发展趋势
引领
生
数
分布
据
式
管
数
理
据
技
库
术
原生分布式数据库正在成为企业核心系统升级首选
2
2
原生
据
分
管
布
理
式
技
数
术
据
发
库
展
引
趋
领
势
内容 变化
原生分布式数据库引领数据管理技术
发展趋势 2
Gartner研究：
如何规划最佳多云和跨云部署数据管理 11
关于OceanBase 17
移动互联网蓬勃发展
根据中国工业和信息化部发布的2021年前三季度通信业经济运行情况的数据显
示，截至2021年9月末，三家基础电信企业的移动电话用户总数达亿户。其
中，5G手机终端连接数达亿户，与2020年末相比净增
亿户。
与此同时，中国5G网络建设步伐加快。截至9月末，移动电话基站总数达
969万个，同比增长%，比上年末净增万个。其中，4G基站总数为
586万个，占比为%；5G基站总数万个，占移动基站总数的12%。
此外，三家基础电信企业发展蜂窝物联网终端用户亿户，比上年末净增
亿户，其中应用于智能制造、智慧交通、智慧公共事业的终端用户占比 分别为
%、%、%，智慧公共事业终端用户同比增长%，增势最为突出。
随着全球移动互联网的快速发展，不仅带来更多的终端数量，与此同时，基于移
动互联网将产生诸如智慧公共事业等更加广泛的智能应用。人工智能类 的非结
构化数据应用（如：人脸识别等），需要强大的数据计算能力。传统 基于小型
机的数据库技术，难以满足存储和计算这些海量数据的要求，亟需新一代的数
据处理技术来破解困局。
移动互联网的蓬勃发展不仅带来丰富的业务种类（如：手机购物、短视频、 移
动社交等），而且明显延长了业务服务时长（用户随时在线、随时使用）， 这对
数据库系统的高可用提出了更加迫切的要求。
的介入或影响。如需了解Gartner调研报告的独立性和完整性的详细信息，请参阅其网站上的 “独立性和目标的指导原则” 。
公司或基金可能与Gartner调研报告中涉及的实体有财务利益关系。Gartner的董事会成员可能包括这些公司或基金的高级管理人员。Gartner调研报告是由其调研机构独立完成的，并没有受到这些公司、基金或其管理人员
包含的信息均取自公认的可靠来源。Gartner不对此类信息的准确性、完整性或适当性作出任何保证。并且不对此类信息中的错误、遗漏或不适当承担任何责任，也不对此类信息的任何解读承担任何责任。此处表明的观点
随时可能更改，恕不另行通知。虽然Gartner调研报告可能会讨论相关的法律问题，但Gartner并不提供法律建议或法律服务，不应将其调研报告解释为或用作法律建议或法律服务。Gartner是一家上市公司，其股东拥有的
OceanBase发布了原生分布式数据库引领数据管理技术发展趋势。由蚂蚁集团提供的编辑内容与Gartner的分析结果相互独立。Gartner的所有调研报告的版权均为Gartner, Inc.所有。© 2021 Gartner, Inc.保留所有权利。
所有Gartner资料在本出版物中的使用均已获得授权。使用或者出版Gartner的调研报告并不表示Gartner认可OceanBase的产品和/或策略。未经Gartner事先书面许可，不得以任何形式复制或分发本出版物。本出版物中
Curabitur at nibh
Consectetuer adipiscing elit tortor lacus
nonummy purus
数据量爆发增长，数据挖掘需求增加
随着5G及IOT技术的发展，以人工智能、区块链、云计算、大数据、边缘计算
等代表的新型技术兴起，全球联网设备数呈稳定增长态势，万物互联成为全球
网络未来发展的重要方向。
物联网的发展，将带动面向企业（to B）的产业互联网的发展，进而产生类似指
数级的数据爆炸式增长。
如何存储这些数据？如何挖掘这些数据的价值？成为摆在企业IT管理者面前的
一道难题。
与此同时，移动互联网的蓬勃发展带来了更多的业务种类、更长的服务时间， 这
些都对数据库系统的高可用性提出了更加严峻的挑战。
IT基础架构上云解决算力和存储问题
随着移动互联网的业务发展和数据量的飞速增长，企业的IT基础架构面临
更多挑战。不仅要存储这些海量数据，还要挖掘、计算出这些数据所包含的 知
识和隐藏的价值。
上世纪九十年代，企业的业务种类很少，数据量更少，使用传统数据库产生 报表就
能完成基本的数据处理和分析工作；进入二十一世纪初，互联网等业 务种类开始
增多，数据量逐渐攀升，开始使用数据仓库对数据进行汇聚和 分析；近年来，
随着企业业务与移动互联网的紧密结合，业务量和数据量迅 猛增长，借助云计算
架构解决存储和算力方面的问题成为明智之选。
借助云计算技术，企业的IT基础架构可以弹性伸缩地进行并行计算，在保证安
全性的前提下，提供了更高的可靠性以及更低的价格。
企业数据上云成为趋势
根据Gartner统计，“数据库管理系统（DBMS）市场在2020年出现了%
的强劲增长，主要是由云数据库平台即服务（dbPaaS）增长约50%所驱动。这意
味着在2020年，超过90%的DBMS增长来自dbPaaS。”1 Gartner还预测， “到2022
年，75%的数据库将被部署或迁移到云平台，只有5%的数据库会考 虑本地部
署。”2
云计算好比是发电厂，在供电的发展历史中，最初每个企业自己使用发电机 发电，
不仅要购买柴油等燃料，还要维修发电机、变电站等设备，培养专门 的发电人员等，
