数据库落地

‘壹’ 图数据库的应用场景

图数据库技术的应用场景比较多，包括但不限于以下几种场景：
1. 欺诈检测
无论面对诈骗集团、勾结团伙还是高知罪犯，图数据库技术可以实时揭露各种重要诈骗模式。所以越来越多的公司使用图数据技术来解决各种关联数据问题，包括欺诈检测。
2. 实时推荐引擎
图技术能够根据用户购买、交互和评论有效跟踪这些关系，以提供对客户需求和产品趋势最有意义的深刻见解。Ebay等购物网站就在使用图技术给用户推荐产品。
3.知识图谱
将图技术用于知识图谱能够精确搜索查询，消除搜索查询的歧义，并且能够适应不断增长的数据资产规模。

‘贰’ oceanbase落地运营商意味着什么

正式引入。数据库oceanbase落地运营商意味着正式引入该产品，OceanBase是由蚂蚁集团完全自主研发的国产原生分布式数据库，始创于2010年，已连续9年平稳支撑双11，创新推出三地五中心城市级容灾新标准，是一个在TPC测试上都刷新了世界纪录的国产原生分布式数据库。

‘叁’ oracle数据库中落地表是什么意思

落地是保存数据的一个过程
落地表是保存好了数据

‘肆’ 落地数据库是什么

所谓的落地型数据分析，实际上就是本地数据分析。把落地行数据分析写得非常的高大上。我们也可以认为是将数据引导到线上和线下的数据库进行相互沟通，相互对接的一种模式。我们很多数据的分析处理过程中都是在线下不将他加金火塞，选完之后再将它反馈我和一些小的元首回到云上。

‘伍’ 本地数据库有数据另一个数据库丢失

一般我们希望把一系列的数据作为一个原子操作，这样的话，这一系列操作，要么提交，要么全部回滚掉。
当我们提交一个事务，数据库要么告诉我们事务提交成功了，要么告诉我们提交失败。

数据库为了效率等原因，数据只保存在内存中，没有真正的写入到磁盘上去。如果数据库响应为“提交成功”，但是由于数据库挂掉，操作系统，数据库主机等任何问题导致这次“提交成功”的事务对数据库的修改没有生效，那么我们认为这个事务的数据丢失了。这个对银行或者支付宝这种业务场景来说是不能接受的。所以，保证数据不丢失也是数据库选择的一个重要衡量指标

mysql的架构和普通的数据库架构最大的差异在于它使用插件式的存储引擎。数据的存取由存储引擎负责。要了解MySQL数据丢失的问题就需要从MySQL server层和InnoDB目前最流行的支持事务的存储引擎分别来分析了。

3. INNODB事务数据丢失

首先，我们来看一下InnoDB事务数据丢失的情况。

3.1. INNODB事务基本原理

InnoDB的事务提交需要写入undo log，redo log，以及真正的数据页。专业的介绍可以参考 丁奇 和 云华 的两篇文章。我们这里通俗一点简单介绍一下。

InnoDB跟Oracle非常类似，使用日志先行的策略，将数据的变更在内存中完成，并且将事务记录成redo，转换为顺序IO高效的提交事务。这里日志先行，也就是说，日志记录到数据库以后，对应的事务就可以返回给用户，表示事务完成。但是实际上，这个数据可能还只在内存中修改完成，并没有刷到磁盘上去，俗称“还没有落地”。内存是易失的，如果在数据“落地”之前，机器挂了，那么这部分数据就丢失了。而数据库怎么保证这些数据还是能够找回来列?否则，用户提交了一个事务，数据库响应请求并回应为事务“提交成功”，数据库重启以后，这部分修改数据的却回到了事务提交之前的状态。

3.2. INNODB事务崩溃恢复基本原理

InnoDB和Oracle都是利用redo来保证数据一致性的。如果你有从数据库新建一直到数据库挂掉的所有redo，那么你可以将数据完完整整的重新build出来。但是这样的话，速度肯定很慢。所以一般每隔一段时间，数据库会做一个checkpoint的操作，做checkpoint的目的就是为了让在该时刻之前的所有数据都"落地"。这样的话，数据库挂了，内存中的数据丢了，不用

‘陆’ 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！

‘柒’ 数据库是什么，它是做什么用的

数据库(Database)是按照数据结构来组织、 存储和管理数据的仓库。在1990年以后，数据管理不再是存储和管理数据，而是转变成用户所需要的各种数据管理的方法。

