长文：解读Gartner 2021数据库魔力象限

作为全球最具权威的IT研究与顾问咨询公司，Gartner报告非常值得从业者研究学习。从中我们可以了解到更多行业、产品、技术发展趋势。近日，数据库领域的重磅报告《Magic Quadrant for Cloud Database Management Systems》悄然出炉。作为数据库领域的重要组成部分，云数据库近些年来发展迅速。2020年，Gartner将魔力象限从Operational Database更名为Cloud Database。从2020年的数据来看，云数据库已占据整体数据库市场份额的40%，且贡献了增长市场的9成以上份额。据Gartner预测，到2022年云数据库营收数据将占据数据库整体市场的半数以上。可以说，云数据库代表着数据库行业的未来。本文将尝试从多角度加以分析，窥视云数据库2021发展变化。文中仅代表个人观点，如有偏颇，欢迎指正。

* 来自Gartner的分析报告

1. 何为魔力象限

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

在解读今年报告之前，让我们先简单了解下什么是Gartner魔力象限报告。

魔力象限，是由Gartner公司于2006年提出，用以描述特定领域全球最权威和最具影响力的厂商综合能力评估报告，是头部厂商产品能力的对标。一般情况下，企业IT决策者可通过这一分析报告甄别厂商能力，为采购、招标等提供一定的依据佐证。其评选标准包括全球市场份额、产品能力、客户反馈等。在魔力象限中，按横纵坐标分为两个维度分析。横坐标（Completeness of vision），代表厂商产品的完整度、覆盖性；纵坐标（Ability to execute），代表厂商的执行力。根据这两个维度，魔力象限划分为四个象限，分别是领导者（Leaders）、挑战者（Challengers）、有远见者（Visionaries）和利基者（Niche Players）。Gartner 公司表示，所谓领导者，其提供的产品应包含额外的功能，且能提高市场对这些功能的重要性的认识，从而显示出对市场的影响能力。Gartner 希望一个领导者能够不断提高其市场份额、甚至占领整个市场，并且它所提供的解决方案能够引起越来越多企业的共鸣。所谓领导者还必须有能力在全球范围内开展销售并提供支持。当然，Gartner也不建议技术用户只选择那些位于“领导者”象限里的厂商，对于挑战者、有远见者、乃至利基者也是可以选择的。哪怕是利基者，也是在某个细分领域市场有自己独特优势的厂商。作为数据库厂商，符合上述象限划分的企业，一般具备如下特征：

• 领导者 领导者厂商，是指产品上基于对广泛的数据类型和部署模型(如多云、云间和混合)的支持。可为客户提供成熟的云产品及完善的服务支持能力，获得客户一致性满意。选择此类厂商产品，代表客户可在性能、可伸缩性、可靠性及支持服务方面得到满足，降低了潜在风险。随着市场需求的变化，领导者象限厂商具备敏锐洞察力及远见，在支持当前需求同时，对未来趋势也有所考虑。
• 挑战者 挑战者厂商，是拥有强大、成熟产品的稳定供应商，但对云数据库市场有点缺乏远见。此类厂商可能会缺乏些市场上的创新概念，但在执行能力等方面是有优势的。
• 远见者 远见者厂商，是对云数据库市场有很深入了解且具有明确路线图者。其对功能有创新的想法，并具备基础能力。通常，这些厂商的客户较少，规模也比较小，但具备很好的增长潜力。
• 利基者 利基玩家通常提供高度专业化的产品，但市场吸引力相对有限。他们通常不支持所有的云数据库实例，只能提供部分产品支持。其在产品覆盖度、单品功能、客户基础、风险性及可验证性方面还需进一步发展。如客户可明确对产品及功能使用定位，采用利基者产品，不失为一种好选择。

2. 象限整体解读

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

从最新报告并对比去年报告来看（如上图），各厂商发展还是有诸多值得关注之处。

❖ 领导者：巨头们的战场

在领导者象限，云集了较多的厂商，整体数量从去年的8家增加到今年10家。除了传统厂商代表Oracle、IBM、SAP、Teradata，云厂商代表AWS、MicroSoft、Google、Alibaba外，新增了两家当红炸子鸡Snowflake、Databricks，分别从挑战者象限、远见者象限跃升至领导者象限。解读今年的变化，有以下几个特点：

• 头部几个玩家(AWS、Microsoft、Google、Oracle)，在产品覆盖范围等均取得了长足的进步，且第一集团的优势较去年更为明显。特别是Microsoft，与首位的AWS在毫厘之间；Google的进步也非常明显。
• 中部的几家（IBM、SAP、Teradata），较为稳定，各家也在着力丰富自身产品丰富程度。
• 国产代表玩家（Aliyun），作为去年新跻身领导者象限的国内代表，阿里云进一步巩固其在领导者象限位置，并产品覆盖范围也取得不错的进展，进一步拉近与头部厂商差距。
• 新兴的后来者（Snowflake、Databricks），作为2021年的现象级公司，这两家的当选还是让人印象深刻。关于这两家公司情况，本公众号在今年都做过分析，这里不在赘述。相信它们的加入，必将带来新的变化。

❖ 挑战者：小而美的玩家

今年的挑战者象限，还是两个代表厂商。去年的Snowflake，晋升到了领导者；去年的InterSystems从远见者来到挑战者；Redis则保持不变。此象限厂商，多为垂直领域较为成熟的厂商。

❖ 有远见者：扩张的小巨头

位于远见者象限的厂商，是具有一定产品覆盖度，但执行力尚有欠缺不足以进入领导者象限厂商。与去年对比，今年厂商变化明显，从4家减少为两家。InterSystems进入挑战者象限，Databricks则直接跃升到领导者象限，剩余还是去年的两家MarkLogic、Cloudera，其中Cloudera今年进步明显。

❖ 利基者：奋进的追赶者

利基者象限，是今年变化最大的一个区域，从去年的2家猛增到6家。新增包括Couchbase、SingleStore、MariaDB、Cockroach、Exasol，去年的国内企业华为依然在列，且较去年进步显著。比较奇怪的是去年的玩家-腾讯，作为去年此象限的头部玩家，各方面排名非常靠前，今年却意外落榜。从去年腾讯在数据库的发展来看，还是看点多多，相信是因为其他原因缺席了此次评选。从其他渠道得到的信息显示，是因为腾讯将业务重心聚焦国内；在海外拓展方面没有达到Gartner的市场动能门槛。