成本居高不下。后来，发电厂诞生了，每个企业只需要拉根 电线，就可以按照使用
的电量进行付费，不需要再去购买设备、购买燃料， 更无需考虑运维成本。
在数据计算的市场上，也将面临类似的演变过程。企业不用直接购买服务器等硬
件，就可以直接使用计算资源，并根据其所使用的存储和CPU等资源的量进
行付费。
云计算不仅能够帮助企业降低计算成本，根据需求随意扩展算力，借助专业 人才
保障数据安全，及时更新各种工具软件，而且还能更快获得计算结果。
某电信运营商的数据仓库已经收集了超过600PB容量的数据，自2010年起该运
营商就展开研究和试点，将这些数据逐步迁移到云数据库平台之上。
企业数据上云，无疑是未来IT架构的主要发展趋势。
挑战
目前，在数据处理的过程中，企业正在面临诸多困境：
首先，传统数据库的扩展能力在集群节点数量等方面有很大的局限性，数据量增
长之后如何扩展系统能力是一大难题；其次，数据分布在不同的业务 系统中，
如何打通这些数据进行整合亦是困难重重；此外，传统的数据分析工具价格偏高，
且软件升级不及时，如何选择数据分析工具来提升数据分析能力是大多数企业
必须面对的问题。
传统的数据（仓）库系统已经无法满足当下数据量急速增长的处理要求。 例
如，某运营商曾经购买知名厂商基于小型机的数据仓库产品，单点超过
10PB容量，已经达到了其在全球的传统数据仓库的最大存储容量。虽然该运营
商耗费巨资，但是传统数仓的处理能力并不能保证线性增长，在处理
大量非结构化数据方面，尤其是在深度学习算法的人工智能应用方面更是 无能
为力。
于此可见，传统数据仓库难以满足当下企业数据处理容量不断增长的需求， 同
时，由于这类数据仓库系统建立在小型机的基础之上，成本远高于X86 机器，
不具备性价比方面的优势。
1 Gartner：<市场份额分析：2020年全球数据库管理系统>
2 Gartner：<云数据库管理系统魔力象限> 3
扩展能力不足
数据量增长需要相应的存储和算力支撑，因此对扩展性的要求更高。为了应对可
预知的流量洪峰，企业的数据库系统需要具备扩展后再收缩的能力。
随着业务的不断发展，数据库系统也要不断扩展，及时跟上业务发展的需 要。
前期企业可以采用小成本投入的方式，不必准确预估业务的未来发展 规模。但
后期随着业务的快速发展，势必提出更多数据库设备扩展能力方 面的需求。
例如：二十年前，某电信运营商的业务以2G为主，业务比较单一，数据仓库 容量
仅有10TB，分析形式以报表为主；引入4G后，业务范围扩展了政企对
公业务、视频内容业务、公有云业务、物联网业务等，数据容量已超800PB。该运
营商应用的数据分析技术包括数据挖掘、深度学习算法等，分析内容
覆盖客户、产品、网络等领域的方方面面，因此，对大数据系统提出了迫切 的扩
展性要求。
传统的数据（仓）库系统，需要扩展小型机服务器，不仅成本高昂，系统扩展的
瓶颈也会越发凸显，无法提供与设备和能力对应的扩展曲线。
数据孤岛
受制于传统数据库架构扩展性不足等缺陷，为了满足业务需求，企业往往 需要
采用多套不同类型的数据库，导致业务数据分布在众多业务系统的数 据库中，
彼此割裂，合并困难，形成一座座数据孤岛。
数据孤岛问题，不仅意味着数据管理困难，以及高额的维护成本，还有巨大 的数
据治理成本。在数据孤岛面前，各个业务部门给出的数据定义口径差异巨大，导
致数据分析结果常常大相径庭，因此，企业管理者常常无法得到准 确的数据分
析结果。
某电信运营商构建数据仓库系统的初衷，就是为了整合各个业务系统的数 据，
形成企业级大数据中心，不仅要解决数据不一致的问题，通过数据各个 维度整合
更要发挥数据分析的显著价值。例如：财务系统计算某个宽带产品 的收入，与计
费系统计算该宽带产品的收入情况对不上，根本原因是两者的 定义口径不一致。
数据整合之后，口径统一，计算时段相同，其计算结果就 能达成一致，降低了
企业管理方面的数据困惑。
分析能力欠缺
随着数据量的快速增加，数据分析能力显得越来越重要。对于传统的结构化
数据而言，EXCEL报表足以满足大部分人的使用需求。随着竞争的加剧，数据挖
掘等分析需求显著增长。引入非结构化数据后，会对深度学习等人工智能 算法提
出更高的要求。
这些数据分析需求，都会对系统的算力提出更高要求。数据分析技术从传统 的数
据库，发展到数据仓库，进而发展到原生分布式数据库，数据处理能力 也在逐步
提升！
2021年10月26日，中国信通院发布的《2021-2022中国人工智能计算力发展评估
报告》指出：AI与云的融合是必然趋势，预计到2025年，中国人工智能服务器
公有云的占比将超过50%，预示了数据库云化的发展趋势。
向公有云迁移困难
企业在前期的信息化建设过程中，产生了很多以传统数据库为基础的各类 信息
化系统，涉及多个业务领域。同时，很多企业或多或少地构建了自己的 传统数据
（仓）库系统。这些历史形成的数据库系统，向云数据库迁移将十分困难。
虽然云服务提供数据库服务，但是对于多数企业而言，为了保证产品交付的 一致
性，实现灵活的管理，无法使用通用数据库，只能基于云基础自建云数 据库，导
致投入巨大。
另外，很多企业在向云数据库迁移的过程中，担心被单个云产品绑定，导致 后期
云数据库升级成本过高、工具绑定成本过高等一系列问题。
企业进行数据迁移的成本将十分巨大，不仅涉及到数据模型的重新梳理， 而且
涉及业务合规性、数据安全性、系统兼容性等相关问题。