数据库具有能存在一起、能与多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的作用。数据库系统在各个方面都得到了广泛的应用。

在信息化社会，充分有效的管理和利用各类信息资源，是进行科学研究和决策管理的重要前提。数据库技术是管理信息系统、办公自动化系统、决策支持系统等各类信息系统的核心组成部分，是进行科学研究和决策管理的重要手段。

(7)数据库落地扩展阅读：

数据库可以视为电子化的文件柜——存储电子文件的处所，用户可以对文件中的数据运行新增、截取、更新、删除等操作。

发明人是雷明顿兰德公司。

数据库管理系统（DBMS）是为管理数据库而设计的电脑软件系统，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。

数据库的类型有关系数据库和非关系型数据库两种。数据库模型有对象模型、层次模型（轻量级数据访问协议）、网状模型（大型数据储存）、关系模型、面向对象模型、半结构化模型、平面模型。

‘捌’ 苹果为什么把数据中心建设在贵州

我觉得苹果这么做有以下几个原因

法律规定

最直接的原因就是去年6月1日颁布的《网络安全法》，对在中国境内经营的国外公司做出了新规定，为了最大程度上维护消费者权益，必须将敏感数据存储在国内的服务器中。而且该法律明确规定：所有与宽泛定义的国家安全问题有关的中国公民或地区数据都是敏感数据，而且云服务的运营方必须为本地企业。

访问速度上升

先前国内用户访问icloud时捉急的速度让人心累，而此次，我亲测，访问icloud的速度大大提升，同时服务会更加的稳定，这对于依赖苹果icloud服务的用户，尤其对于mac用户十分友好。

温度适宜，电价便宜

对于为什么建设在贵州，我觉得和贵州独天得厚的天气有关，数据库对于温度的要求较高，理想的温度可以有效的减少数据库的电力供应，贵阳天气凉爽，周边年平均气温 15.1 ，夏无酷暑，冬无严寒。同时贵州地区水电资源丰富，所以可以提供稳定的电力来源。

在 iCloud 服务转由国内运营之际，聊聊苹果数据中心落地贵州的前因后果。

近日，有媒体报道，苹果国内首个数据中心即将正式启用，并将从今年 2 月 28 日起，由苹果合作伙伴云上贵州公司负责运营中国内地的 iCloud 服务，而在此之前，包括富士康、中国移动、联通、电信、思科、华为、腾讯、阿里巴巴等企业都集中在贵州设立数据中心。

苹果为什么突然要在国内建立数据中心？对消费者而言又有什么好处？为什么会有那么多企业青睐在贵州设立数据中心？

2016 年 11 月，中国公布了于 2017 年 6 月 1 日正式施行的《网络安全法》，对在中国境内经营的国外公司做出了新规定，为了保障网络安全，维护网络空间主权和国家安全、 社会 公共利益，保护公民、法人和其他组织的合法权益，必须将个人信息和重要数据存储在国内的服务器中，而且要求云服务的运营方必须为本地企业。

而这便是苹果投入 10 亿美金在贵州建设数据中心，并独家授权云上贵州运营内地的 iCloud 服务最重要的原因。目前，包括微软、IBM 和亚马逊等不少美国 科技 集团，都已经通过本地合作伙伴在中国地区提供云基础设施服务。

而这也令人想起了近来比较热的 360 从美股退市并回归 A 股的故事，周鸿祎表示，曾不断有国家有关部门负责人找他谈话，希望 360 能够回归中国。当时，政府认为没有网络安全就没有国家安全。360 是一个安全公司，上百家企业单位使用着 360 的软件，而 360 也为包括政府部门、外交单位以及国防科研院等政府机构，甚至为敏感单位提供安全防护的软件和解决方案，服务对象数量庞大。但 360 却是一个外资企业，虽然是由中国人掌控。

当然，遇见类似问题的还有华为在美国的业务，华为之所以在美国业务受阻，本质上也是出于国家安全考虑。

据《金融时报》报道，对于中国在内的世界各国执法部门提出的合法数据获取需求，苹果都已经同意了。但《金融时报》也指出，据美国法律规定，如果外国政府想获取储存在美国服务器上的该国公民数据，走完流程时间或将长达数年。而将国内用户数据迁到贵州数据中心，则会让法律程序走得更快更方便。 苹果强调，他们会并仅会响应符合法律程序的数据要求，而受到密钥保护的设备，苹果无法进行解锁。

