维端网当有人说数据库技术的创新无止境时，想必深谙数字化之道的行业领域不会出现反对声音。
两个最主要的原因在于：一是，传统行业企业由于自身特定应用需求以及历史遗留问题，需要借助数据库技术实现自身业务的数字化重塑；
其二则是，随着数字化进程的不断提速，企业用户对数据库的性能、扩展性、高可用性以及成本效益等特质的期待变得更加严苛。
Forrester调研显示，数据驱动型的企业每年平均增长可达30%。
可见，数据是除了市场需求之外驱动企业加速发展最为关键的力量！
云原生数据库在创新中前进，在底蕴中爆发
“目前，千行百业热议的焦点即是数据。事实证明，成为一家数据驱动型企业方能在竞争中弯道超车，更加快速接近自身的发展目标”。亚马逊云科技大中华区产品部总经理陈晓建如是说。
随着大数据在企业数字化前进之路上的长袖善舞，以及业务数据量的不断增长，大量企业用户选择将数据库推至云端，以此进一步获取数据应用的便捷、高效以及安全可靠的优质数据应用体验。
日前，IDC对亚马逊云科技数据库、大数据和AI/ML的产品分析后得出结论：现有的客户如果采用了与数据相关的云服务以后，五年的投资回报率会达到415%，总体运营成本可以降低48%。显然，上云赴大数据饕餮必将给企业的前所未有的裨益。
一个例子，飞利浦通过十几项亚马逊云科技服务为其医疗HealthSuite服务平台赋能–通过构建数据湖架构，飞利浦将来自各方的数据融合汇总，借助Amazon SageMaker、Amazon Ground Truth等工具对数据进行实时处理。其不仅完成了大规模的临床预测，以及医疗的数据预测等等数据洞察服务，同时对整个产业上下游，医院和各种保险公司的数据了如指掌，实现了精确的场景灵活运用。
那么，企业用户在努力将数据库向云迁移的同时，用户是如何根据自身特性选择对应的云数据库工具，又是怎样经历一番云原生数据库选型对比思考呢？回答这一问题，需要我们深入数据库上云背后的数字化趋势以及用户需求的变化，方知其中奥妙。
到今天为止，企业IT架构仍在不断的自我调整，以此迎接数据爆炸的时代：海量数据的多样化、异构化以及丰富的数据源让数字化转型增添了三个数据应用新趋势–数据多样化带来数据运用的新应用；现代化应用下的微服务需要专门构建数据库以获得最佳表现；快速开发与迭代需要平衡数据库的成本与性能。
如果将上述三大趋势与数据库应用紧密绑定来观察，从本质上已经说明：企业数据的多样性让计算的多样性变得更加具象，也更加务实，这也进一步推动了云原生数据库的功能得到有效施展。
那么，何谓云原生数据库？
陈晓建将其特质与传统数据库做出对比，给出了清晰的答案：相比传统IT数据库，云原生数据库能够免运维、灵活调动、随需而用！
“云原生数据库具备了从计算、网络、存储、安全、大数据、AI/ML等服务，各种能力都可以进行很好地融会贯通，以云服务生态整体性来满足用户应用的多样性”陈晓建的观点颇具创新性。
如果说云原生之路代表了数字化的当下与未来，那么云原生架构下的数据库，是否会成为企业数字化转型的一条提速捷径呢，答案显然是肯定的。
从传统行业企业面临的数据挑战即是佐证：传统IDC资源有限且无法快速扩展，传统数据库的技术架构无法充分利用云的弹性能力且难以充分发挥云的优势。而云原生数据库本身是分布式Scale Out形态，可随时实现节点扩充；商业数据库的License也带来了高昂的成本，同时需要大量硬件投资和庞大的运维团队。云原生数据库则不需要专门去配备昂贵的DB团队，其本身是一个按用量收费的服务；传统关系型数据库应对不同业务场景需求的能力存在瓶颈，而云原生数据库则云原生数据库可以利用云端的其他服务，包括计算、网络、存储、安全、大数据、AI/ML，通过深度集成，将各种能力融会贯通。
陈晓建总结，云原生数据库能够帮助企业更快地拓展业务，并摆脱底层基础架构繁琐，让企业用户专注于业务创新。
也正是带着这一认知，亚马逊云科技一直推动云数据库的迭代与发展。早在2009年，亚马逊云科技就发布了Amazon Relational Database Service(Amazon RDS)，从此开启了云上托管数据库服务的新模式。Amazon RDS从开始支持MySQL一种，发展到现在已支持六大数据库引擎：兼容 MySQL 的 Amazon Aurora、兼容 PostgreSQL 的 Amazon Aurora、MySQL、MariaDB、PostgreSQL、Oracle以及 SQL Server。