从技术的角度出发，传统数据库的云迁移路线可以采用“私有云－混合云－ 多云”
的实现路径。国内的大型企业前期一般会采用私有云的模式，保障数
据的安全性；中小企业后续会采用混合云（私有云+公有云）提升业务的扩展 能
力，降低系统投资的成本；最终，大部分企业会过渡到多云的环境，从而 降低自
身信息化成本支出，快速适应业务领域的各种变化。
4
从战略发展的角度来看，企业现在就需要提前考虑云服务的迁移规划，而原 生
分布式数据库是目前为止数据库系统理想的目标架构。
某电信运营商，历经近10年时间，才完成主要数据从数据仓库到云分布式数据库
系统的迁移工作，期间涉及数据模型重塑、数据处理流程重建、业务系 统改造、
数据治理体系调整等各类繁杂的工作。
趋势
对企业信息系统底层的基础设施进行“云化”之后，给上层的数据库系统
带来了新的挑战和机遇，只有更好地将底层资源池化、资源解耦的优势发挥 出来，
才能给用户带来高可用、可拓展、弹性计算等方面的优势。
目前的云数据库大多是基于开源软件进行二次开发，企业在遇到相关产品 问题
时，很难获得持续的技术支持，后期的运维成本很高。
市场上比较新的云数据库虽然基于云原生进行存算分离，但仍属于集中式 数据
库“分库分表+中间件”的模式，在向其迁移的过程中会涉及大量的应 用软件修改
工作，而且同样面临着被云数据库厂商绑定的风险。
而原生分布式数据库基于分布式理论设计，在构架之初就假定整个服务需要多个
节点共同配合完成，并假设任意一个节点都不可靠。因此，原生分布式 数据库运
行在多个数据节点之上，可配置多个数据副本，它采用一致性协议 保证了全局事
务的一致性，是适应云环境的新一代数据库产品，为企业核心 系统升级提供了
更好的选择。
从市场反馈来看，原生分布式数据库正在成为企业核心系统升级的首选。
高可用，可扩展
原生分布式数据库继承了云计算的特点，具有多个数据副本，采用了share-
nothing的技术架构，因此具有很好的异地容灾能力。通过配置数据副本的 存储
位置，实现机架级容灾、机房级容灾、以及城市级容灾。针对金融监管
要求的“两地三中心”容灾方案，利用原生分布式数据库的架构优势能够轻 松应对，
并且做到数据无损失。
增加和删除节点是原生分布式数据库的常规操作，只需要一条命令即可对数据
库集群的规模进行修改，满足不同的负载需求。原生分布式数据库支持按需增
加节点，且无数量限制。得益于各个节点的对等性，数据库集群的 读写性能随
节点数量的增加几乎呈线性增长。
多地域，多部署形态
原生分布式数据库可跨地域部署，同一数据库集群的节点分别部署在不同 地域，
每个地域就近访问数据。在提升性能的同时可满足数据的跨地域容灾需求，降
低数据丢失的风险。
作为面向企业级的数据库产品，原生分布式数据库的安装部署不依赖特定的服
务器硬件，既提升了硬件选配的灵活性，又能降低了硬件的选购成本。
此外，原生分布式数据库支持裸金属安装、私有云部署、混合云部署和多云部署。
混合负载
在数据处理的分类中，有面向交易处理的OLTP（On-Line Transaction
Processing）和面向分析处理的OLAP（On-Line Analysis Processing）两种
处理类型。
受制于数据库技术的革新未能跟上大数据分析的发展需要，交易型系统和 分
析型系统走向了两个不同的方向。目前，多数客户使用两套系统分别支撑交易系
统与分析系统，不仅造成了大量的数据冗余，同时增加了系统的复 杂度和运维
难度。原生分布式数据库使得两者的融合成为可能，在同一套 系统中同时支
持两种业务负载成为原生分布式数据库的重要发展方向。
面向混合负载的应用场景，原生分布式构架从以下几个方面入手：
• 大集群可扩展：原生分布式架构可以灵活拓展，动态分配资源，按需扩展集
群的规模。集群的计算资源可以进行动态分布，从而改善整个分布式
数据库系统的负载情况。
• 多样的存储形态：数据管理系统中始终存在数据的“ 行存”与“列存” 之争，即
数据是按照“行”进行存储还是按照“列”进行存储。借助其多数据
副本的特点，可以将一份数据同时进行“ 行存”和“列存”，或者呈行列中间态存
储，后续根据数据操作的特点进行匹配，提升性能。
• 借助向量化执行引擎：向量化执行引擎本质上是一种批处理模型。在高 并
发场景中，可以把大量的请求合并，改为调用批量接口。这种批处理
减少了CPU的中断次数，可以更加合理地利用资源。
• 资源隔离：交易操作的实时性要求往往大于分析操作，分布式数据库利 用
其节点间的资源隔离，以及进程间的资源隔离技术，有效解决了两种
负载的冲突问题。
5
多租户
在互联网和大数据的双重推动下，业务系统变得更加多样和复杂，无论是 种类
还是数量与从前相比都有显著提升，这就需要大量的数据库实例进行支撑。实
例数量的增加意味着管理难度更高，随之而来的是管理成本的 攀升。
“云”时代基础构架的显著特征之一是资源池化，从大的资源池中快速创建 可用服
务，按需扩展和收缩，才能满足灵活的业务需求。资源池化能够降低 所管理的实
体数量，同时增加服务的灵活性。
多租户是数据库池化的有效解决方案。原生分布式数据库能够将一个大的 数
据库集群按逻辑分隔成多个租户，每个租户等同于传统数据库的一个实 例。
集群管理员在创建租户的同时，指定租户能够使用的硬件资源，在运行 过程中可
以对租户使用的资源在线扩展和收缩，达到动态调节的目的。租户间的数据访