因此，苹果在贵州建设数据中心，并独家授权贵州省级别政府督办的云上贵州运营，便是为了满足政府对国家安全方面的需求。按照某些媒体的报道，独家授权给云上贵州运营内地的 iCloud 服务之后，苹果的数据便再也不只是苹果一家外资企业了，甚至云上贵州将反而能更加方便地接触到这些数据。

当然，除了国防安全方面的好处以外， 苹果自己也多次称在内地建设数据中心将改善中国用户使用 iCloud 的体验。

此前苹果一直利用海外（主要是美国）的数据中心为国内 iCloud 用户提供服务，众所周知，中国的出口带宽很窄，本地用户访问 iCloud 文件时会时常遭遇到超时、进度缓慢等问题。数据中心落户贵州后，服务会更稳定，对 iPhone 、iPad、Mac 用户来说，这将是件喜讯。

苹果在国内建立数据中心，这其实并不难理解，但真正让人看不懂的，就是苹果为什么选在经济相对落后的贵阳？贵州，GDP 并不像东南沿海省市那么耀眼，也不像东北三省那么满是槽点，这曾是一个在中国经济、 科技 版图上中庸到几乎令所有人都会遗忘的中西部大省，然而，高大上的云计算与大数据为什么没有跟经济、 科技 方面更加发达北上广深搭上亲，反而跟贵州这个落后地区成了亲家？

天时，适宜的气象条件：

据了解，温度控制问题一直是数据中心面临的一个挑战，而其中冷却设备仍然是其基础设施的重要组成部分。确保数据中心的最佳冷却不仅能够延长 IT 硬件的使用寿命，提高了电力使用效率（PUE），并降低了服务器故障的风险，而且还可以降低数据中心运营成本。据估计，数据中心最大特点是高耗能，电力成本占整个支出成本的 50%-70%，而其中制冷过程消耗的电能又占数据中心所有功耗的 40％！

因此，根据 2017 年早些时候的报道，Facebook 公司计划在北极圈内创建一个大规模的数据中心，这个区域具有理想的温度和湿度来保持服务器的冷却。同时，微软公司一直在试验可能既经济又环保的水下数据中心。当然，这并不意味着数据中心就一定要建在北极或水下。

据了解，数据中心对于气候来说，不允许酷热和潮湿条件重合，因此意味着湿球温度不应超过 23 摄氏度。而贵阳市气候凉爽，周边年平均气温 15.1 ，夏无酷暑，冬无严寒。这样的温度差很容易形成温度差，形成自然风来为数据中心降温。因此，以 2014 年 6 月底建成的处于垭口之间的富士康绿色隧道数据中心举例，其四季风速为每秒 2 至 3 米，全年采用自然冷却，每年可节约 900 万度电。

另外，数据中心内的精密设备对于环境的要求较高，灰尘等都不利于设备的保护和长期使用。而贵州森林覆盖率 49%，空气清新，达到世界卫生组织设立的清新空气负氧离子标准的上限，是数据中心运营的佳地。

地利，安全稳定，距离适中：

数据中心一个重要要素就是要安全，首先，贵州不在主要地震带上，破坏性地震风险极低。其次，贵州也少有洪水。而且还无台风、飓风、龙卷风、暴雪等威胁。

另外，贵州省水资源丰富，贵州水电装机量排在全国第四位，而且电力水火并济，电力充沛，能源富足，贵州也一直号称南方电网的电池，是“西电东送”的起源。对于像数据中心这种电力消耗比较大的业务，放在电力资源丰富的贵州，容易获得更为低廉的电价。

人和，政策支持，人力互补：

当然，符合上述条件的地方还有很多，比如中国最大的比特币矿场所在地的四川等。但为什么偏偏是贵州、是贵阳抢到了包括苹果等企业？

其实，关键或许还是政府的支持。据中国网报道，2013 年被称为中国“大数据元年”，当年起，几乎所有世界级的互联网企业，都将业务触角延伸至大数据产业，次年 3 月，贵州便在北京举办了一场“贵州省大数据产业推介会”，而当时大部分城市都处于观望状态。

而贵州地方政府也敢为人先，贵州省政府专门做出规定，除有特殊需求外，贵州省所有省级政务部门将不再自建机房，为政府各部门之间数据的流通创造了条件。贵州也由此建成了全国第一家省级政务云平台“云上贵州”。逐渐地，贵州成功从昔日工业时代的跟随者，悄然变成大数据时代的同行者，甚至领跑者。