3. 发展趋势解读

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

❖ 云数据库占比拐点初显

从今年的数据可见，云数据库占数据库的总体占比在40%左右，但收入增长的贡献超过9成。根据Gartner的预测分析，在最近1~2年，云数据库的份额将历史性地超过非云数据库，占比超5成。这其后的发展，是否会出现加速趋势，尚未可知。

❖ 支持跨云、多云、混合云

作为云的三种形式，公有云、私有云、混合云发展演进不同，但将长期共存。作为其中的基础性产品，云数据库必然要适应这一状态。目前大部分ISV开发的数据库产品均提供了多云支持，可在不同CSP上运行；同时，对于混合云的支持也成为默认选项。对于各个CSP厂商来说，也都提供了部分跨云能力，希望通过这一能力拉动客户。对于客户来说，既希望利用云所带来的的诸多便利，又不希望被过度绑定；因此对跨云、多云、混合云的诉求也成为某种意义上的刚需。

❖ 云端数据治理尚处早期

随着数据被越来越多地汇聚在云端，如何利用好这些数据成为下一阶段的要点。以元数据为代表的数据治理基本能力得到更多的重视。元数据不仅仅由集中式专有工具控制，云数据库将更多参与到元数据处理中。这将有助于实现数据质量、数据探查、数据标准等工作。总体而言，未来将以更为创新的方式利用元数据。

❖ 兼容生态重要性凸显

开源软件的影响力越来越多，很多企业在技术选型时会考虑开源因素。大部分的CSP都提供了开源数据库的托管服务，特别是以MySQL和PostgreSQL为代表。希望通过这一举措，可以吸引客户使用自家云。与此同时，大型CSP或独立ISV的自研数据库产品，也往往通过兼容开源的方式降低使用门槛，充分利用开源生态。另一方面，也有CSP通过提供商业产品的兼容，撬动存量市场客户，拉动新的需求。这样既可促进自身销售，又能打击竞争对手。例如AWS推出的Babelfish，就是基于这种考虑。

❖ 从单品竞争到生态竞争

对于CSP来说，各家单款产品能力差异越来越小。客户考量因素不仅限于简单的产品功能对比，而是逐步演变为全数据生态的竞争。如何让客户在云上享受最大收益？如何关联多种云产品产生合力？如何给用户提供最佳的解决方案，而不是推单一产品等？这一趋势对CSP的产品规划、功能设计、解决方案等提出了更高的要求。

❖ 分布式数据库热度初显

在联机交易型场景中，分布式数据库热度逐步体现。从今年首次进入魔力象限的CockroachDB，到新锐厂商YugabyteDB以及未进入象限评估的国内厂商PingCAP，都于近期在云领域布局发展。这三家也都在今年完成新一轮融资，颇受到资本圈关注。相信随着时间推移，分布式数据库将进入主流产品讨论行列。当然，还有些不确定因素需要关注。一是在产品能力上，分布式产品较传统数据库产品仍有所差异，对客户的架构设计能力要求较高，需要特有的运营策略，选对场景并协作客户落地；二是与传统CSP厂商产品的竞争加剧，几个大型CSP都有自己的RDS及“Big RDS”类型产品，在场景上与前者有所交叉；三是大部分用户场景使用非分布式产品就可以满足，未来市场空间的预估还待观察。

❖ 共享型数据分析成为热点

数据共享概念，已普及开来。客户依靠云基础设施，可以将数据在云端打包并直接销售，可让客户从云端直接消费数据服务并且后者来承担成本。以Snowflake、Databricks为代表的厂商，将数据加工、计算工作在云端共享解决；但在数据访问上还没有出现云端数据访问标准。相信它的出现将大大降低共享数据分析的门槛，加速这一趋势发展。

❖ 数据分析计算能力升级

在数据分析领域，近些年在湖仓一体、流批一体、AI集成等方面有了更多的实践。云数据库提供的数据分析能力变得更加全面、综合。客户可以在云端完成更多的数据分析计算工作。各家产品在功能差异化方面下足功夫，希望在未来竞争中占据优势。

4. 入选厂商解读

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

❖ Alibaba Cloud

阿里云，领导者象限厂商。较去年来看，其愿景方面变化不大，执行力方面有所增长。阿里云提供了较为完整的数据库产品矩阵，包括事务型、分析型、NoSQL、工具类多线产品，覆盖了云数据库全场景。典型事务型产品包括PolarDB（兼容MySQL、PostgreSQL和Oracle)、PolarDB-X、RDS和MyBase，分析型产品包括AnalyticDB、MaxCompute、Data Lake和EMR等，NoSQL产品包括有Lindorm、Tair、GDB等，工具类包括DTS、DAS、DMS、DBS等。其现有业务主要集中在中国和亚洲，但在欧洲和北美业务也在不断扩大，其国际总部设在新加坡。

优势

• 产品覆盖范围广泛，甚至同类别也提供多款产品。例如，事务型的PolarDB提供多种兼容型产品；分析型的AnalyticDB也有兼容MySQL及PG的产品。当然，不同产品在场景定位上还是有所区别，如AnalyticDB for MySQL就是一款全自研，用于大规模、高并发的OLAP类服务。
• 阿里庞大经济体自带了很多场景，其集团战略也是全面上云。因而，很多阿里云产品是通过内部大规模验证中，这一点对于客户选择无疑很具备吸引力。
• 相较于国内其他厂商，阿里云在海外扩展加速。通过在新加坡设立国际总部等举措，阿里云继续在全球市场建立影响力，从中国本土延伸至全球最大的云服务提供商。

劣势

• 在业务全球化方面，还有待提高，特别是在欧洲和北美的业务有限。这其中有一定地缘政治的因素，但也有在拓展策略、数据安全等方面的约束。
• 产品仍存在一定重叠，一方面阿里云的产品覆盖很广泛，一方面也确实存在某些产品定位重复，会给用户带来选择的困扰。在今年，这一问题得到了很大的缓解。

❖ AWS

亚马逊，领导者象限厂商，相较于去年在愿景和执行力层面都有所提升。它是世界上收入最高的云服务提供商，在所有主要行业拥有国际业务和全球客户基础。它提供一系列的数据库管理服务，包括Amazon关系数据库服务(RDS)、Amazon Aurora和Amazon DynamoDB，以及针对分析场景的Amazon Redshift、Amazon Athena和Amazon EMR。此外，AWS还提供内存密集型服务和针对特定使用“案例”的产品。