问是完全隔离的，对应用程序而言，和使用传统的单实例数据 库并无差别。如
此，多个业务共用一套数据库集群而互不影响，企业只需维 护少量的几个集群就
能满足所有的业务需求，大大降低了管理成本和运维难度。
云时代，多租户特性是大型数据管理系统最重要的能力之一。
透明兼容性
大部分行业经过企业信息化的长期积累与革新，在企业内部积累了大量的 业务系
统。凭借数据库的透明兼容能力，原有业务系统只需进行小幅修改， 甚至无需修
改，就可以运行在目标数据库上。其透明兼容能力主要体现在 以下几个方面：数
据库语法兼容，透明的分布式能力，以及透明的扩缩容 能力。
传统的企业级数据库产品提供了强大的能力，协助开发者更加便捷地构建 应用
程序，但同时也导致应用设计过度依赖数据库功能的问题。应用程序 若要适配
新的数据库产品，必须对应用代码进行大量修改，将原数据库语 法转换成新语
法。作为新一代数据库，原生分布式数据库尽可能兼容当下
流行的数据库产品的语法和功能，包括其扩展编程能力，比如Oracle提供 存储过
程，触发器，OCI，Pro*C等功能，MySQL也提供过程语言。有了强大的数据
库兼容能力，既有应用系统的数据库代码无需要修改就能轻松适配。
原生分布式数据库的每个节点都提供一致的读写能力，节点数量没有上限， 整个
数据库集群对外提供统一的服务，应用系统不用关注其内部结构，也无 需进行分
布式改造，和使用传统数据库并无区别。由于原生分布式数据库 屏蔽了分布式的
复杂结构，能够实现透明的扩缩容能力，因此使应用不受 影响。
具备数据库语法兼容、透明分布式和透明扩缩容能力的原生分布式数据库， 把
复杂结构留在了数据库内部，为应用提供了极大的便利。
6
7
案例
案例1-中国工商银行股份有限公司
2020年9月，中国工商银行的重要业务系统——对公（ 法人）理财系统完成从
大型主机到分布式架构改造，顺畅运行在企业级原生分布式数据库
以来第一次基于混合云模式构建核心保险业务系统。中华财险后续还将在 农险、
理赔等多个业务上线 OceanBase。
借助蚂蚁集团分布式架构SOFAStack + mPaaS + OceanBase的保险
OceanBase之上。对公（法人）理财系统是工商银行的重要业务系统，支撑着
企业客户万亿级资产，此前一直运行在大型主机的架构之上。
OceanBase为工商银行搭建了横跨“两地三中心”的分布式集群，以“五副本+主备
模式”提升系统的高可用水平，为业务连续性提供强力保障，并且
业务整体解决方案，中华财险全面提升IT 基础设施支撑能力，并实现
RPO（Recovery Point Objective，复原点目标）=0，RTO（Recovery Time
Objective，复原时间目标）<30秒的机房级别容灾能力。
在迁移过程中，依托OceanBase的OM（OceanBaseMigration Service，
在保证系统性能和稳定性的前提下有效降低了投入成本。
案例2-中华联合财产保险股份有限公司
2021年初，中华财险车险系统在全国27个省市区上线国产原生分布式数据库
OceanBase。此次系统转型升级，涉及交易、运营和后台等多个方面，涉 及7个险
种、100多个业务系统（包括25个核心业务）的重构，是保险行业有史
图1：
“两地三中心”架构
OceanBase迁移服务）数据迁移服务，中华财险业务系统的SQL程序几乎
无需改造，在保证“服务不停，数据不丢”的同时，最大化地降低了数据迁 移的时间
和成本，提升运行效率。其OMS迁移服务原理如下图所示。
资料来源：OceanBase
中华财险系统架构
资料来源：OceanBase
案例3-中国移动通信集团山东有限公司
中国移动山东分公司是OceanBase的重要应用客户之一，是第一个在核心计费
系统中全部使用国内企业级数据库解决方案的运营商，其基于
OceanBase原生分布式数据库的核心计费业务系统已于2021年5月正式上线，
是蚂蚁集团自研数据库在非金融领域的重要合作伙伴。
以OceanBase为代表的新一代原生分布式数据库无单点瓶颈，可线性、在线扩展
和收缩，可以更好地解决业务扩展性难题。
从主要项目的业务指标来看，自该系统上线后，山东移动计费系统处理效率
明显提升，详单处理时长从7分钟缩短至5分钟，处理效率提升了30%；数据由
原有的7T压缩为，不仅降低了存储投入成本，整体硬件和维保成本也大幅
下降。通过在三个不同的物理数据中心分布式部署OceanBase的服务
节点，组成了一个跨越多数据中心的分布式数据库集群，实现RPO=0的机房级容
灾，从而具备了任一机房损毁而数据不丢失、数据库服务不间断的原生 容灾能力。
从实施效果来看，OceanBase基于Paxos协议和分区等技术整合多套分散系统，
对多机房部署实现高可用和容灾，因此业务迁移后不再需要搭建灾备
系统。通过OceanBase性能无损的数据高压缩比，分区、读写分离、LSM等
技术提升了OLTP事务效率；通过高兼容性和OMS迁移服务，保障了多个核心业
务系统的平滑迁移，核心数据库源系统数据类型、对象、存储过程只需经
过少量修改便能达成应用适配，仅在1小时内便完成了从原有数据库系统到
OceanBase原生分布式数据库系统的切换，真正实现了一站式数据库无损切割。
为进一步节约成本，OceanBase数据库使用普通PC服务器替代线下小型机