另外，在人才方面，相对北上广深来说，贵州在尖端人才上虽然没什么优势，但数据中心的建设、运营和维护人才还是有的，而且数据中心本身也并不是劳动密集型产业，所需员工其实并不多。

值得一提的是，因为数据中心基本上只是机房而已，需要的运营员工并不是太多，因此，包括贵阳本地的很多人都认为大数据跟他们的生活并没有什么关系，并不会带来太多的就业。但货车帮方面认为，这应该是一个潜移默化的过程，先引进这些可能不需要太多人的大数据产业，再在此基础上做更多的产业扩展，这是一个必须经历的过程。

据了解，苹果选择在贵州建设数据中心，必然会带动更多企业在贵州建设数据中心，现在的问题就是何时从量变到质变了。

据Data Center Knowledge网站北京时间7月12日报道，苹果公司今天宣布，将在贵州省建立在中国的第一个数据中心。 历史 上，贵州是中国最贫穷的省份之一。但是现在，贵州已经逐步发展成了中国大数据中心。

在中国，发达工业城市一片繁华。但是与此同时，崎岖、落后的地区则相当贫穷。

大数据中心

作为最偏远、 历史 上最贫穷的中国西南部省份之一，贵州在短时间内突飞猛进，很有希望成为中国向大数据领域推进的中心。10年前还像郊区的地方现在已经成为了新的市区，建成了摩天大楼、会展中心和数据中心等配套设施。

高铁、大桥、隧道以及增加的国际航班把贵州与国内外城市连接在一起，帮助其摆脱了隔离，拥抱世界。

按照GDP衡量，贵州在中国31个省份中排名第25位。贵州已经连续三年举办为期四天的中国国际大数据产业博览会。2017年大数据博览会在5月底结束，参展公司签署了价值24亿美元的合同。

许多 科技 巨头不远万里来参加博览会，包括苹果、Facebook、微软公司、谷歌公司、亚马逊公司、英特尔公司、IBM以及戴尔公司。斯坦福大学人工智能和伦理学教授杰瑞·卡普兰(Jerry Kaplan)、创业公司创业者周岚(Adelyn Zhou)、硅谷知名孵化器Founder Space创始人史蒂夫·霍夫曼(Steve Hoffman)、谷歌开发者关系地区负责人丹·菲尔德(Dan Feld)等硅谷精英也参加了今年的博览会。

气候适宜

贵州的常年平均气温保持在59华氏度(约合15摄氏度)，非常适合数据中心的运营。在吸引公司前来投资方面，政府也做出了出色的工作，推出了试点工程，并为水电的使用提供优惠。

除了代工iPhone、Kindle以及PlayStation 游戏 机等设备外，富士康也生产服务器。富士康在贵州建立了一个绿色隧道数据中心，里面有6000台服务器，距离贵阳市有一个小时的车程。

和许多内地公司一样，富士康也希望借助云计算、网络化机器以及人工智能的应用，让其制造过程更为高效。所有这些都需要存储和分析海量数据。

其实主要有这些原因：

1、 大数据需要大型数据中心承载，大型数据中心需要建在气候凉爽、能源充沛、地质稳定的地方，贵州正是天然之选。工信部评估报告显示，贵州是中国南方最适合建设大型绿色数据中心的地区。

2、 早在2015年数博会期间，苹果公司副总裁丽莎·杰克逊当天在贵阳考察时即表态，苹果公司将进一步密切与贵州的沟通交流，与贵州省和富士康 科技 集团一道，共同推动苹果公司亚太数据中心落户贵州。

3、 云上贵州大数据产业发展有限公司背景。其由贵州省大数据发展管理局履行出资人职责，贵州省国有企业监事会进行监管。政府支持。各类人才云集，已经拥有数十个控股和参股公司，业务涉及大数据产业和大数据金融等多个领域。

对我们有什么影响？

得益于贵州当地政府的重视，过去几年来，以贵阳国际大数据博览会（简称“数博会”）为代表，贵州已吸引了三大运营商，它们都选址国家级新区贵安新区建设数据中心，总投资规模高达 150 亿人民币。苹果的合作伙伴、代工巨头富士康也在此建设了一个拥有 6000 台服务器的绿色隧道数据中心。

