MySQL等热门云数据库 2折起、迁移上云再加送6个月；GaussDB系列、数据管理服务DAS企业版等热销产品低至5折；数据加速与治理产品中也有Redis 4折的惊喜优惠。2020年又是华为云推出全场景数据库云服务GaussDB的第一年，而在2020年底打出云数据库2折起的大力度促销，彰显了华为云开打2021企业数据上云之战的决心。

2020年的一场疫情，让很多企业都将数字化转型提速，特别是让本来需要几年才能下的数字化转型决心和决定缩短到几个月；而新基建的推出，更刺激了基于数字技术的融合基础设施的大规模建设。无论是加速的数字化转型、急于上线的各种在线和互联网业务，还是筹建中的融合基础设施新基建，都为CIO们带来了头痛的问题：数据库的选型。

那么CIO怎么解决云数据库的选型难题呢？华为云数据库业务总裁苏光牛认为，CIO选型数据库，最常见的其实没有变化，就是稳定性和性能，以及云技术出现之后的扩展性和灰度等能力。但对于很多企业，特别是有 历史 遗留系统的，都涉及一个古老但无法回避的问题就是：生态。也就是如果招聘的DBA多是搞PostgreSQL，那么企业怎么能选择MySQL？反之亦然。或者当熟悉某个数据库的DBA干了几十年，又怎么转向另外一种数据库？

转型是必然的。数字化智能化升级，必然要求数据库跟上，苏光牛认为生态必须是开放的，否则就从一个火坑跳入另外一个火坑。选型之后，CIO都普遍担心，迁移的工作量有多大？CIO都需要有能自动化转换或者评估的工具，能把非确定的工作量转化为确定性的计划。然后就需要考虑迁移是否会中断或者中断多久，业务切换需要多久，对于在线迁移来说还要可控制的切换时间；随之，要考虑数据是否会丢失，因为从一个系统迁移到另一个系统，不可能100%覆盖所有的功能测试，没有覆盖到数据是否就丢失了，当然还要考虑数据安全等问题。

最后，必然要考虑成本以及让数据“活”起来。苏光牛认为，控制成本的最好方式是存储的融合，计算和存储分离的架构；而让数据活起来，就是要让存储的数据在不同系统之间流动起来，通过大的存储资源池解决数据孤岛问题，当然更好的数据迁移工具也能配合解决问题。

2020年11月，在Gartner发布的2020全球云数据库魔力象限中，华为云凭借GaussDB系列产品首次晋级全球顶级云数据库行列。Gartner对华为云的评价是：华为云专注于提供全面的混合堆栈，构建了全面、稳健的产品组合，能够满足跨云和本地环境的全方位数据管理用例，其许多产品与云基础架构紧密集成，以提供增强的性能和可靠性。Gartner还认为，华为在全球电信和网络行业有很强的影响力，很多为管理华为全球行业业务而构建的数据管理能力，面向政企行业普遍可用。

2020年下半年，华为云宣布GaussDB数据库战略升级为华为云数据库全场景服务，以及发布GaussDB云数据库服务GaussDB（for MySQL）、GaussDB（openGauss）以及GaussDB NoSQL，而GaussDB NoSQL非关系型数据库则支持MongoDB、Cassandra、时序InfluxDB、KV数据库Redis等，具有多模式数据管理能力。

就GaussDB来说，通过计算和存储分离实现分布式处理，在一套架构下，可以对接MySQL、PostgreSQL、MongoDB、Cassandra等多种开源数据库引擎，实现这些开源数据库的良好商用性能。GaussDB以华为云为底座，保证了良好可扩展性、弹性、安全可靠等性能要求，特别是通过底层统一的智能化DFV分布式存储架构，满足企业上云对于云数据库的各种需求。