+集中式存储等传统架构，相比原有的架构帮助山东移动大幅降低了硬件 成本。
8
9
山东移动系统架构
资料来源：OceanBase
OceanBase简介
OceanBase 100%自主研发，连续8年稳定支撑双11，创新推出“三地五中心”
城市级容灾新标准，是全球唯一在TPC-C和TPC-H测试上都刷新世界纪录的国
产原生分布式数据库，具备高可用、高扩展、高兼容、易管理、部署灵活、
高性价比等特点，已助力400余家行业客户实现核心系统升级。OceanBase 数据
库可应用于关系国计民生的金融、政府、电信和能源等主要行业的核心 业务系
统。
2020年10月2日，据权威机构国际事务处理性能委员会（TPC，Transaction
Processing Performance Council）官网披露，中国蚂蚁集团自主研发的原生分
布式关系数据库OceanBase，在被誉为“数据库领域世界杯”的TPC-C 基准测试中，
打破了由美国公司Oracle（甲骨文）保持了9年之久的世界纪录，
2021 年 6 月1 日消息，蚂蚁集团100% 自 主 研 发 的 原 生 分 布 式 数 据 库
OceanBase正式对外宣布开源，并成立OceanBase开源社区，社区官网
同步上线，300万行核心代码向社区开放。开源是基础软件走向成熟和通用 的最
佳途径，同时也将创造更开放、更有活力的基础软件开发环境和人才
培养环境，实现企业和开发人员的双赢。自创立至今，经过十一年的技术沉 淀和打
磨，蚂蚁集团通过开源打造了一款大家都可以用的分布式数据库， 从而普惠更
多的企业和个人开发者。
从企业应用角度出发，OceanBase的五大典型特点值得特别关注：
• 作为新一代原生分布式数据库，较传统数据库产品更具“跨代”优势； 具有可
靠性 安全性 一致性等显著特点：提供跨域多个副本，借助
成为首个登顶该榜单的中国数据库产品。 • / / Paxos
协议保证了事务的一致性，实现跨地域无损容灾，并在银行和电信等行业拥
有部署案例；通过开源其源代码，降低了客户的安全疑虑。
10
• 具有OLTP与OLAP融合的数据库优势：通过大集群、高并发、向量化、资源 隔离
等技术，提供混合负载解决方案。
• 支持多租户构架：可将当前多个数据库实例，并入一套数据库集群的多个租户
中，降低管理难度。
• 透明高兼容：提供Oracle和MySQL两种兼容模式；应用无需进行分布式改
造；集群能够在线扩缩容，不影响业务应用。
在人工智能等技术突飞猛进、数据量飞速增长的大背景下，原生分布式数据
库是未来数据处理的发展趋势，而OceanBase为企业级客户提供了这样一种经
过行业市场实践验证的产品。目前，越来越多的企业选择OceanBase 作为核心
系统升级的首选。
资料来源：OceanBbase
许多公司越来越多地使用多个云服务提供商，
因此不应再将云基础设施选择作为事后补救措施。
数据和分析领导者可利用本调研报告规划 多云和
跨云部署，确保云资源得到最佳利用。
概述
主要发现
• Gartner最近的一项调查显示，在使用公有云的
受访者中，76%使用了多个云服务提供商
（CSP）。
• 通过使用可能不符合公司主要云战略的其他厂
商，通常即会系统性地出现多云架构。
• 在云端监控使用情况和成本可能很困难，当使
用多个CSP时，此类挑战会进一步加剧。
• CSP产品的生态系统成熟度各有不同，需要类
似于本地平台的集成工作。在多云和跨云场景
中使用时，还需考虑网络延迟、数据传输问题和
性价比优化的复杂性。
• 独立软件厂商（ISV）通常可提供云不可知解决
方案，这对独立的CSP服务构成了挑战。
建议
对于计划使用多个CSP的数据和分析领导者：
• 谨慎部署多云和跨云架构。不要限制多云的
使用。制定云使用和部署政策，以防止使用非
战略性云产品和出现不受控制的支出。
• 使用云监控和优化工具（用于预算制定、资源分
配和延迟控制）追踪不同云的使用情况，
以避免不受控制的支出，并确定可能需要对其
采取补救措施的架构痛点。
• 根据用例的具体优化需求，选择您的跨云或多
云部署层。这通常需要在优化与灵活性之间进
行权衡。
• 如果您正在考虑跨多个云主动集成数据，可以
评估一下ISV产品，这些产品扩展了CSP本身所提
供产品的广度和范围。在评估中，不要忽视新兴
跨云CSP的能力。
战略规划设想
到2023年，对数据管理的云偏好将减少厂商的规模，
而多云的增长将增加数据治理和集成的复杂性。
到2023年，云数据库管理系统（DBMS）的收入将
占DBMS市场总收入的50%。
到2025年，50%的独立DBMS厂商将停止运营， 致
使客户调整战略并迁移回其战略性DBMS供应商。
图1：
多云与跨云
前言
多云和跨云数据管理部署很普遍：Gartner于最近的
2020年7月和8月开展的云部署调查发现， 在企业机
构使用公有云的受访者中，76%表示其
公司正在使用多个CSP。1使用多个云部署选项会在
性价比优化、资源分配、数据治理、元数据管理和
数据集成方面面临挑战。
区分“多云”和“跨云”的概念很重要，前者是指使用多
个云环境，后者涉及主动在各个云之间开展数据管
理、实时数据访问、元数据访问和数据
传输（见图1）。有关云部署场景的进一步说明和
完整分类，请参见注释1以及了解云数据管理架构：
混合云、多云和跨云。
随着公司使用的云服务提供商数量增加，管理这 些提