除了贵州以外，苹果日前还宣布将投资 9.21 亿美元在丹麦境内建设一个新的数据中心，位置在丹麦和德国的边境地区，这是苹果在丹麦建设的第二个数据中心，第一个仍在建设中，预计年底将可以投入使用。之所以选址丹麦是因为数据中心集合了大量的服务器，运行起来产生的热量惊人，建在北欧较为寒冷的地区，一方面可以降低电力消耗，另一方面还可以为当地居民供暖，可谓是双赢之举了。

其实不止是苹果，华为和腾讯等大企业也纷纷在贵州建立数据中心。而贵州更是被称为中国的大数据“硅谷”。那么为什么三大运营商、华为、腾讯、苹果等 科技 巨头都选择在贵州建立数据中心呢？

首先就是节省电费这个先天优势。要知道，数据中心最大的特点就是“高能耗”。电力成本是整个支出成本的50%~70%，其中一半来自于服务器等设备的供电，另一半来自于机器设备散热的“空调费”。

而从气温和能源来说，贵州是公认的中国南方最适合建立数据中心的地方。贵州常年气温保持在14 到16 ，即便最炎热7月份，平均气温也只有23.7 ，是服务器等设备运行最合适的温度。

而根据华为的说法“大数据基地建在北京需要1块钱1度电，贵阳只需要4毛。我们不需要什么优惠政策，放在贵州，建成运行后一年可以节约上亿的电费”。

其次就是政策优势所导致的“弯道超车”。2013年是中国“大数据元年”，大数据的到来，贵州和北上广的等一线发达地区站在同一起跑线上。

贵州专门颁布了一系列政策，用于支持贵州大数据的发展。2014年开始，贵州鼓励奖政府部分的数据迁移到云端，即“云上贵州”，除了特殊需求，不再自建机房，这个在全国范围内都是超前的。

总之，贵州发展大数据产业占据了天时地利人和的优势，贵州独特的自然环境和精准有利的政策支持是贵州大数据产业发展的两大法宝。

苹果数据库建立贵州：1因为全球最大的 也就是那个大锅在贵州，也就是说贵州已成为信息网、2 不仅是苹果公司，还有华为、腾讯、富士康、阿里巴巴等等，贵州将成为网络系统集成地！3不是你们那些无知说什么贵州穷，地便宜什么的，你去贵州就知道了，现贵州县县通高速，在过几年县县通城际 、未来的贵州将成为全国人民所期待之处。其实消费一点不便宜，贵阳打 10元起步！

1 基础网络能力强悍，有非常完善的基础设施。中国移动、中国联通和中国电信三大运营商在贵阳建立了大数据交易中心，为贵阳打下了坚实的基础。

2.气候条件十分优良，可以节省一大笔费用。贵阳市平均气温15.1摄氏度，夏无酷暑，冬无严寒。节省了不少供暖和降温的费用。

3 电力充足。贵州省电力充沛，能源富足，是“西电东送”的起源。贵州省水资源丰富，电力水火并济，稳定可靠。

4.优惠政策。贵州省颁布了《关于加快大数据产业发展应用若干政策的意见》和《贵州省大数据产业发展应用规划纲要（2014—2020年）》扶持大数据产业。

这个问题本不该回答，但是我看了，其他人一本正经满嘴胡言乱语，我是忍不住了说吧。

就只有一个原因，国家要求苹果在国内建设服务器，不能把中国人的数据传到美国，后果自负。这个cctv报道过我就不解释了，

既然要在中国建设苹果的服务器选哪里合适呢？

只有一个理由成本哪里最低。而且还能过得补助呢。

当然就是贵州了，国家十三五大力发展贵州，给外企，还是国内企业优惠幅度特别大，5年免税等不同企业免税时间不一样。

税费免了，还不够，还要补贴。国家补贴。

苹果把服务器放在贵州，大约5年免税而且能领取补贴。你说苹果能不要这些补贴去其他地方放服务器吗？

主要基于三个原因：稳定的地质，低廉的电价，优惠的政策

2017年07月12日，出于对中国法律的尊重和服从，以及应对国内不断增速的云端数据量，苹果公司与贵州省政府签署iCloud战略合作框架协议，云上贵州大数据产业发展有限公司正式成为苹果公司在中国大陆运营iCloud服务的唯一合作伙伴，苹果公司正式选址贵安新区，建设iCloud服务的全国主数据中心。

