受访嘉宾：阿里云数据库产品管理与技术架构部负责人、PolarDB开源社区技术委员会主席 王远
采访人：IT168企业级 & ITPUB执行总编 老鱼
*本文根据DTCC 2023大会现场采访整理
微信扫码直达完整采访视频
老鱼：请简单介绍一下您目前在阿里云瑶池数据库团队负责的工作。
王远：我是来自阿里云瑶池数据库产品管理与技术架构部的王远，目前主要负责以下四个部分的工作：数据库产品规划与管理；开源PolarDB；一站式数据管理与服务；迁移上云的数据解决方案。我们希望通过技术创新与持续深耕，推动云数据库被越来越多的用户接受。
老鱼：您演讲中提到了全球数据库市场规模，数据库作为全球企业软件市场第一大类占比14%，而中国市场只占到全球732亿市场中的5.8%，也就是43亿美元，当前国内数据库厂商多达200多家。请问，您认为43亿美元是中国市场应有的水平吗？中国数据库市场规模应该有多大，是否有增长空间，能否支撑起 200多家国产数据库厂商？
王远：首先需要明确，演讲中的数据出自Gartner官方报告，作为数据库从业者，我个人认为，它相对低估了中国的数据库市场。我可以简单分享下我的推算逻辑，这些都来自于公开数据。
以集团近期公布的财报来看，阿里云在第一季度总体营收250亿左右，怎么去估算数据库在其中占多少或者说未来有多少潜力呢？其实在业界有一个“交叉率”的概念。数据库并不是独立存在的产品，如果要用数据库，就一定要搭配服务器、中间件等，所以数据库在信息系统中占比是相对稳定的。根据行业不同，它的占比基本上在8%到30%之间，那么我们取一个中值，假设取18%或者20%，再保守一点，可以取10%。
同时，IDC、Gartner都发过中国公有云市场调研报告，市场公开数据显示阿里云规模占比是第一，达到了44%，我们可以通过这些数据估计一下整个国内公有云数据库的规模，我觉得估下来至少200亿人民币，还不包括线下。因为中国市场相对来讲有些特殊，有大量线下的IDC诉求，但线下具体有多少量是没有准确统计的。
那么关于这个比例，在业界也有一个不成文的方法，一般来讲，保守派会估1：5，乐观派会估到1：10，也就是线上1、线下10。我认为按照公有云200亿左右的体量，按照1：5是千亿规模的，按照1：10是两千亿规模，远远大于Gartner的43亿美金市场规模。以上是我个人的估算逻辑。当然，仁者见仁，智者见智，每个人都有自己的估算逻辑，大家都是根据公开数据来推测的。
第二，这个市场体量能否养活那么多数据库公司，这是另外一个问题。在现阶段我也认同很多业内朋友的观点，当前数据库市场太卷了。本质上讲，现在数据库厂商过多，最后可能会大浪淘沙，通过技术、商业的角逐，存活下来一批真正的头部精英，共享中国数据库市场的蛋糕。
老鱼：很多企业，尤其是大企业在选择供应商时特别看重其技术兜底的能力，即有问题可以迅速解决。这是不是意味着数据库只能大厂玩？信通院报告显示当前数据库公司绝大多数是研发团队低于50人的小厂。这种规模的团队，它的内核掌控能力或者技术兜底能力有多深，似乎是不太让人信任的。但国外的数据库创业公司，比如Snowflake，也活的很好。所以国产数据库真的只能大厂玩吗？
王远：我觉得要分两个阶段来看。如果没有开源，数据库只能大厂玩，这是毋庸置疑的。然而真正的开源改变了这些东西，但开源不意味着没有门槛。数据库是非常经典的技术，很多东西非常复杂，需要多年的深耕。
一名合格的数据库内核开发人员，没有三到五年的经验，不敢说自己对内核有深度的掌控和理解。这就看出，数据库初创企业门槛非常高。你要做得好，一定是要有长期的积累和沉淀。所以，像您说的一样，数据库企业的研发人员数量，一定是很重要的能力参考指标之一。
第二，在软件行业流行一句话：一个优秀的程序员可以顶上一百个普通程序员，其实这句话在数据库行业更适用。真正的数据库领导者或者是领导能力，永远都是头部一小部分人来决定的，这一小部分人代表着智力的结晶。所以，我觉得看初创企业，还要看这个数据库团队的领军人物在业界是什么样的水平。
第三，我觉得对于数据库初创企业来讲，很重要的一点是生态，这个生态不仅仅是开源生态，开源只是其中一方面。那为什么要提生态呢？数据库是用出来的软件，写软件一定会有BUG，这是不可避免的，人一定会犯错。