供商的复杂性也随之增加。这可能会带来负 面影响，
例如与数据延迟有关的性能问题、计划外成本超支或
数据输出费用，以及数据集成难度。公司如何克服
这些挑战？
11
Gartner研究：
跨云部署
最佳多
理
和
我们建议采取以下三点对策：
• 制定深思熟虑的云部署战略
• 追踪所有云提供商的使用情况（包括支出）
• 同时考虑以CSP为中心和以ISV为中心的方法
分析
精心规划您的云架构
与采用“统一战略”进行部署的理念不同，多云和跨云
架构正在系统性地逐渐成形，而这种现象越
来越常见。根据Gartner最近的一项云部署调查
显示，63%的公司会使用由一个主要CSP提供的服务，
同时也会使用其他云提供商提供的服务；
13%的公司会使用多个提供商提供的服务并且没有
主要提供商。调查结果得出，76%的公司会使用多
个云提供商提供的服务（见图2）。
图2：
多云基础设施的使用情况
虽然许多公司采用单一云提供商的战略，但鉴于以
下因素，这些公司几乎不可能严格遵循这一战略：
• 许多公司都在使用SaaS产品，并借此创造了另
一个具有独立云基础设施和数据持久层的封
闭式云环境。
• 云服务易于部署，可由业务部门而非集中的IT
部门加以实施，我们通常将这种部门称为“影
子IT”。
• 随着并购活动的发生，公司会继承现有的基础设
施，从而导致不经意间使用多个云。
• 其他CSP的单点解决方案通常具有特定的优
势或功能。
• 公司可能会决定使用一个由CSP提供的开发
或可视化工具，而数据则来源于或驻留在另一
个CSP中。
随着公司的任意部门开始使用次级CSP后，多云环
境便会应运而生。这些公司可能还需要处理跨
云数据管理问题，同时还存在一些关于跨云数据集
成需求的具体问题。这些问题包括性能和延迟、数
据治理（包括安全、加密和数据主权）以及财务治
理问题。在跨云环境中，不仅财务治理更具挑战性，
而且肯定会产生数据传输费用。
跨云数据管理尚处于起步阶段，但随着众多公司 发
现自己身处多云环境，并根据具体情况寻求方法统一
环境时，跨云数据管理可能会变得愈发普遍。
WeLab即是出于监管方面的考虑而使用跨云的一
个早期例子，这是中国香港的一家数字银行，
其使用Temenos Transact和NuoDB在亚马逊云
科技和Google Cloud平台上部署了核心银行业务解
决方案。
2
关于跨云数据管理普及程度究竟会发展到
哪个阶段，目前尚不明确。
数据和分析领导者必须接受这一新现实，并制定 政
策以降低风险和复杂性。对于大多数公司而言，
问题在于何时使用多个CSP，而非是否使用。尽管存
在这些难题，但多云数据管理可确保可靠性、
成本效益和地理定位，并可降低因厂商锁定而产生
的风险。
当效益大于复杂度时，公司便应采用多云部署。务
必要注意，多云并不应是单独存在的战略，而 应该
成为公司整体云战略的一部分。如果您公司
的主要CSP不支持您所需的数据管理功能，您可
以使用次级CSP提供的服务，并考虑使用ISV，管
理不同CSP之间的工作负载。如果使用次级CSP 提
供的服务所带来的效益不明朗，领导者应注意优
先使用主要CSP。默认情况下，任何新计划都应
12
使用主要CSP提供的服务。如果使用非主要CSP
提供的服务，您应在自己的预算范围内采取这些计
划，并自行承担风险，而且可能得不到公司的全面
支持。领导者应该宣传这种做法。
对数据和分析领导者的建议：
• 不要限制多云的使用。恰恰相反，应根据云使用
和部署情况制定政策，确保经过深思熟虑后再
做选择。
• 遵循首选的主要云提供商战略，并要求提供使
用非战略性云资产的合理依据。设置新项目的
默认标准，确保使用主要云提供商。
使用工具追踪不同云的使用情况
数据源和应用在不同云提供商之间分布得越多， 对
监控的需求就越大。数据和分析领导者应追踪 数据
在数量和方向上的流动情况，因为这会影响 延迟时
间和性能。如果不积极主动地监控公司云 资源的使
用情况，则很容易造成超支。将先前在 本地运行的
工作负载改为在云中运行后，可能会 导致成本激增。
云服务的成本模型与本地服务的 不同，前者将进一
步加强了对强有力监控的需求。
随着更多的云提供商参与进来，各个云的复杂性迅
速增加，而可见性则急剧下降。了解如何使用多个
云提供商提供的服务非常重要，一些工具可帮助您
直观地感受这些云的性能和成本。相关云
监控和优化示例工具包括：Apptio Cloudability、
此外，数据流与业务流程、数据创建速度、数据的
使用 /重复使用方式，甚至地理区域都有内在联系。
监控不同云的使用情况有可能会发现效率低
下的问题，您应该循序渐进地修复这些问题。这也
是关注元数据的好机会，因为其可助您深入了解数
据资产之间的关系以及数据在整个公司中的使用情
况。
对数据和分析领导者的建议：
• 制定有关追踪多个云的支出和使用情况的政
策。此举将有助于了解云资源的使用情况、不
受控制的支出情况以及非战略性云产品的使用
情况。
• 实施监控工具以管理多个云的资源消耗情况，
减少成本超支。
• 使用单一管理平台监控工具，确保遵循数据治
理和安全政策。
使用CSP产品作为您的数据管理平台
CSP基础设施及在其上运行的服务是全新的数据 管
理平台。这些平台由以下部分组成：
• 支持基础设施即服务（IaaS）计划的一般基础
设施。
• 公共服务层，例如可用于实施数据管理的云
对象存储，管理对象则为诸如平台即服务