当听到这个消息的时候，很多人可能不解：为什么苹果要将数据中心建在贵州？

相对于东部地区，贵州省的交通算不上便利，经济也称不上发达，苹果何以慧眼独具的相中这块宝地呢？

其实，对于建设数据中心这件事，贵州有着自己得天独厚的优势，我们来列举三点。

地质稳定

数据中心的选址首先对于当地的地质条件要求很高，地质必须稳定，不能在地震带上。 历史 上周边也没有发生过大的地质灾害。

而贵州的贵安新区完全符合这一要求，这里地质极为稳定，无地震、泥石流、台风等自然灾害，年平均气温为15摄氏度，气候凉爽，便于服务器散热，先天环境绝佳。

（不仅是苹果，腾讯的数据中心也设在了贵州）

电价低廉

数据中心的运行需要耗费大量的电力，这就对周边的供电设施提出较高的要求。而贵州省多山、多水，拥有丰富的水利资源，建有大量的水电站。

这些水电站都藏于深山之中，外送损耗大，成本高。但是就近取电，电价十分便宜，可以有效的降低数据中心的运营成本。

（贵州构皮滩水电站，年平均发电量96.82亿KW·h）

政策扶持

贵州省政府近几年开始利用贵州的资源优势，大力扶持信息产业的发展，力图将贵州打造成中国的信息数据中心。为此，贵州省政府也出台了许多优惠政策和措施，为企业落户贵州、投资贵州提供了极大的便利。

（苹果公司与贵州省政府战略合作发布会）

综合以上三点优势，苹果最终将在华首座数据中心设在了贵州。

其实除了苹果以外，华为、腾讯等 科技 公司同样看重了贵州这块宝地，纷纷在此建设数据中心。

相信以后会有越来越多的企业投资贵州，建设贵州。

不仅仅是苹果，现在华为，腾讯，京东很多互联网企业都把数据中心建在了贵州，所以我们要分析一下贵州有哪些优势。

一是贵州的气候宜人，夏季平均气温在22—25摄氏度，相比于其他各省，可以有效的降低高温带来的能耗。 二是贵州电力资源丰富，电价低。贵州是西电东送的主力，水利发电量居全国第四，丰富的电力资源给数据中心带来了低成本的电价。 三是贵州交通便利。贵州省是我国西部首先县县通高速的省份，高速公路总里程7600公里，总里程全国第四，公路网密度居全国第一。其次是贵州高速铁路发达，现有成贵高铁、渝贵高铁、沪昆高铁、贵广高铁等，高铁里程截止2019年1340公里，居全国15位，未来2021年贵州将完成市市通高铁目标。 四是贵州地理位置优越。贵州处于地震带之外，地壳稳定，据统计贵州境内没出现过6级以上地震，所以安全性是值得肯定的。 五是贵州政府政策扶持。大数据中心的建立，对于贵州来说经济发展可以搭上信息 科技 的快速通道，所以政府在企业发展上提供了很大的便利，主要是企业服务绿色通道，人才培养，金融服务，企业上市等等，将大数据作为贵州的发展战略。

‘玖’ 五大数据库理念，读懂亚马逊云科技的数据库布局

1970 年，关系型数据库之父 E.F.Codd 发表《用于大型共享数据库的关系数据模型》论文，正式拉开数据库技术发展序幕。以 Oracle、DB2、SQL Server 为代表的三大商业数据库产品独占鳌头，随后涌现出 MySQL、PostgreSQL 等为代表的开源数据库 ，和以 Amazon RDS 等为代表的云数据库，拉开百花齐放的数据库新序幕。

我们知道，云计算十年为产业转型升级提供了 历史 性契机，但变革仍在进行，随着云计算的普及，数据库市场发生根本性改变，云厂商打破传统商业数据库的堡垒，成为数据库领域全新力量。其中以连续六年入选 Gartner 领导者象限的亚马逊云 科技 为代表，我们一起探讨：为什么亚马逊云 科技 能始终保持其创新性？纵观云原生时代下，亚马逊云 科技 数据库未来还有哪些更多的可能性？

01 面对四大数据库发展趋势，亚马逊云 科技 打造五大数据库理念

后疫情时代下，加速了不少行业的业务在线化和数字化运营，企业对数据价值挖掘的需求越发强烈，亚马逊云 科技 大中华区产品部总经理顾凡详细介绍其中四大趋势：

一是伴随互联网、移动互联网的发展，电商、视频、社交、出行等新应用场景的兴起，不仅数据量大，对数据实时性要求极高，传统关系型数据库无法满足需求，因此驱动云原生数据库的出现。