优势

• 市场占有率领先：AWS是全球收入最高的云数据库服务提供商。它提供生产云服务已经超过10年，拥有数以万计的客户，这也使其在产品和能力方面成为最成熟的云提供商。
• 服务范围广泛：AWS提供了十几种不同的数据库服务。同时，AWS还拥有遍及全球的数据中心，可提供较低的响应延迟。
• 性能表现优异：AWS的诸多产品，每日处理着数以百万级的交易业务。在其服务时长、可靠性指标方面也是本次评估中众多厂商中表现突出的。

劣势

• 多云支持稍差：作为最大的云服务商，AWS在多云环境提供服务方面，落后于某些CSP和几乎所有ISV。考虑到AWS对混合云环境的支持及在特定场景下跨云共享数据以及承认并适应多个云平台存在的数据策略，这一问题似乎有所缓解。
• 集成能力待提升：AWS能为不同业务场景找到合适的产品，但对于日益兴起的数据集成、元数据、数据目录等方面，尚不如某些竞争对手更为强大。
• 管理成本稍高：AWS提供了功能丰富的工具包，供用户组装最佳解决方案。但这种有时需要在装配时消耗更多的管理开销和成本。

❖ Cloudera

Cloudera，远见者象限厂商，相较于去年其在执行力上面提升显著。其产品包括Cloudera Cloud Data Platform（CDP）可提供数据运营和分析功能。Cloudera Workload XM用于迁移、分析、优化和扩展工作负载。Cloudera共享数据体验SDX提供云间和多云的统一安全、治理和元数据管理。其专注于在混合云部署模式，通过在本地和公有云间构建数据服务。其近期专注于交付原生云、增强可操作DBMS及集成早前合并的前Cloudera和Hortonworks产品。

优势

• 大量本地化部署：其拥有超过2000 用户的本地化部署。在未来向CDP平台过渡期间，将继续支持和更新这些服务。它的混合架构使用SDX进行管理和治理，这将使这种转变更加顺利。
• 开源基础良好：作为Hadoop生态为数不多的剩余玩家，在其超过30个开源组件(如Apache Hive、Impala、HBase、Phoenix、Spark、Flink和Kafka)中都是领先的提交者。Cloudera根据Apache许可证在其产品中销售这些组件，为自己的组件使用开源AGPL许可证。
• 混合、多云和跨云部署：Cloudera关注混合云部署，其建立其为在本地和公共云部署而设计治理架构基础上。它为客户提供了一种方法，可以一种受控的方式，让客户选择将适当的工作负载转移到云，同时保持和扩展策略执行和安全。

劣势

• 众多竞争对手：Cloudera面临很多竞争对手，它们采用了同样的开源组件。其优势在于SDX平台，可提供多项目基于同样平台和数据上下文进行集成。
• 新旧产品复杂性：Cloudera有些产品在AWS和Azure，而有些仍在Cloudera平台上。
• 新产品价格：对于旧Cloudera客户而言，新的基于云计算和存储的计费模型是全新的。一方面原有的Hortonworks平台价格较贵，一方面原有打折期即将带来，客户需要更有力度的折扣来过渡。

❖ Cockroach Labs

小强数据库，今年首次进入到利基者象限。作为分布式数据库的重要玩家，小强数据库今年可谓喜事连连。在年底早些时候，其再获 2.73 亿美元的融资，现估值达到50亿美元。其公司提供多云（AWS、GCP及本地）的，基于地理分布的可进行一致性读写的分布式数据库服务。其客户存在于金融、零售等多领域。

优势

• 分布式事务：其提供的基于跨地域、低延迟、可写入的分布式事务能力，可满足在全球性金融事务等场景。
• 多云、跨云和混合云：小强数据库运行在AWS、GCP以及混合的本地部署，可访问多个云上的数据，这是一些分布式竞争对手无法提供的。
• 基于节点的定价：小强数据库可提供可预测的基于节点的定价。

劣势

• 明确市场定位：尽管有些案例是需要严格的分布式事务来保证，但这些相对只占少数。还需要更为丰富的功能满足更广泛市场的需求。
• 使用门槛较高：分布式环境下，提供严格的ACID事务能力，本事就极具挑战。除了在产品侧提供功能外，还是需要客户有着专业领域知识来完成。
• 竞争对手出现：作为分布式数据库的潜在提供者，包括来自中国的TiDB、美国的YugabyteDB均提供了类似的能力。小强数据库需面对上述竞争者，这也导致竞争环境将更加激烈。

❖ Couchbase

Couchbase，今年首次进入利基者象限的厂商。其产品定位是多模、高性能、非关系型数据库。其近期关注功能在SQL、模式、事务、混合分析及扩展云提供商。它的业务集中在北美、欧洲，在亚太地区也在增长。Couchbase的主要目标是增强其实时分析、扩展云功能并在领先的云平台上提供可用性。在普遍使用上，常常将其视为MongoDB的替代者。

优势

• 多模高性能：Couchbase基于文档模型，具备将内存技术、ACID事务能力，以SQL语言方式提供数据服务来满足大型企业日益增长的数据分析需求。
• 广泛部署能力：Couchbase具备从云、边、端的部署能力，其提供的成熟复制技术，使系统可跨多种不同载体。
• 良好客户口碑：Couchbase被很多客户视为MongoDB的替代品，具备良好的认知度。同时其在定价和合同灵活性方面得到了好评。

劣势

• 企业级能力缺失：在企业级能力方面，Couchbase还有欠缺，诸如工作负载管理、自动性能优化方面。对于在大规模企业使用，是需要进行增强。其近期新增功能包括基于成本的查询优化、集合级查询和索引处理。
• 关键分析能力缺失：Couchbase增加了重要的分析功能，但仍需要增强其分布式访问功能集，以更广泛地应用于现代数据仓库和数据湖环境。
• 相对较低的市场认知度：Couchbase在开发者中拥有一定基础，但在高管中鲜为人知。

❖ Databricks

Databricks，新加入的领导者象限厂商。它在Azure、AWS、GCP、阿里云上提供Databricks Lakehouse平台。Lakehouse平台由存储在数据湖中的数据组成，包括开源格式，这些数据也可以通过Delta lake使用，Delta lake将元数据和结构添加到底层数据中，以交付传统数据仓库的一些功能。Databricks还提供了解决方案加速器。

