职业经理人周刊 >> 商业评论

数据猿分享了上一篇雅捷股份CTO谢军的精彩演说后，得到了大数据圈内朋友的广泛关注与支持，今天我们接着为大家放送《数据猿巅峰思享会》第二位做报告的专家SequoiaDB巨杉数据库创始人兼CTO王涛的精彩内容。

在去年的Strata+Hadoop World大会中，巨杉数据库作为唯一的中国参展商在大会上做了展览和演讲，也接受了媒体的采访。王涛认为把自己的产品带到国外展览，对于产品的推广很有意义，至少可以引起国外主流媒体的关注。此次思享会中，王涛分享的主题是“大数据和数据库的未来趋势”。

索取王涛完整PPT&视频的正确姿势：关注数据猿官方微信(datayuancn)并在后台回复关键词“王涛”即可

开源软件的生态模式

现在大部分基础软件都已开源，很多公司的文化也都是开源文化，从整体来说，开源的做法现在也已经不单单是为了跟大家分享，而是一起促进行业技术的发展。2005年以后所有做开源软件的公司基本都获得了VC投资的，这是行业内一个比较明显的现象。

开源软件的发展可以分成两大类：

一是开源软件的商业化;

二是商业软件的开源化。

开元软件的商业化

开源技术一出生就在市场上站住了脚跟，但紧接着就会有一些人想要提供更好的服务，打造更牛的产品，进而成立公司深耕产品，这一类产品叫做开源软件商业化。

纯开源软件设计初衷和商业软件完全不一样，正常商业软件要的是平衡，尤其是广泛适用性、兼容性等方面。通常，一上来就开源的软件目的只是为了解 决某个特定情况下的棘手问题，其设计理念是千招会不如一招灵。基于开源软件的底子打造出来的商业软件，除非能把产品理念完全改变，否则思路还是会按照以前 的方向走。

比如，有些软件的做法是，在软件上封装一些功能，与社区共同成长。一方面社区可以不停的提高自己的软件，同时这些功能会随着社区版本的迭代而迭 代。其特点是与主流的兼容性很强，但自身特点相对比较薄弱。比如社区有10个功能，可以直接在上面添加到11或者12个功能，不需要完全改写。

这种软件的服务模式大多是被集成商集成到解决方案里，去满足某个需求，所以对于软件自身来说，无法主导自己的发展。

另外一些软件的做法是，基于软件拉一个分支，自己独立发展。其特点是不考虑相互兼容，与主流脱节，不管以后添加什么功能，都很难集成进去。优点是自身有特点，可能会做主流无法做的事情。

这种方式发展下去，可以主导分支，未来会向真正的商业软件迈进，目标是成为真正的软件厂商。但这种方式对于做开源软件的公司来说发展会很难：

一， 想要确保对软件永久的控制会很难;

二， 因为原来软件的品牌影响力很大，所以，大部分用户两年以后还是会认原本的软件，而不认可新的分支版本。

所以，拉分支单干的方式在开源软件商业化里是很难走的一条路。除非团队的服务能力特别强，能够完全掌握整个软件，比如，出现问题后可以快速修复完善。

商业软件开源化

这种软件本质还是一个传统的商业软件，只是以开源的模式去运营，来扩大自己的品牌影响力。其类型特点会保持传统企业的特点，比如：高品质、高度平衡、通用性较强，但不会聚焦于特定的某一方面。

这种开源情况，厂商会永远主导发展方向，也会提供比较优秀的售后服务，这跟开源软件商业化运营有本质区别。

从数据库领域来看，在未来一段时间，从开源、闭源角度来说两者其实是并存的，因为它带给客户的利益不一样。但是它不会一统市场，会有一些开源的玩家进入。

我们认为开源产品的社区加企业版会成为未来的趋势，纯粹做开源的模式是无法持久的，然而若想收取用户费用，只有为用户提供更多的价值才行。比如，企业版增加运维功能，社区版削减功能，以后基本会是这种运营模式去发展。

强调一下，单纯打包开源软件是无法成为一个厂商的。比如，有些人想做开源软件的项目，会先从网上下载源代码，再包一个界面，然后说这是自己做的 新产品。这里面有一个误区，首先被拷出来的源代码软件除非自身是雷锋式的开源，后面没有任何厂商才可以。因为但凡有厂商，就会为了盈利而去限制别的玩家进 入。

对于厂商来说，如何建设开源生态?首先，要构建社区，扩展最终用户，包括增大社区的文档、市场、驱动和解决方案。而对于产品研发方面，企业会严 格把控产品的发展方向，大家不会允许其他厂商进入。厂商会使用强强联合的模式去合作，互相弥补对方的短板，而不会独自一家从头做到尾。

