曾在国内外5家大厂做数据库工程师，这是他给出的5大趋势预测( 二 ) Pine编译自凹非寺量子位|公众号

除此之外，这种解耦架构还能为数据库系统合并不同类型的存储和计算，以实现总体的高性能和新功能。
目前，云技术正在逐步应用到数据库中。
S3（SimpleStorageService简单存储服务）因为自身的简单性、低成本、高可用性、可扩展性等，已经成为云计算的基础。
而且，它还演变成了数据湖，可以用来存储、处理和保护大量结构化、半结构化和非结构化数据。

文章图片
现代数据库讲了这么多数据库的发展，说回到现代数据库。
提到现代数据库，就不得不了解下面两种架构。
首先是DataLakehouse ，它相当于是数据仓库和数据湖的结合，可以看作是在对象存储上运行快速的SQL 。
它同时具备了数据仓库的性能和数据湖的灵活性，能够消除数据孤岛（数据之间无法互通）和ETL（抽取-转置-加载）过程，从而使得数据的性能、灵活性和成本效益都得到提升。
除此之外，它还统一了所有的数据，简化了数据工程过程，并支持BI（商业智能）和AI工作负载在一起。

文章图片
了解完DataLakehouse ，再来说说混合事务/分析处理（HTAP）。
它是一种新兴的应用程序架构，为热门的现代数据库提供了动力。
比如说谷歌发布的HTAP数据库产品AlloyDB ，具有卓越的性能、可扩展能力和可用性，并且在高并发的OLTP环境中，可以快速响应用户的复杂操作。
而Snowflake（数据云公司）紧随其后，发布了Unistore ，同样也支持HTAP ，可以在单一平台上同时处理交易和分析数据。
进一步来说，和Lakehouse一样， HTAP的目标也是消除从OLTP到OLAP或从数据湖到数据仓库的ETL过程。
并且，当前的HTAP是支持OLTP和OLAP工作负载的单一系统体系结构，而早期的数据库只能配置为OLAP或OLTP（不能同时使用）。
未来走向数据对于现在的生活的确至关重要，我们也能从现在数据库的发展状况窥见些许未来数据的走向。
大致总结了五大方向。

文章图片
统一BI和AI首先，数据库在未来可能会统一BI和AI 。
总的来说，未来数据库的目标应该是解锁所有数据的业务价值，并支持BI和AI的整个数据景观，包括从描述到诊断、预测和规范等数据分析操作。
统一BI和AI不仅可以消除数据仓库和ETL ，还可以简化管道，提高利益相关者的生产力。 DataLakehouse可以被视作是一个巨大的飞跃，但是目前还只是处于起步阶段。
除此之外，在从数据到商业价值的过程中，也会激发多种的岗位需求:数据工程师、数据分析师、数据科学家、机器学习工程师等。
专用网格其二，未来的数据库可以通过构建专用的网络来满足多样化需求。
就目前来看，数据库技术融合已经成为一种趋势，如NewSQL、Lakehouse和HTAP 。
但NewSQL、Lakehouse仍然是OLTP或OLAP的一种类型， CAP定理仍然成立。
并且当前的HTAP解决方案主要是OLTP ，只适合小型工作负载。目前市场上可用的HTAP还远不能作为大型企业数据仓库或数据非结构化数据。
因此，专门构建的数据库很有必要，它可以更好地满足不同的业务目标，包括性能、可伸缩性或者/和特定的用例（例如，时间序列数据、图表、搜索等）。
而且还可以分离开具有收敛层的数据库，用于互连、统一的数据服务和一致的治理。