优势

• 概念与实现：Databricks是数据湖概念的主要倡导者，它结合了数据湖和数据仓库在相同数据上操作的能力。这种架构已经被市场所接受，而Delta Lake以一种引领市场的方式实现了这种架构。
• 开放性：Databricks提供了一个真正的开放架构，甚至支持开源格式的存储。这种开放性扩展到与各种平台上的其他数据源连接的广泛范围，并有助于扩大供应商数据市场的范围和吸引力。Databricks还与其他供应商合作，推动开源Delta共享计划。
• 可伸缩性：Databricks提供很好的扩展能力，并有客户实现了超大规模。

劣势

• 关系能力：数据湖架构提供了一定的关系能力，但还没有达到更成熟的关系数据库的水平。
• 工作负载管理：Databricks在最新版本中增加了工作负载管理功能，但是它的功能仍然无法与市场上更成熟的解决方案相抗衡。
• 数据湖领域竞争激烈：数据湖的概念正在赢得客户以及该领域大多数主要CSP的青睐，因此Databricks在未来几年将不得不与重要的竞争对手展开竞争。

❖ Exasol

Exasol，利基者象限厂商，是今年新加入的。其核心产品Exasol数据库，是一款内存分析数据库，并提供专注于数据仓库和数据湖等解决方案的专业供应商。其历史悠久，它的大部分业务都在欧洲，但现在它在北美和中东也有业务。Exasol在数据仓库方面有很长的经验，从一个本地产品开始。其产品提供了该市场客户所期望的主要功能，如内存、柱状数据湖集成和使用机器学习(ML)的能力。

优势

• 专注：Exasol主要专注于其分析数据库系统，没有将自己定位为事务性数据库。Exasol 数据库为分析场景提供了产品所期望的功能，例如与数据湖、ML、内存列存储的集成等。
• 经验：Exasol在数据仓库已经存在了20多年。它将这种经验应用到自己的技术中，并帮助客户获得利益。虽然它的数据库是从内部部署开始的，但从2015年开始就可以在公共云中使用，而大多数新客户是从今天开始使用的。Exasol将这种体验带给了新的云客户。
• 价格和性能：供应商营销的核心信息是价格和性能。对于那些寻求简单而经济的解决方案的组织来说，Exasol是一个很好的选择。

劣势

• 规模：Exasol规模很小。虽然其有着悠久历史，财务是盈利的，并成功通过IPO筹集资金，以进一步扩张。它已经被财富100强公司评估和使用。
• 单一产品：以前Exasol专注于提供单一产品，即其内存分析数据库。这对于那些希望购买更多种类的辅助产品的组织来说就没有那么大的吸引力。但是，对于那些仅仅希望获得一个分析数据库而不需要销售大量其他产品的额外复杂性的组织来说，这是很有吸引力的。最近，Exasol寻求扩大其产品范围，特别是通过收购yotilla来增强在BI和数据仓库自动化功能。
• 合作伙伴功能：一些更专业的特性是通过合作伙伴提供的，而不是数据库本身，因此可能需要单独收费。

❖ Google

谷歌，领导者象限厂商。谷歌云平台支持许多数据库平台即服务(dbPaaS)产品，从第三方提供商的产品的完全管理版本到它自己的产品，如Cloud SQL、Cloud Spanner、Cloud Bigtable、BigQuery、Dataproc、Cloud Firestore和Firebase实时数据库。它们同时处理事务和分析场景。谷歌对开放性体现在BigQuery Omni等产品上，BigQuery Omni是一种多云服务，允许GCP客户通过BigQuery访问其他CSP平台上的数据。它最近还宣布了谷歌Dataplex，作为GCP数据结构和统一数据生态系统愿景的基础，并于2021年10月普遍可用。

优势

• 增强数据管理和生态系统愿景：谷歌Dataplex通过自动数据发现，提供统一的GCP数据服务，元数据收集、生命周期管理、数据质量、集成和治理能力。GCP正在利用人工智能(Al)和ML功能尽可能地增强这个生态系统。谷歌是Al和ML领域的领导者。
• 具有现代功能的开放云基础设施：GCP提供了现代的云环境。大多数产品都是无服务器的，谷歌的Colossus数据存储提供了一个通用的数据框架，支持Spanner和BigQuery之间的联邦查询等特性。此外，GCP正在追求一种开放的策略，并已开始允许通过BigQuery Omni等产品轻松访问和消费其他云中的数据。
• 差异化的数据集和不断增长的垂直行业焦点：GCP提供了对专有的谷歌数据集(如谷歌趋势、谷歌地图、谷歌搜索、谷歌广告等)的简单集成和消费。GCP还投资于精简的垂直行业解决方案，并拥有一支专注的、不断增长的面向行业的销售队伍

劣势

• 产品组合的多样性较低：虽然GCP满足了大部分核心需求，但与竞争对手的云服务提供商相比，GCP的产品组合的多样性和综合性较低。强大的技术伙伴关系确实填补了这些空白，但潜在的客户应该知道什么是第三方集成，而不是本地GCP产品。
• 缺乏混合经验：GCP没有使用Anthos的生产混合环境，本地开发经验不能完全反映云中的核心能力。
• 演进用户体验：GCP正在UI易用性、新功能、容量规划和成本管理等面临问题，并正在积极改进。

❖ HuaWei

华为云，利基者象限玩家，也是国内唯二进入魔力象限的公司。华为CLOUD和华为CLOUD Stack(现场部署)支持自有品牌GaussDB系列产品，包括openGauss、MySQL、Mongo、Influx、Cassandra、Redis以及数据仓库DWS及Hadoop生态产品。华为云的业务主要在亚太地区，在中东、非洲和拉丁美洲也有一些业务。覆盖行业包括公共管理、电信、金融和保险等。

优势

• 行业优势：华为是一家跨国公司，主要以其庞大的通信基础设施而闻名。数据管理功能只是华为提供的众多产品线之一，其目的是管理华为在该领域的大量全球行业业务。
• 在亚洲的优势：华为的业务主要集中在中国。这家供应商已经在要求更高的全球市场之一证明了自己的规模。基于中国的部署往往规模庞大，需要重要的核心能力。
• 云投资组合和生态系统的广度：华为已经建立了一个全面和强大的投资组合，可以支持这个市场定义的几乎所有产品。其许多产品与云基础设施紧密集成，以提供增强的性能和可靠性。