在数据迁移方面，华为云推出的数据库和应用迁移 UGO，是一款专注于异构数据库对象迁移和应用迁移的专业化工具，而华为云数据复制服务DRS，支持更大数据量、更长时间等多种复杂迁移场景，支持数据库上云和云上业务数据实时回传至云外的混合云架构。UGO+DRS形成了完整的迁移产品形态。

GaussDB是为政企打造的数据库一站式上云解决方案，提供全场景数据管理业务、全开放生态和安全可信，彻底解决政企以及互联网行业在数据库选型方面的痛点，真正做到数据库选型安心、迁移放心、管理省心。

苏光牛表示：“华为将持续战略投入数据库，布局全球7大区域囊括1000+数据库专家与人才。此次战略升级是华为云数据库积极构建高安全、高可靠、高性能的全场景云服务，拥抱开源生态的具体举措，华为云GaussDB数据库会持续打造多元生态服务，全方位满足客户的需求，加速政企客户数字化创新发展。”

正如Gartner所观察到的，如今华为云数据库业务在亚太地区，尤其是中国市场实现规模化部署，其中超过一半的客户来自公共管理、电信、金融保险等行业。华为云数据库，特别是GaussDB能够被广大政企用户认可，这首先来自于经历了华为内部的千锤百炼。从2007年开始，就因为华为的无线、网络、交换机等产品而发展起来了GaussDB，从2009年开始基于存算分离的架构而考虑分布式数据库的设计，2015年起基于广泛认知的生态如MySQL或者PostgreSQL等以及NoSQL数据库，逐步推出了分布式的数据库，同时还打造华为自己的openGauss生态。

2020年，华为云数据库品牌更加清晰，GaussDB是华为自有数据库品牌，既兼容MySQL、PostgreSQL等广泛认知的生态，又有自有的生态openGauss，openGauss于2020年6月正式对外开源。苏光牛强调，华为公司将长期投入GaussDB的开发，基于混合云和公有云的方式，联合ISV等伙伴一起，全方位服务好客户。

总结下来，GaussDB有四大特色：第一，开放的生态，拥抱开源生态的同时，打造华为自有生态。华为云认为未来一定是开放的生态，开放的生态才能保护客户投资，避免从一个封闭体系走向另外一个封闭体系。

第二，存算分离的架构，数据库的稳定性是第一位的，特别是交易型数据库，华为云数据库最核心的特色是存储的稳定性。华为云GaussDB基于与企业存储相同的分布式存储架构，经过千行百业的磨炼而不仅仅是单一的某种交易流量，另外各种存储能力如重删、压缩、跨AZ等特性让快速备份恢复、性价比都具备非常好的优势。

第三，安全合规，GaussDB经过了ICSL的安全认证，以及很多白盒的代码层面的认证。特别是随着欧洲GDPR等标准的实施，以及政企对数据安全性要求的增加，华为云GaussDB的代码级、架构级别安全设计，以及多年来在电信级高标准行业的锤炼，经历了很多实际客户的严苛考验，让政企在使用数据库的时候更加放心。

第四，软硬件全栈协同。华为云具备软硬件全栈研发的实力，无论存储底座和RDMA高速网络，还是虚拟化和容器之上的性能调优，以及GuestOS上的协议栈优化，特别是基于云技术之后的全栈优化和云服务能力，更加是华为云的优势。

当然，更为重要的是，云数据库采用云的模式实现了数据库运维管理的集中化，极大简化了数据库的安装、部署、配置、迁移和优化，大幅提升运维管理效率，让政企可以投入更多精力聚焦在核心业务创新上。

总结而言： 企业数据上云和云上数据治理将成为2021年政企数字化转型的重中之重，各大技术厂商都在争夺云数据库市场份额。以华为云全场景数据库GaussDB为代表的新一代云数据库，将满足政企数字化转型的全面需求。特别是以华为云和华为云Stack为底座，GaussDB可以跨公有云以及企业本地部署，其技术符合云及企业本地的要求，同时具有华为云的高性能、高可用、高安全等保证，可以说政企数字化转型的全场景保障！（文/宁川）