CSP侧重于在原生CSP环境中管理数据，但其近期
在推动更多地纳入本地基础设施，并对将数据管
理功能扩展到其他云的兴趣与日俱增。基于容器
的方法均采用混合云和多云方法，例如Amazon
EKS Anywhere 、Microsoft Azure Arc 、Google
Cloud Anthos和IBM Cloud Pak for Data，使企
业机构能够将本地数据连接到其CSP，并管理本地
或其他云中的数据基础设施，甚至可以访问其他云
中的数据。
借助这些服务，公司能够在同一地方管理其所有数
据，包括常见的安全和治理政策、监控、弹性
伸缩和现代化的持续集成/持续交付（CI/CD）工
作流。CSP提供的云服务可扩展到本地环境中，
从而打造统一的现代数据管理平台，而无需再管
理单独的本地环境和云环境。通常由数据集成厂商
提供的数据虚拟化工具是公司实现跨云架构访问、
集成和共享数据的另一种方式。
此外，许多CSP也在以云数据生态系统的形式
提供更加统一的数据管理体验。这些举措旨
在统一大多数CSP提供的众多单点解决方案，
将“ 需自行组装”体验转变为统一的单一产品
体验。云数据生态系统的早期相关示例包括：
Microsoft Azure Synapse Analytics 、IBM Cloud
Pak for Data、Oracle Cloud Infrastructure 的
Autonomous Database 和 Google Cloud
Dataple。
当集成位于多个云中的数据管理环境时，集成的客
户端终结点将归入数据管理堆栈内的三个组件
Datadog、Densify、Novetta CloudTracker和
VMware CloudHealth。数据洞察示例工具包括：
Unravel和Acceldata。理想情况下，您需要监控不
同云的支出和使用情况。
（PaaS）的跨云服务。
• 为满足特定需求而设计的原生CSP孤立点解
决方案，例如数据库平台即服务（dbPaaS）。
• 在云基础设施上运行的第三方ISV单点解决
方案。
中（见图3）
13
14
在数据管理堆栈中，这些层分别为：
• 对象存储层 — 这是最为大众所了解的与数据
相关的层 每个云中的每项数据服务都可对本
地云对象存储作读写数据操作，无论其为原生
CSP产品还是第三方ISV产品：
• 如果数据能在这一层有效地分布，则几乎可
以根据用例选择任意云服务以交付此类
数据。因此，使用云对象存储可极大地提高
灵活性。
• 理想情况下，这些解决方案应能够管理复制
哪些数据以及复制到何处，并通过仅移
动已更改的数据执行优化措施，以避免不必
要的输出成本。
• 相 关 示 例 厂 商 包 括 ： Equalum 、HPE
Ezmeral和WANdisco。
• DBMS层 — 利用分布式DBMS（可创建分
布在云间的逻辑集群）提供额外的优化。然而，
由于使用单一厂商可能无法处理所有用例，
因此该层缺少灵活性。DBMS层包含可跨多个
云，按地理位置不同实施分布式集群的数据管
理平台：
• 由于实体数据中心之间的距离，对于跨多
个云的数据，在DBMS层执行跨云数据管理
的主要问题可能是延迟和一致性问题。
不过，这些架构可同时支持局部读/写功能与
全局读取功能，并强制执行数据主权政策。
• 相 关 示 例 厂 商 包 括 ： Apache Cassandra/
DataStax 、CockroachDB 、 MongoDB 、
NuoDB和YugabyteDB。
• 应用层 — 包括跨云查询数据或访问数据所需
的组件：
• 在应用层执行跨云数据管理的最大问题可能
是数据延迟和性能问题。由于此原因，
针对此层，大部分情况下会在此部署某种缓
存层。对于这种方法最准确的描述为将数据
集成推迟至用户使用时。
• 这 方面的 示 例 包 括数 据 虚拟化 工具
（如Denodo）或商业智能查询引擎（ 如
Microsoft Power BI）。而另一个示例便
是SAP，其业务流程分布在不同的云中并通
过应用实施互操作 。例如，在中国，
其供应链在阿里云上运行，在北美则是在亚
马逊云科技（AWS）上运行。
对数据和分析领导者的建议：
• 考 虑 使 用 CSP提供的服务，如Microsoft Azure
Arc 、Google Cloud Anthos 、IBM Cloud Pak
for Data和Amazon AWS Outposts，促进公
司以现代化方式管理本地基础设施。
图3：
跨云部署选项
• 选择跨云部署层时，在优化与灵活性之间进行权
衡，并考虑个别用例的具体需求。将云对象
存储扩展到多个云作为默认跨云部署层的解决方
案，可提供最大程度的灵活性。使用应用或
DBMS层可能更适合于满足特定的需求。
• 不要低估运行多个云环境带来的额外复杂性。
可能需要使用不同的功能和工具多次实施同 一
组策略。
使用ISV提供的云不可知解决方案，
但能认识到其正面临CSP的挑战
与历来一直关注管理CSP原生数据的CSP不同，
ISV侧重于云不可知解决方案。ISV将CSP视为目标 或
数据源，并且大多数ISV可成功支持多种平台。
这些ISV方法目前正面临着来自原生CSP产品的中
期挑战。ISV需要突出其现有的差异化，以保持现
有的竞争优势。这种差异化集中体现在两个主要方
面：
• 多云的可移植性前景（以及在跨云环境运行架
构的可能性）。