劣势

• 令人困惑的产品组合：虽然华为提供的产品范围很广，但潜在客户可能很难确定哪个解决方案是最好的选择，因为有很多重叠。期待华为的进入市场的方式得到改善，GaussDB发挥更突出的作用。
• 地缘政治担忧：地缘政治形势将继续给华为在北美和欧洲有效地销售其产品带来挑战。华为的大部分业务仍在亚太地区。
• 交付和营销不一致：访问华为国际版网站的客户看到的产品与访问中国版网站的客户看到的产品不同。目前，华为云服务的英文页面还不包括GaussDB和华为已经建立的部分增值组件。

❖ IBM

IBM，领导者象限厂商。它的产品围绕Cloud Pak for Data进行整合，这是个统一集成层，用于构建基于Red Hat OpenShift之上的容器化数据库服务。这一平台是许多其他IBM数据管理产品的平台，包括云上IBM DB2、DB2 Warehouse、SQL查询、Cloudant、云数据库家族和IBM事件流，以及第三方产品的托管服务。IBM云数据库家族提供了多种管理数据技术，包括PostgreSQL、MongoDB、Elasticsearch、Redis、RabbitMQ、DataStax、EnterpriseDB和ETCD。此外，IBM DB2也可以在IBM Cloud、AWS和Microsoft上运行。IBM在全球范围内运营，涵盖所有行业和组织规模。

优势

• 多云/混合生态系统愿景：IBM的Cloud Pack代表一个有凝聚力的生态系统，具有广泛的数据管理能力，包括多种数据库产品、数据集成、分析、数据科学、元数据和治理。它构建在OpenShift Kubernetes之上，是一个可移动的环境，可以部署在客户选择的公共云中，也可以部署在软件或设备形式的本地。除了IBM的数据库产品(Db2、Netezza、Cloudant)，Cloud Pack还支持第三方产品，如DataStax、MongoDB、Redis等。此外，DB2还可以运行在IBM Cloud、AWS和Azure上。
• 元数据和治理能力：IBM在元数据管理和治理能力方面一直很强大。IBM Watson Knowledge Catalog包含在Cloud Pack中，可以为跨多个云管理下的所有数据资产提供治理。这补充了他们的数据集成能力，包括批处理、流和虚拟化。
• Al和ML增强：IBM专注于在整个数据平台云包中注入Al和ML功能。云上的DB2和DB2 Warehouse已经具有相当高的自动化水平。IBM的愿景是在数据结构的基础上，为云包数据平台带来完全自动化。

劣势

• 分散的销售和营销：虽然IBM的愿景现在统一在Cloud Pack背后，但销售和营销团队仍然是分散的，因此可能很难获得信息。IBM有大量的产品组合，不同的团队可能仍然有一个特定的焦点，而这个焦点表面上并不与核心愿景一致。
• 完全管理的PaaS，但可用性仍然有限：Cloud Pack是基于OpenShift构建的类似集装箱的基础设施。根据部署位置的不同，客户将需要管理堆栈的更多组件。目前完全管理的“作为服务”操作只在IBM Cloud中提供，或通过IBM Cloud Satellite提供选定产品。
• 实现体验不一致：在非IBM公共云基础设施上部署时，客户报告很多Cloud Pack实现的问题。这些问题很可能是暂时的，应该随着实现数量的增加而解决。

❖ InterSystems

InterSystems，挑战者象限厂商。产品InterSystems IRIS，这是一款多模型混合DBMS，支持用于事务和分析工作负载的关系和非关系数据模型。InterSystems IRIS目前在AWS、GCP、Microsoft Azure和腾讯上是一个公开的、完全管理的dbPaaS。还提供了一个私有的完全管理的dbPaaS版本。InterSystems业务在地理上是多样化的，客户主要来自医疗、制造业、金融服务、政府和零售业。

优势

• 可靠供应商和产品：InterSystems在医疗保健行业有着悠久的历史，在这方面它赢得了可靠性、可伸缩性和互操作性的声誉。
• 忠诚的客户群：现有的InterSystems IRIS客户希望使用InterSystems作为其他系统，主要是因为它提供的支持和功能。客户已经收购InterSystems IRIS作为购买应用程序的平台，现在希望将其应用扩展到分析工具。
• 多云、混合和跨云：考虑到InterSystems IRIS的本地基础，随着云应用的增长，它将成为一种混合替代方案。InterSystems IRIS也是多云的。

劣势

• 上市时间较晚：InterSystems在公共和私有云上提供托管dbPaaS的时间较晚。在医疗保健行业，这可能不会对InterSystems造成伤害，因为该行业已经表现出了对云的不情愿，但它的姗姗来迟已经使InterSystems在云数据库市场上落后于竞争对手。
• 市场竞争：随着InterSystems进入完全管理的多云dbPaas市场，它将面临比本地云CSP和ISV更大的竞争。客户将很难理解竞争差异化。
• 技能的可用性有限：在医疗保健行业之外，InterSystems在更广泛的云数据库市场中并不广为人知。因此，客户可能很难找到具有InterSystems IRIS和其他InterSystems产品技能的人员。

❖ MariaDB

MariaDB，利基者象限厂商，也是新今年新加入。其核心产品为MariaDB SkySQL，是一款完全托管的云端MariaDB产品，同时也提供MariaDB企业版和完全开源的MariaDB社区服务器的本地产品。MariaDB的业务主要分布在北美和欧洲，在亚太地区只有有限的一部分。它的客户跨越各种行业和企业规模。按Gartner评定的按收入排名的厂商中，MariaDB依然排名垫底，不到1%的市场份额。

优势

• 统一事务和分析：MariaDB提供多个存储引擎来支持不同类型的工作负载。使用InnoDB进行面向行存储的事务处理，使用Xpand进行分布式SQL处理，使用ColumnStore进行分析处理。MaxScale提供了一个SQL代理来自动将查询路由到适当的存储引擎，支持全方位的功能。对MongoDB API、PL/SQL和地理空间的支持增加了支持的工作负载的多样性
• 多云，混合和Oracle兼容性：MariaDB SkySQL在AWS和GCP中可用。对Azure的支持迫在眉睫。所有的版本，无论是在云端还是在本地，都提供了对Oracle PL/SQL的兼容性和支持，使得从Oracle环境迁移非常容易。
• 财务治理远景：MariaDB引入了一个名为工作负载分析(WLA)的特性，该特性可以学习和预测整个SkySQL集群的工作负载使用情况。未来将朝着服务质量自动化愿景迈进。