但一款稳定、优秀的数据库，一定有大量的业务场景去打磨和磨合，只有在跟业务深度结合、使用者越来越多时，数据库才会越来越好、越来越稳定。所以看一家初创企业，其实要看它背后有没有自我运营生态的能力。而很多互联网大厂有这个能力，大厂是内部用完以后再上云，是第一个吃自己产品螃蟹的人，对于数据库这种基础产品，这有利于在创新性和稳定性上找到平衡点，也是非常具有优势的。
老鱼：阿里云数据库品牌升级为阿里云瑶池数据库，在名字变化的基础上，阿里云数据库产品线布局和愿景有何变化？在构建远景的时候，团队重点关注哪些方面？
王远：“瑶池”反映了我们对数据库领域发展的思考，在技术、产品、甚至是工程领域趋势的思考。大家的共识是：不存在一款数据库可以包打天下。你会发现市面上有那么多数据库，OLTP、OLAP、NoSQL、文档、大宽表，这些数据库虽然能够满足垂直化应用场景，可以解决核心问题，但共性问题是学习曲线特别高，用户开发起来特别困难，运维代价高，逐渐脱离了普通人群的圈子。
数据作为很重要的资产，存在于数据库之内，为了让数据发挥出作用和价值，我们必须要让更多的用户用好数据库，不管TA本身技术水平如何。
我觉得技术不应成为人们享受数据价值的门槛，我们应该做到数据和技术的普惠化，这是我们追求的愿景。所以我们提出了一站式、一体化的理念，你可以把我们看成一个数据库——瑶池数据库，你可以像使用一款数据库一样来使用我们各种各样的产品，所有复杂的技术问题，我们都帮助你解决掉了，这是我们要追求的愿景之一。
第二，瑶池在古代是宝玉、宝藏集结的地方。数据是放在数据库里面的宝藏，我们希望阿里云数据库是企业数据价值产生之地，这也是选择“瑶池”作为品牌名称的原因。
品牌升级之后，阿里云数据库的研发理念没有发生变化，我们始终沿着云原生的理念在做深、做透，但是在不同的阶段，对于云原生的具体诠释会发生变化。最早期的云原生，我们要做到计算和存储分离，做到独立的弹性，这是云计算所带来的技术优势。
进入云原生2.0以后，一方面是计算存储分离，我们在这个垂直方向做深做透；另一方面，我们希望做到计算和内存分离，要把资源的管控力度做的更细、更稳、更精。
横向的话，我们希望为用户带来一体化的体验，比如说以前用户做事务操作要连OLTP数据库、做分析操作要连OLAP数据库，未来这些都不需要，用户只用连接瑶池数据库，瑶池会帮助你决定数据应该存在哪里，应该用什么样的计算资源。基于这些理念，我们现阶段会沿着四大方向演进：云原生化、一体化、平台化、智能化。其中，智能化是希望把大模型、AI和数据库技术进行深度融合。
老鱼：瑶池数据库在AI领域有哪些重点技术布局和应用探索？瑶池数据库在当下热门的大模型、向量数据库、多模处理、自然语言数据分析方面有哪些独特之处？
王远：从去年年底到今年上半年，大模型给向量数据库带来了第二春。为什么是第二春，而不是创造了向量数据库？因为向量数据库或者向量引擎是很早之前就有的经典技术，对于向量的存储和查询需求也是一直都有的。
长久以来，制约向量数据库或者向量引擎广泛应用的瓶颈，不在于向量怎么存、怎么算，而在于向量怎么生成，是否有通用的方法能够把数据里面的特征提取出来、将其向量化？这才是难点。
其实，向量数据库之前也曾经流行过，只是大家不知道，他在部分垂直领域应用。比如：电商领域，以图搜图、寻找相似的商品，这背后用到的技术就有向量检索。但是大模型提供了一种通用的提取特征和向量的方法，让大家看到了曙光：向量数据库不再是阳春白雪，普通大众也能使用。
我们认为向量应该是一种能力，任何一款数据库都应该具备向量能力。数据库原来是存结构化数据，随着技术发展，现在的数据库可以存储结构化、半结构化、非结构化的数据。数据的种类越多，每一类数据都要提特征，都要有向量能力。这也是我们一直在追求的，PolarDB，AnalyticDB、Lindorm、RDS，几乎所有的阿里云数据库引擎都会有向量能力，目前已做到40%-50%的瑶池数据库产品具备向量能力。
第二，AI技术和数据库的结合，我们已经做了4-5年。除了产品研发，达摩院实验室也在做这项工作。我们的AI技术和数据主要体现在两个方面：一个是数据库自治，我们叫AI for DB，它是通过一系列机器学习算法或AI算法让数据库能够自动稳定的运行，即自观测、自运维、自优化、自修复，让数据库拥有自治能力，简称“数据库的自动驾驶”。