• 可能比原生CSP产品更为成熟的差异化核心
产品。
DevOps变革简化了公司部署软件的方式。容器和
Kubernetes正引领将可移植性标准化的进程，
许多ISV正在这些基础设施上构建其云可移植解
决方案。大多数情况下，我们可能高估了云可移
植性的前景。从一个CSP迁移到另一个CSP的影响
要比云不可知厂商能够提供的单一组件所产生
的影响要大得多。如果多云可移植性战略能够提供
比本原生CSP产品更重要的商业价值，则使用ISV
提供的服务较为合理。
随着原生CSP产品日趋成熟，对ISV而言，保持差 异
化的核心产品将变得越来越困难。CSP能够利用
与底层基础设施紧密集成的优势，而ISV产品则不
具备这一特点。ISV可 能 难 以 支 持 不 断 变 化 的
CSP平台，这需要大量的开发工作并精心制定战
略。虽然CSP对 ISV构成巨大的挑战，但ISV目前
可在各种领域提供更为成熟的数据管理解决方案，
包括数据集成、主数据管理和元数据管理。
可在数 据集 成方面作为示例ISV 的包括：
Informatica Cloud和Talend Data Fabric，这些
ISV可替代AWS Glue和Microsoft Azure数据工厂
等CSP产品。又如，Collibra和Alation等元数据管
理ISV可与AWS Glue和Microsoft Azure Purview
等CSP解决方案展开竞争。在近期和中期，由于这
些ISV 单点解决方案比CSP产品更为成熟，其将继
续发挥重要作用。
CSP也开始部署多云和跨云战略，此举将减少对
ISV的需求。例如，Google BigQuery Omni可以在
AWS或Azure中部署容器化计算，查询第三方CSP
对象存储中驻留的数据，并通过在Google Cloud
平台中运行的BigQuery返回这些结果。
Microsoft Azure Purview是多云数据治理和元数
据工具的另一个示例。很明显，CSP正在挑战
ISV在多云/跨云市场上的地位。尽管CSP希望所 有
数据都位于其云中且永远不会再迁移，但如果
情况并非如此，CSP亦希望在管理数据方面发挥积
极作用。
对数据和分析领导者的建议：
• 如果ISV产品提供的功能或范围超出原生CSP 产
品的功能或范围，或者多云/跨云需求非常重要，
则应使用ISV产品。
• 在使用结合ISV和CSP产品的半CSP原生生态
系统时，需要为更复杂的集成做好规划。这
必然会增加集成、治理和财务治理的复杂性及
支出。
依据
1 Gartner开展的“ 2020年云终端用户购买行为
研究”旨在了解技术领导者如何处理购买、续订
和使用云技术的相关问题。这项调查于2020年 7
月和8月通过网络在线开展，受访者来自美国、加拿
大、英国、德国、澳大利亚和印度。共有850
名受访者参与了此项研究，其中724名受访者表示
其公司正在使用公有云、混合云或多云基础设
施。在这724名受访者中，24%表示只使用一个
提供商提供的服务；13%使用多个提供商提供的
服务且没有主要提供商；63%则使用多个提供
商提供的服务并拥有一个主要CSP。这项研究由
Gartner基础研究团队主导。此研究结果并不代表
全球调查结果，也不代表整个市场，而是本调查所
涉及目标国家的简单平均结果
2 NuoDB：WeLab利用多云功能获得优势，您也可
以做到！Temenos。
主要术语缩写词汇
CSP
云服务提供商
ISV
独立软件厂商
15
16
注释1：混合云、多云和跨云分类
市场上有关这些术语的定义和含义并不明确。厂商
通常会将其产品称为“多云”产品，即指这些
• 多云 — 一种服务或产品，在多个云服务提供
商基础设施上运行，也可以在本地运行。在图4
中的标记为“3”。
同样，“特定于用例的多云”是指在一个云中部署开
发环境，在另一个云中部署生产环境。
您无法使用“ 特定于用例的跨云”，因为在特定
产品可在多个云上运行。Gartner接受这一定义，
但我们认为这种说法并不完整。以下是我们所使用
的定义：
• 混合云 — 指可跨越本地和云环境实施部署，
可以进一步细分为以下两种情况：
• 跨混合云的架构 — 跨越本地和云环境的
单一逻辑部署组件。在图4中的标记为“1”。
• 特定于用例的混合云 — 其中不同的组件
按照其开发生命周期的功能（例如，开发、
测试、生产）进行细分。在图4中的标记为
“2”。
• 跨云 — 数据作为逻辑应用部署的一部分在
云服务提供商之间集成或交换。在图4中的标记
为“4”。
这些定义也可以结合使用。例如，“跨云架构”是指
单一应用的逻辑部署，其中的组件部署多个云上，
并定期在云间交换数据。
于用例的场景中，数据不会在不同环境之间主动交
换。
资料来源：Gartner研究简报G00750997，Nina Showell、
Adam Ronthal，2022年8月6日
图4：
混合云部署的四种核心场景
17
OceanBase由蚂蚁集团自主研发，创新推出了“跨三大地区的五项IDC”灾难恢复标准。OceanBase 是全球
唯一一个在TPC-C和TPC-H基准测试中均打破世界记录的本原生分布式数据库。OceanBase 具有高可用、
高可扩展、高兼容、易管理、部署灵活、高性价比等特点，已助力400余家行业客户实现 核心系统升级，并
连续8年稳定支撑双11全球购物节提供稳定支持。
关于OceanBase