劣势

• 激烈的竞争：MariaDB面临来自本地云服务提供商和更成熟的ISV的激烈竞争。每个CSP都有一个MySQL或与MySQL兼容的产品，其中很多都深度集成到CSP基础设施中。
• 有限的商业市场：MariaDB已经成为开源社区中MySQL兼容的数据库产品事实上的标准。MariaDB在Gartner所追踪的数据库管理系统(DBMS)供应商中，按收入计算，仍处于最底层，在这个近650亿美元的市场中，其市场份额不到1%。
• 云服务相对较新：MariaDB SkySQL是一个相对较新的服务，直到2020年才引入市场。MariaDB要想取得成功，就必须在云计算领域进行广泛的应用。

❖ MarkLogic

MarkLogic，远见者象限企业。MarkLogic数据中心平台在云中以MarkLogic数据中心服务的形式提供，可以在AWS和微软Azure上使用。MarkLogic专注于围绕事务性文档存储和集成中心构建的数据管理，该集成中心允许用户通过通用索引访问远程存储的数据，从而通过优化远程访问减少远程数据移动。MarkLogic的业务主要在北美和欧洲，客户来自一系列行业，但尤其是公共/政府、金融和保险以及医疗保健部门。

优势

• 产品满足关键数据集成需求：MarkLogic专注于实现其数据hub，将其作为一种独特的数据集成方法，使其不仅可以在其目录中包含远程数据源中的数据，还可以在用于访问数据的关键索引中包含数据。这种方法提供了灵活性，因为可以在不影响访问的情况下移动底层数据源，并且通过减少必须传输的远程数据量来提高性能。
• 产品功能的深度：MarkLogic的平台具有许多功能，包括快速摄取、多模型支持、高级安全性、图形支持，以及一组非常广泛的索引和性能特性，使MarkLogic能够处理操作和分析用例。
• 定价模型：MarkLogic数据中心服务有一个独特的定价模型，它结合了可预测的成本和存储额外信用的能力，以满足突发需求。这使得动态可伸缩性具有可预测的价格。

劣势

• 理念认知：MarkLogic在获得广泛的市场认知度或认知度方面仍然落后，缺乏思想分享仍然阻碍了它的整体增长。
• 专业知识匮乏：MarkLogic的潜在客户可能很难找到可用的资源来进行建模，并帮助优化地实现MarkLogic的产品。考虑到供应商能力的深度，这被视为广泛成功实现的限制因素。
• 愿景上的竞争：MarkLogic的愿景是成为一个通用的数据访问中心，这是非常引人注目的—以至于许多其他供应商正在寻求提供一些相同的好处。由于这些供应商有更多的市场意识，这可能会减缓MarkLogic的采用，进而减缓意识和专业知识的增长。

❖ Microsoft

微软，领导者象限厂商，目前仅次于AWS且发展迅猛。它提供了广泛的云DBMS产品，包括Azure Synapse Analytics、Azure SQL Database、Azure SQL Managed Instance、Azure SQL Edge、Azure Cosmos DB、Azure HDInsight、Redis、PostgreSQL、MySQL、MariaDB等产品，可以说涵盖了全面的云数据管理生态系统及魔力象限的评估的所有领域。其客户遍及全球，涵盖广泛的行业和部署规模。

优势

• 全面的数据生态系统愿景：微软通过Azure Synapse Analytics构建了强大的数据生态系统愿景。与大多数主要的CSP竞争对手相比，这个愿景更加精细化和全面，它包括端到端安全性和元数据支持。易于与其他Azure产品集成(通过Synapse Link和Purview)是一个主要卖点，而且该生态系统也对第三方ISV产品开放。
• 清晰的迁移路径：几乎每个企业都通过使用微软的数据管理产品(如Microsoft SQL Server)、办公生产力工具、身份和访问管理软件以及其他产品与微软建立了业务关系。Azure代表了熟悉的微软生态系统的自然扩展，以及向云计算的低风险迁移路径，拥有一套全面的云计算产品和强大的具有相关技能的用户社区。
• 集成多模型能力：与一些CSP竞争对手不同，微软为其许多数据管理产品采用了多模型战略，这可以简化部署。Azure Synapse反映了这种分析策略，而Azure Cosmos DB则是它在非关系操作dbms中的缩影。这两者可以一起用于高性能增强事务，具有最小的数据移动或冗余。

劣势

• 生态系统成熟度：微软云生态系统的一些关键组件仍在建设中，如Purview、Synapse Link和行业数据模型。潜在用户应该仔细检查微软当前的功能是否满足他们的需求，以及交付额外所需功能的时间表。
• 清晰定价和成本挑战：微软的整体定价模式是复杂和具有挑战性的。在这种情况下，用户必须仔细评估Azure产品的成本。
• 数据架构挑战：尽管微软的云和本地数据库管理系统的组合很全面，但在公共云、私有云和传统本地数据库管理系统的部署选项因每个产品的不同而不同，这是不一致的。从好的方面来说，这为需要的用户提供了混合架构。缺点是，用户必须仔细决定在哪里管理特定的数据集，并运行不同的数据处理工作负载。

❖ Oracle

Oracle，领导者象限企业。Oracle自治数据库(包括自治事务处理和自治数据仓库服务)可以在Oracle云基础设施(OCI)和Oracle Exadata Cloud@Customer (ExacC)私有云上使用。Oracle还提供自治JSON数据库、MySQL数据库、NoSQL数据库和大数据数据服务。Oracle专用区域Cloud@Customer私有云运行客户数据中心的所有Oracle云服务。甲骨文的业务在地理上是多样化的。其客户来自所有行业和各种规模。

优势

• 增强数据库技术：Oracle自治数据库使用Al和ML辅助的调优，并利用Oracle的云基础设施，包括零停机补丁和升级。该技术不仅减少手工操作，而且降低了成本，提高了数据库服务性能。
• 混合云：Oracle提供完整的混合环境，用于共享数据和支持迁移到云。它通过Exadata云服务(ExaCS)支持本地部署和云灾难恢复的ExaCC。ExaCC同时支持自治数据仓库和自治事务处理。
• 丰富的投资组合：对于使用Oracle作为标准提供商的企业来说，Oracle云是一个很好的选择，在那里他们可以将多年来开发的技能应用到云中数据库。随着Oracle自治数据库被更多新客户采用，Oracle作为企业云服务提供商的地位正在获得认可。