于2012年推出首个云原生数据库Amazon DynamoDB，亚马逊云科技让数据库以前所未有的方式拥抱云计算的高性能、可扩展性和高可用性，开启了云原生数据库的序幕。
毋庸置疑，Amazon DynamoDB是最有代表性的云原生数据库，也是业界第一个真正意义上的云原生数据库。在Amazon DynamoDB问世后的十年里，亚马逊云科技对其进行的持续完善，不仅涉及底层可用性、持久性、安全性和规模等特性，还包括易用性等。现在Amazon DynamoDB已服务于全球众多客户，也包括亚马逊自身。
陈晓建强调，Amazon DynamoDB十年来的实践证明：云原生数据库是打破传统数据库瓶颈的必然归宿。其高性能扩展的键值数据库，适用于海量数据场景，譬如电商、游戏。同时，其兼容MongoDB的托管文档数据库，从全球看中国区MongoDB的接受率极高，在游戏、移动应用堪称热点领域。
在陈晓建看来，除上述数据库工具集，亚马逊云科技还有很多具有Serverless功能的数据库，如Amazon Aurora serverless、 Amazon DynamoDB、 Amazon Timestream、 Amazon Keyspaces和Amazon QLDB等都支持Serverless无服务器功能，无服务器功能进一步简化客户在创建、维护和扩展数据库方面的工作，让数据库的扩展性及自动伸缩容量达到新的高度，其中Amazon Aurora Serverless V2可以在几分之一秒内将数据库工作负载从数百个事务扩展到数十万个事务，与按照峰值负载来配置容量相比，可节省 90% 的数据库成本。
“亚马逊云科技最核心的优势即是我们是一家具有深厚云经验积累的云厂商，我们的云服务优势，例如计算弹性、极致性能、专门构建、全球扩展性等，都深深植入了云原生数据库的发展路径中”，陈晓建表示，亚马逊云原生数据库在支持全球业务扩展上具有相当的实力，其目前在全球各地有27个地域、87个可用区。其同时也具备了很好的全球灾备能力，五大数据库产品具备了跨区容灾能力，可以帮助企业轻松实现全球的业务拓展。
深入行业，让数智之旅披荆斩棘
如果说市场需求是云原生数据库创新的风向标，那么行业实践则是考验云原生数据表现力最佳的镜子。
事实上，自2012年亚马逊云科技推出Amazon DynamoDB以来的十年中，Amazon DynamoDB已服务于全球众多客户，也包括亚马逊自身。
在陈晓建看来，Amazon DynamoDB不仅收获了大量如Lyft、Airbnb、丰田、飞利浦等众多大型企业拥趸，更被亚马逊云科技内部视为Tier0服务，即最为核心服务之一。
那么，其到底在行业端展现了哪些过人特质呢？
首先，来看汽车行业。汽车行业面临海量多样化数据的挑战，同时当前缺乏有效手段来充分挖掘数据的价值。
陈晓建认为，对于车企，亚马逊云科技表现出的最大能力价值就是能将汽车科技部件完全连接在一起，并且能够把它线上化，这样就可以实现很多之前根本想不到的功能。这也是为什么整个汽车行业在经历了几十年的缓慢发展之后，迎来了一个巨变期，背后的推手就是云带来的各项IT能力。
据悉，亚马逊云科技针对汽车行业的数据多样性，提供了专用场景的数据库：针对车联网的时序数据处理、企业内部系统的结构化数据处理、建立知识图谱的图数据库以及加速访问的缓存数据处理。
以Amazon DocumentDB为例，车企使用 Amazon DocumentDB 支持存储、查询和索引地理空间数据，通过创建 2dsphere 索引并使用流行的 MongoDB 地理空间 API，来对存储在 DocumentDB 的数据执行查询。另外，Amazon DocumentDB兼容MongoDB，可以根据数据吞吐量轻松扩展数据库计算资源通常可在几分钟之内完成，并且会随着客户的集群存储需求的增长而自动提高存储卷大小。
值得一提的是，针对不同场景的数据类型，亚马逊云科技提供了不同的云原生数据库来处理，如用关系数据库Amazon Aurora处理结构化的车主基础数据，用Amazon Neptune图数据库处理无结构的用户行为数据，用Amazon Timestream处理汽车运行状态下产生的大量时序数据。
在利用云原生数据库的无服务器Serverless功能上，亚马逊云科技利用云原生数据库的无服务器Serverless功能应对车联网海量数据的并发接入。