数据库的发展

说起大数据，很多人会把它与数据库划等号，还有一些人把Hadoop作为大数据技术的总称。从狭义来讲，Hadoop可以分为分布式的文件系统和调度系统。文件系统是HDFS，调度系统是YARN。从广义上来讲Hadoop就是大数据的代名词。

从技术层面来说，数据湖才是描述大数据更好的方式。数据湖拥有全量的用户属性，它会把所有数据存进去，然后根据这些数据进行挖掘。

数据湖分为两部分：一部分是操作域，另一部分是分析域。除了大数据分析以外，数据湖还包括海量数据的实时查询、调用、交互式检索和影像存储。

从广义的大数据生态来说，包括可视化数据，数据集成，还有传统狭义上的Hadoop生态圈，以及分布式数据库。

分布式数据库经历了几代的发展，其中最早的Share everything是主机的DB2，它上面有几个不同的数据库实例，使用同样的数据，高速网络打通，然后移植性控制，中间是用网络来完成的。而 Share Nothing的架构相反，它的做法是把整个数据切成不同的小块，每个小块放在不同的节点，让每个节点拥有自己的数据。

传统数据库一定要基于外置存储，而新型的分布式数据库是基于PC服务器，再加上内置盘，不能使用高端存储。

新型分布式数据库有两大分支，一个分支是NoSQL，一个分支是NewSQL。两者的目标一致，都是为企业提供好的数据库管理软件，只是方式不一样，前者是从底向上的设计，后者是从顶向下的设计。

NoSQL会先把底层的存储、通讯都搭好，然后是计算。NewSQL的做法是基于已有的关系型数据库的框架去修改存储，然后满足分布式的需要。

去年底，美国做了一个研究，结论是未来NewSQL会与NoSQL合并，越来越多的NewSQL开始支持NoSQL， 而NoSQL也会向NewSQL靠拢。我们认为五年之内NoSQL和NewSQL可能会成为历史名词，大家会认为是新一代的分布式数据库，具体是 NoSQL还是NewSQL，每个厂商可能都会有自己API特性和SQL特性。

从整个大数据基础软件的发展来看，未来会殊途同归，会从传统的关系型数据产生分支，通过操作系统方式进行。其实所谓的文件系统加分布式调度就是 Hadoop，Hadoop自己不做上层建筑，核心是分布式调度和分布式操作系统，数据库在这个层面走的方向就是MPP数据库，第三个是重建分布式架构， 专注于存储引擎的建议。三者目标都是为了企业做成熟的管理软件，未来都会统一，将会变成分布式数据管理系统。

很多人问，分布式数据库的未来将会是什么样的?会不会消亡?我认为十年内不会，至少与IBM的主机一样，在很多全球500强企业里还会再用，比如说DB2，现在很多银行还再用它。关系型的数据库的Oracle不会死亡，会成为存量市场，但会逐渐萎缩。

新型数据库的NoSQL和NewSQL，两者会在接下来短短几年时间内产生较大融合，SQL和Hadoop会成为另一个分支，主要是做分析为 主，分布式数据库将会是更加通用化的场景，包括OLTP和一些分布式的事务、高性能的读取、高并发都是数据库支持的。SQL—on—Hadoop将会局限 在低并发企业内部的分析。

分布式数据库的应用场景

我们做的历史数据查询平台产品，把企业内部的冷数据、热数据、温数据拷贝出来，放在数据库管理集群里面，这套集群并不是取代现有的任何集群，而是一个旁路系统，可以把原本离线的数据在线化，满足大家的需求。很多典型的应用场景，我们都可以满足。

比如，司法机关想在银行查询用户两年前登录网银后做了什么，这些请求如果使用传统数据库，就需要到很多不同的数据库把数据抽出来，然后进行手工 关联。现在，所有的历史数据都可以在线化，相当于把新系统作为一个旁路系统，不会影响任何已有的业务系统，所有的业务系统都可以把数据移到旁路系统，在里 面做业务，从安全角度考虑，这肯定是需要的。

另外就是影像平台，以前用EMC或者IBM做存储时，扩展性、成本都会有问题，现在有了大数据分布式技术，传统的做法使用Oracle加上 EMC的存储，变更到分布式数据库存储里，就可以用高性价比的方案做长期保存，不用每段时间归档一次，可以做快速检索或简单分析。我们在几家银行都已经完 成了这种部署。

模块架构，底层都是使用分布式数据库，上面长出很多的服务，包括版本控制、动态标签、归档、数据管理等等，这些都可以使用数据库内部的一些原数据管理，外加存储机制去满足需求。