劣势

• 以OCI为中心的数据库策略：只有Oracle自己的数据库服务可作为OCl上的管理服务可用，且有计划将在2022年提供PostgreSQL管理服务。虽然Oracle数据库通常可以移植到其他云上，但Oracle数据库客户端在其他云上运行时需要支付两倍的虚拟CPU。此外，Oracle RAC在其他云上不受支持。
• 溢价观念：Oracle本地产品通常被认为昂贵且难以管理，客户继续对合同谈判表示担忧。在云计算上，Oracle采用了一种新的商业模式，包括随用随付定价、自治数据库免费、自带许可证(BYOL)和动态弹性等。此外，免费的Oracle Cloud Lift Services将帮助客户迁移到OCl，支持奖励计划为购买OCI服务的用户提供奖励。客户应该仔细评估建议，以实现价值最大化。
• 云转型缓慢：Oracle在提供真正的dbPaaS托管服务方面进展缓慢。这导致企业使用CSP和ISV提供的其他dbPaaS产品。根据Gartner的数据，甲骨文在2020年的dbPaaS市场份额为8.759亿美元。非Oracle客户应该仔细评估近期的云迁移选择。

❖ Redis Labs

Redis，挑战者象限企业。在基于内存的数据缓存领域，为领导型厂商。其提供在AWS、GCP和Azure云上提供Redis企业云，Redis企业软件也可用于本地部署。它的产品基于开源的Redis产品。主要业务在北美、中东、非洲、亚太、拉美地区，在其他地方影响力有限。Redis企业云是一个基于内存的，非关系型，多模型的数据存储，提供包括数据处理、增强事务等

优势

• 超高性能：Redis企业云在内存中的特性使得Redis以极高的性能而闻名(尤其是在事务处理方面)，并且供应商保证某些配置和操作的响应是亚毫秒级的。
• Al/ML用例：Redis通过RedisAl(一个非常高性能的推理引擎)、在线特性存储和流数据处理，很好地迎合了Al和ML的增长领域。
• 多模型和多平台：Redis支持多种数据模型，包括原生JSON、图表和时间序列数据。通过使用Redis数据类型，开发者可以创建几乎任何模型。它运行在多种云平台、本地部署以及混合和分布式配置中。

劣势

• 场景较单一：Redis在内存数据缓存方面的成功使其成为一个成功的供应商，但通常情况下，Redis要么是作为现有数据库的补充，要么是开发人员需求的结果。这限制了Redis增长机会。
• 有限一致性：为了保护高性能，Redis没有实现强一致性;然而，这种情况在最近已得到纠正，但还需要用户验证它是否适合事务工作负载。
• 有限的数据仓库用途：Redis提供了在数据仓库中有用的功能，即RedisTimeSeries, RedisGraph和RedisConnect。Redis对SQL和其他关系范例的有限支持限制了它对数据仓库的适用性。

❖ SAP

SAP，领导者象限企业。其产品包括SAP HANA云、SAP数据仓库云、SAP Adaptive Server Enterprise、SAP IQ和SAP SQL Anywhere，可同时处理操作和分析类场景。SAP在全球各地开展业务，拥有各行各业各种规模的企业客户。SAP投入巨资扩展其数据管理组合，以支持混合云。此外，SAP还在拓展其基于云的分析产品，包括SAP数据仓库云、SAP分析云、SAP HANA云、SAP HANA云数据湖和SAP数据智能。

优势

• 功能的广度和深度：基于SAP HANA的系统提供针对单个数据副本的统一分析和事务处理、嵌入式预测分析和多模型功能，包括嵌入式图形特性、语言处理、OLAP引擎、数据虚拟化、Hadoop、Spark和云对象存储。
• 业绩：SAP HANA被SAP客户广泛接受。
• 多云、私有云和混合云：SAP HANA可以托管在各种各样的平台上，包括阿里云、AWS、Azure和GCP公共云以及SAP业务技术平台。SAP HANA还可以作为一个设备部署，在超融合系统、裸机安装和虚拟机上使用来自各种供应商的硬件。

劣势

• 产品营销不足：很多客户不了解SAP数据管理产品的广度和深度，应确保他们完全了解供应商在这个领域的产品。
• 头部客户集中：产品过于集中在某些头部客户。
• 客户成本估算：不正确规则和配置，可能会带来更高成本。客户应该确保他们了解任何定价的基础，更透明的基于云计算的定价应该有助于这一点。

❖ SingleStore

SingleStore，新加入的利基者象限厂商。它提供兼容MySQL协议的，全托管的数据库云服务。支持部署在AWS、GCP和Azure上，也可部署在私有云等其他环境。SingleStore的业务主要在北美和欧洲，在其他地方影响力有限。客户主要集中在信息管理、技术服务、金融和保险以及其他行业。SingleStore提供一种通用存储技术，可结合内存行存储、磁盘列存储和云对象存储的属性，支持高性能的事务和分析场景。

优势

• 集成事务和分析：SingleStore提供的高性能能力，适用于事务和分析场景。其可以在并发条件下支持不同的的工作负载。此外，SingleStore管理服务具有多模型数据存储和云本地无服务器架构，该架构统一列存储、行存储、地理空间数据类型、JSON、全文、键值和时间序列等。
• 高性能：SingleStore提供在复杂工作负载条件下，依然可提供高性能表现。复杂性代表如复杂连接、多列查询、高并发访问等。
• 强大的“动态数据”：SingleStore流水线支持连续、并行加载，而无需数据锁定或性能开销。高速窗口和时间序列更新技术，使得后台可支持批量加载，操作分析和监控数据流。

劣势

• 语言支持有限：SingleStore数据库中缺乏对Java、Python 等其他语言的支持，而这些语言是数据科学家或分析师常用的语言。作为一种解决方案，用户可以通过MySQL兼容的自定义SQL有限支持。
• 有限的SQL支持：SingleStore的SQL实现有一些局限性。例如，不支持触发器、外键、引用完整性等。
• 本地监控不完善：SingleStore监控方案是不成熟的，需持续改进。同时，客户可部署第三方工具或编写脚本来实现监控系统信息。