二是开源数据库的广泛应用。

三是应用程序现代化对数据库提出更高要求，期待数据库拥有更高的性能、可扩展性、可用性以及降低成本，让开发人员专注于核心业务的应用开发，不用关注和核心业务无关的代码。

四是软件架构历经 PC、互联网、移动互联网，再到如今的万物互联时代，其中的迭代和转型正在驱动数据库选型的变化。

在此四大趋势下，伴随企业的业务量越来越大、越来越复杂，对数据库的要求越来越高。亚马逊云 科技 洞察客户需求，在打造云上数据库产品时提出五大理念：

一是专库专用，极致性能；二是无服务器，敏捷创新；第三是全球架构，一键部署；第四是平滑迁移，加速上云；第五是 AI 赋能，深度集成。

02 历经真实锤炼，五大数据库理念，持续赋能企业数智转型

顾凡表示，随着数据爆炸式增长，微服务架构与 DevOps 愈发流行的今天，一个数据库打天下的时代已然过去。我们需要在不同的应用场景下，针对不同的数据类型和不同的数据访问特点，为开发者和企业提供专门构建的工具。

所以亚马逊云 科技 提出 第一个核心数据库理念：专库专用 。在此理念下，推出针对关系数据、键值数据、文档数据、内存数据、图数据、时许数据、分类账数据、宽列等专门构建数据库的产品家族。

这些数据库产品均经历过亚马逊内部核心业务的真实锤炼，成绩斐然：

亚马逊电商当年是 Oracle 的客户之一，随着亚马逊电商的应用重构和业务体量发展，亚马逊电商决定将业务迁移到亚马逊云 科技 里。100 多个团队参与这庞大的迁移工作中，将亚马逊电商采购、目录管理、订单执行、广告、财务系统、钱包、视频流等关键系统全部从 Oracle 迁出来。2019 年，亚马逊将存储近 7500 个Oracle 数据库中的 75 PB 内部数据迁移到多项亚马逊云 科技 的数据库服务中，包括 Amazon DynamoDB、Amazon Aurora、Amazon ElastiCache，于是亚马逊电商成为亚马逊云 科技 在全球的“第一大客户”。

从 Oracle 切换到亚马逊云 科技 后，亚马逊电商节省了 60% 成本，面向消费者端的应用程序延迟降低 40%，数据库管理支出减少 70%。

以被誉为“亚马逊云 科技 历史 上用户数量增速最快的云服务”Amazon Aurora 为例，其拥有科媲美高端商业数据库的速度和可用性，还拥有开源数据库的简单性与成本效益，Amazon Aurora 让客户满足“鱼和熊掌兼得”需求。

据顾凡介绍，Amazon Aurora 可提供 5 倍于标准 MySQL 性能，3 倍于 PostgreSQL 吞吐量。同时提供高可用，可用区（AZ）+1的高可用，Global Databases 可完成跨区域灾备。可扩展到 15 个只读副本，成本只有商业数据库的 1/10。

医药企业九州通为药厂、供应商，搭建药厂、供应商、消费者提供供应链链条。其 B2B 系统的业务特点是读多写少，受促销活动、工作时间等影响，经常会出现波峰波谷落差较大的情况，读写比例在 7：2 或者 8：3。九州通采用 Amazon Aurora 后实现读写分离和按需扩展，整体数据库性能提升 5 倍，TCO 降低 50%。实现了跨可用区部署、负载均衡、自动故障转移、精细监控、按需自动伸缩等。

据权威机构预测，到 2022 年，75% 数据库将被部署或迁移至云平台。在这个过程中，亚马逊云 科技 是如何通过技术来帮助客户加速应用上云的？这离不开除了上述的“专库专用”外，以下四大理念：

第二个理念是无服务器、敏捷创新。 亚马逊云 科技 大中华区产品部数据类产品高级经理王晓野表示，企业业务总有波峰波谷之时，如何按照企业 80-90% 的业务峰值来规划数据库的存储容量和计算资源的话，将给应用带来一定的业务连续性的妥协和挑战。因此大多数企业都是按照峰值留有余地来选择数据库的计算资源，这将造成成本上的浪费。而 Serverless 数据库服务可完成无差别的繁复工作和自动化扩展。

Amazon DynamoDB 是亚马逊云 科技 自研 Serverless 数据库，其诞生最早可追溯到 2004 年，当时亚马逊电商作为 Oracle 的客户，尽管对于关系型数据库在零售场景的需求并不频繁，70% 均是键值类操作，此时倒逼亚马逊电商思考：为什么要把关系型数据库这么重得使用？我们可以设计一款支持读写、可横向扩展的分布式数据库吗？后来的故事大家都知道了，这款数据库就是 Amazon DynamoDB，并在 2007 年发表论文，掀起业界 NoSQL 分布式数据库技术创新大潮。