例如，Amazon Aurora Serverless V2可以在几分之一秒内将数据库工作负载从数百个事务扩展到数十万个事务，与按照峰值负载来配置容量相比，可显著节省成本，同时还通过提供数据库的数据分层功能，有效减少历史数据存储的成本，另外亚马逊云科技数据库可以和其他各种分析AI/ML服务无缝结合，从而方便地从历史数据中挖掘数据的价值。
另外，Amazon DynamoDB云原生数据库，自诞生之日起就是Serverless架构，可在任何规模下提供个位数毫秒的性能，每天处理超过10万亿次请求，每秒支持超过2000万请求峰值。
在2022年的亚马逊Prime Day期间，每秒支持请求峰值高达1.052亿个，API总调用次数达数万亿次。
在制造领域，亚马逊云科技提供专门构建的数据库应对大量结构化，半结构化以及非结构化的行业数据。其中，图数据库Amazon Neptune和ML可以建立各个不同数据之间的相关性，并且通过ML洞察出数据的真正价值。
西门子工业自动化产品(成都)有限公司利用Amazon Neptune构建云边一体产线知识图谱应用试点，有效管理工业生产环境下的众多生产元素，满足现实生产过程中的复杂需求，为生产人员提供及时专业的现场自助式服务。
西门子工业自动化产品(成都)有限公司信息技术部经理杨健表示：“建设工业制造系统的数字化需要借助工业知识图谱，基于Amazon Neptune，我们初步实现了产线故障知识图谱，这让我们具备了云端弹性的计算调度能力和海量扩展的数据处理能力，机器学习功能的加入让知识图谱具备了自我进化的能力。我们相信云原生数据库将是制造业实现数字化的重要路径。”
再来看金融行业，数字化转型已成为金融行业的共识，是提升服务质量，满足客户多元需求，增强综合竞争力的重要途径，而这些路径完全依靠企业自身实现面临巨大挑战。
例如，金融企业需要保证金融数据安全，需要安全的存储和传输，以支撑全球业务的连续性。亚马逊云科技提供了云原生数据库的全球数据库方案，既可以提供跨区域的灾难恢复，又可以保证业务数据被全球用户快速地访问到，对业务遍布全球的金融企业是一个有效的方案；面对各种不同的业务，金融企业能收集的数据多种多样，亚马逊云科技专门构建的数据库满足了对多种类数据的处理和存储需求；传统风控模式下，银行等金融机构主要运用人工信审，数据多来自央行征信。而在普惠金融大环境下，个人与企业资金需求特性差异较大，传统风控审批效率不高、人工处理成本居高不下、数据来源单一等问题逐渐显现。亚马逊云科技Amazon Neptune +ML可以对金融机构的历史数据和其他行业数据（消费，医院，出行等）进行很好地整合，有效挖掘金融用户的数据价值，实现风控的智能化；很多金融机构数据库使用的是传统商业数据库，高昂的成本和缺乏快速弹性扩展能力，无法满足业务需求。亚马逊云科技提供了多种云原生数据库和数据迁移工具来帮助金融企业快速地讲系统切换到适应现代化应用需求的基础架构上来，实现真正的数字转型。
作为一家专注于金融垂直领域，提供金融数据和SaaS服务的公司，深圳市融聚汇信息科技有限公司选择与亚马逊云科技在云原生数据库展开合作备受业界关注。
产品总监向坤表示：“基于亚马逊云科技云原生的高性能关系型数据库Amazon Aurora，我们将数据跨区存储，实现了无感灾难恢复，可用性可以达到99.99%；每秒并发查询效率也提升了近5倍，进一步满足金融业务场景高并发的需求；在成本方面，Amazon Aurora的弹性扩展能力还帮助我们节约了30%的硬件成本。”
Amazon Aurora为融聚汇带来的裨益只是其中一个层面，除此之外，整个架构中还用到了亚马逊云科技很多的原生服务，比如Amazon Simple Storage Service (Amazon S3)、Amazon ElastiCache，以及基于自研ARM架构处理器Amazon Graviton2，使得成本降低10%，性价比提升20%。
从行业端的实践足以证明，云原生数据库是打破固有瓶颈，充分发挥公有云架构优势，释放数据创新潜力的必选项。
艾瑞咨询研究总监王巍令表示：“云原生数据库将会成为未来数据库的重要趋势之一。在调研和走访中，发现不少企业尽管存在顾虑和实际困难，但是大多数也都表示愿意尝试云原生数据库。以亚马逊云科技为代表的公有云厂商，提供丰富的云原生数据库，使得企业可以安心地收数和用数，并聚焦核心业务。如果再考虑云上同时提供机器学习模型构建等服务，用数也变得简单起来。”
亚马逊云科技深信，只有持续推动云原生数据库服务的创新，让企业的云上数智之旅愈发得心应手，才能让千行百业从容地应对未来的创新挑战。