❖ Snowflake

Snowflake，从挑战者象限进入领导者象限。作为近年来的明星企业，其仅千亿美元的估值颇引人瞩目。Snowflake产品可在AWS、GCP和Azure上使用，专注于为服务化数据仓库、数据湖和数据市场等。目前公司的业务主要在北美，在欧洲、中东、非洲、亚太地区的业务仍在继续增长。其客户涵盖全行业。

优势

• 强大的市场影响力和合作生态：Snowflake公司是云数据仓库市场的重要组成部分，拥有极高的客户和合作伙伴满意度，市场领先的营收增长率，以及广泛客户的高度兴趣。在多领域中，其系统集成商和合作伙伴的强大市场吸引力巩固了其市场地位。
• 操作易用性和可伸缩性：Snowflake核心设计理念就是操作易用性和可伸缩性。其可根据工作负载变化实现动态资源分配的能力，仍然是最好的。
• 数据共享和数据市场：Snowflake普及数据共享、协作和数据市场的概念，提供了一个平台，使专有数据集易于货币化。因此，网络效应帮助吸引更多客户使用平台。

劣势

• 财务治理挑战：Snowflake新发布的财务治理仪表板应有助于客户进行预算规划、成本分配和可预见性。但如果使用超过一定的阈值，诸如治理和元数据等核心服务可能会产生额外的成本。
• 竞争差异化不足：Snowflake在六年前推出产品具有高度差异化，但如今其竞争对手能力越来越强，差异化进一步缩小。
• 平台开放性：Snowflake的跨云数据库的前景很吸引人，但还没有得到充分证明。其外部表通过开放标准支持外部数据访问，希望供应商在未来继续增加对其他开放数据标准的支持。

❖ Teradata

Teradata，领导者象限厂商。作为数据分析领域的老牌厂商，它的表现一直很稳定。其产品Teradata Vantage提供统一数据分析功能，可在Teradata数据库中进行图形处理、ML和文本处理，并提供全球化部署，服务于各行各业。在云端策略方面，Teradata以一致性的方式提供跨云、Teradata自有云及本地化交付。

优势

• 数据结构定位：Teradata具有多年关系数据库经验和网格查询能力。包括有很成熟的分布式数据库访问、领先的优化器技术和健壮工作负载管理。
• 多云/云间/混合部署：Teradata部署在多个公共和私有云中。
• 成熟系统和成本可预测：Teradata提供较为完善的可操控能力，可支持高吞吐量。在价格的可预见性和财务管理是关键优势。

劣势

• 定位单一：Teradata定位就是数据分析场景，而非通用性数据库。
• 品牌定位：Teradata诞生与上个世纪八十年代处，长期是以数据仓库提供商示人，随着云时代的到来，需要更为新颖的定位，而非传统技术的代表。
• 成本模型：Teradata被认为是一种高成本产品，这与其定价模式有关，需提供更为明显的成本收益模式，来让客户正确理解。

5. 潜力厂商解读

人生基本上就是两件事，选题和解题。最好的人生是在每个关键点上，既选对题，又解好题。人生最大的痛苦在于解对了题，但选错了题，而且还不知道自己选错了题。正如人生最大的遗憾就是，不是你不行，而是你本可以。

下面这些厂商有很具有代表性，但由于没有进入到Gartner的市场势头指数的前20名，因此未能入选。

❖ Crate.io

Crate.io，一家提供企业级、大规模数据分析的的开源数据库厂商。它的目标是将标准SQL与NoSQL的可伸缩性和数据灵活性结合起来。这使得开发人员能够使用SQL处理任何类型的数据（包括结构化或非结构化），并以实时速度执行SQL查询。

❖ Datastax

DataStax，是基于Apache Cassandra提供的商业厂商。其产品DataStax Astra DB可在AWS、GCP和Azure上使用，提供多模型、多云、多区域、无服务器、随用随付管理服务。DataStax Astra Streaming是另一种基于Apache Pulsar，提供实时事件流处理和更改功能，通过双向CDC将各种数据库产品连接到Apache Cassandra。

❖ EDB

EDB，其前身为EnterpriseDB，是一款基于PostgreSQL构建的云数据库服务，其具备，与Oracle兼容能力。它使用基于k8s的控制平面来自动化整个数据库生命周期。EDB于2019年被Great Hill Partners收购，目前为私人所有。

❖ Micro Focus

Micro Focus，其产品-Vertica是一款大规模并行处理(MPP)列存储分析数据库，可在阿里云、AWS、Azure或GCP中作为k8s容器运行，也可在虚拟机和内部环境中部署运行分离。Vertica统一分析平台结合了数据仓库和数据湖能力。Vertica未出现在今年的魔力象限，因在这项研究时,Vertica尚处于在AWS上为特定用户提供beta版功能验证阶段。目前已经作为一种全面管理的全球服务在商业上可用。

❖ MongoDB

MongoDB，目前市值330亿美金。其产品MongoDB Atlas在AWS、Azure和GCP上提供的托管云服务。它的市场表现非常出色，是移动到云计算领域最成功的供应商之一。但这一厂商已经连续五年不参与魔力象限评估。

❖ Neo4j

Neo4j，是一家专注于图形数据库和图形数据科学技术，提供兼容ACID、具有本地图形存储和分布式集群架构的图形数据库库。它以托管服务和自托管部署模型的形式提供AWS和GCP上的Neo4j AuraDB。

❖ Tencent

腾讯云，提供全方位的云数据库管理服务。其产品支持在公有云、私有云和混合云的实现。腾讯的业务主要集中在亚太地区，此外还在欧洲、北美和南美拓展业务。它今年的退出有些意外，猜测可能与公司将运营重点放于国内有关。

❖ TigerGraph

TigerGraph，是一家提供本地、分布式、MPP的图形数据库厂商，支持AI和数据探索。其数据库带有类SQL的查询语言，并集成众多工具和企业连接器，以确保数据科学家和开发人员可在较短时间内设计和部署分析解决方案。

❖ Yellowbrick Data

Yellowbrick Data，是一家为混合云提供数据仓库的厂商。其产品以新颖的云基础设施为特点，为经典数据仓库分析需求提供极致的性能和易用性。它的系统兼容PostgreSQL，因此可很好地与通用的Bl、分析和ETL工具集成。

❖ YugabyteDB

YugabyteDB，是一家提供分布式关系型数据库的厂商。其无共享架构设计特点，可做到无单点故障或瓶颈，同时提供在地理分布环境下的部署能力。它于近期完成1.88亿美元的C轮融资。