Amazon DynamoDB 可为大规模应用提供支持，支撑亚马逊自身多个高流量网站和系统，如亚马逊电商网站、亚马逊全球 442 个物流中心等。在亚马逊电商一年一度 Prime Day，光是针对DynamoDB API 的调用达到数万亿次，最高峰值请求达到每秒 8920 万次。由此可见，DynamoDB 拥有高吞吐、扩展性、一致性、可预测响应延迟、高可用等优势。

智能可穿戴设备厂商华米 科技 ，在全球 70 多个国家拥有近 1 亿用户。仅 2020 年上半年，其手表出货量超 174 万台，截止到 2021 年 2 月，华米 科技 的可穿戴设备累计记录步数是 151 万步，累计记录的睡眠时间是 128 亿个夜晚，记录心率总时长达 1208 亿个小时。如此庞大的数据同时必须保证极高的安全性和低延迟相应，如何保证稳定性是巨大的挑战。

DynamoDB 帮助华米 科技 在任何规模下都能提供延迟不超过 10 毫秒的一致响应时间。华米 科技 健康 云的 P0 和 P1 级别故障减少了约 30%，总体服务可用性提升了 0.25%，系统可用性指标达到 99.99%，为华为 科技 全球化扩展提供了有力的支撑。

最新无服务数据库产品是 Amazon Aurora Serverless V2 提供瞬间扩展能力，真正把扩展能力发挥到极致，在不到一秒的时间内，将几百个事务扩展到数十万的级别。同时在扩展时每一次调整的增量都是非常精细化的去管理，如果按照峰值来规划数据库资源，可实现大概90%的成本节省。目前 Amazon Aurora Serverless V2 在全球实现预览。

第三个理念是全球架构、一键部署。 在全球化的今天，如何支撑全球客户的业务扩展连续性、一致性、以最低延迟带给到终端客户上，对数据库提出新的挑战。

亚马逊云 科技 提供 Amazon Aurora 关系型数据库Global Database、Amazon DynamoDB、Amazon ElastiCache 内存数据库、Amazon DocumentDB 文档数据库都能利用亚马逊云 科技 的骨干网络提供比互联网更稳定的网络支撑，以一键部署的方式，帮助客户实现几千公里跨区域数据库灾备，故障恢复大概能在一分钟之内完成，同时跨区域的数据复制延迟通常小于一秒。

第四个理念是平滑迁移、加速上云。 目前，450000+ 数据库通过亚马逊云 科技 数据库迁移服务迁移到亚马逊云 科技 中，这个数字每年都在不断增长。亚马逊云 科技 提供 Amazon DMS、Amazon Database Migration Service 等工具让开发者和企业进行自助式云迁移。另外，对于迁移过程中可能会需要的支持，可通过专业服务团队和合作伙伴网络成员，为客户提供专业支持，还通过 Database Freedom 项目帮助客户降低他们的顾虑。

今年 11 月，最新产品 Babelfish for Amazon Aurora PostgreSQL 在全球和中国两个区域正式可用，可加速企业上云的迁移，实现让企业可以利用原有的技术栈、原有的 SQL Server T-SQL的人员可以利用到云数据库进行创新。

第五个理念是 AI赋能，深度集成。 我们观察到，ML 技术赋能数据库开发者，开发者无需具备机器学习专业知识，就可进行机器学习操作。在此潮流下，亚马逊云 科技 推出 Amazon Neptune，借由 Deep Graph Library 和 Amazon SageMaker 驱动图神经网络。

今年 8 月，Neptune ML 在中国正式可用，允许数据工程师不需要掌握机器学习的技能直接从图数据库里导出数据、转换格式、训练模型并发布，用 gremlin 语句调用训练成的模型在数据库里实现推理，进行欺诈检测，推荐物品。

目前，亚马逊云 科技 加速在中国区域服务落地，2021年至今新发布 60 多个数据库服务与功能。亚马逊云 科技 正是通过上述五大数据库理念，打造丰富的数据库产品家族，在全球智能化发展趋势下，为企业提供更快更好的数智服务，释放数据价值，并连续六年入选 Gartner 领导者象限，得到业界和客户的深度认可。