另一方面的结合是DB for AI，我们会集成向量引擎，提供向量能力。另外，我们也会和大模型进行深度结合，比如Lindorm，我们会结合ModelScope魔搭社区模型，能够自动实现模型的导入、训练、推理等。比如PolarDB，可以集成AI组件，能够通过自然语言生成SQL，这样普通人可以直接用自然语言检索数据，我们在未来也会坚持在该方向进行长期的探索和深耕。
大模型的出现，可能会改变人和机器的交互方式，它真的能够降低数据库的使用门槛，让越来越多的人享受到数据库带来的好处。
老鱼：AI技术在阿里云的用户端有哪些应用案例？
王远：数据库自治已在阿里集团内部全部推广，它的本质是解放DBA，这样一位阿里集团的DBA，能够托管几千甚至上万个数据库实例，能够极大地提升DBA在集团内部的工作效率。
这一点在云上客户里也有大量的应用，包括数据库优化，特别是一些互联网性质比较强的客户，像游戏客户、电商客户，突然遇到流量洪峰的时候做一些诊断和扩缩容，全部依赖数据库自治技术。整个阿里云上的客户，大概有15万数据库的企业级客户，但我们的运维人员很少，因为我们全部能够做到自动化和智能化，这已经是云上的标配组件了。
老鱼：对于传统行业客户，AI技术除了帮助其减轻运维负担之外，还有哪些作用？
王远：我们的自治技术已经非常成熟了，这属于内核技术。关于外延的部分，比如DB for AI，其实是在不断探索数据库的边界。目前我能提供几个标准：一个是NL2SQL转化测试集，我们在去年年底测试中拿到了全球第一。无论是从准确率、计算速度，还是模型大小方面来讲。我们的模型大小只有第二名的1/7，但是速度是第二名的十倍，准确率是第一。我认为当前不太能达到工业级标准，因为准确率70%多，这部分还需要借助现在的提示工程不断进行优化和探索，这是我们一直在做的。
除了NL2SQL，未来我们想做NL2BI。其实NL2SQL不是目的，帮助用户查数据、做数据洞察才是最终目的。所以我们会往前再走一步，做NL2BI，通过自然语言直接生成报表，这一点目前还在探索阶段。
我们已在与集团内部客户合作，他们会做用户分析、商品分析，生成报表，初步考虑未来会对部分小商家开放，这样能够让更多人享受到技术红利。整体来说，这一点目前还在起步阶段，暂不具备规模化能力。如果感兴趣的客户，我们可以一起来探讨。这和企业的领域知识、内部知识强相关，我们必须根据企业的内部知识和领域知识，帮助客户打磨和量身定制，做提示工程（prompt engineering），这是需要不断探索的一种模式。
老鱼：PolarDB是瑶池数据库三大核心产品之一。您作为PolarDB的技术委员会主席，在PolarDB关键技术中，您认为最具创新和颠覆性的技术是什么？这些创新为用户带来什么好处？另外，PolarDB目前到底有几个版本？
王远：PolarDB就是一个产品，他有三个版本，一个是PolarDB for MySQL，兼容MySQL生态，一个是PolarDB for PG，兼容PG生态。
另一个是分布式版本，PolarDB for Xscale，简称PolarDB-X。为什么会有这个版本呢？其实PolarDB for MySQL、PolarDB for PG在架构上都是一主多从，但对于一些超大规模的应用，需要多主多写、线性扩展、高并发等，这就需要分布式版本应对这种场景。PolarDB三个版本，可以满足不同的用户需求。
至于颠覆性的技术，我们一直都是需求驱动、用户驱动。前面提到，数据库是用出来的软件。我们一直非常关注PolarDB的企业级能力，PolarDB所有的核心能力都是围绕用户实际需求展开研发的，我个人认为最重要有几个点：
第一，三层解耦，这可以保证我们资源更灵活，帮助用户真正实现降本增效；
第二，一体化HTAP。可以降低用户的使用门槛和学习曲线，提升用户体验；同时，可以最大限度地减少数据搬迁，提高数据使用效率和资源利用率。
第三，Serverless，同样真正帮助用户实现降本增效。成本是用户现在非常关心的问题，我们的Serverless能够做到：用户不用数据库的时候成本基本是0，用户只用为TA所使用的存储和计算资源付费，不用、不存、不算的时候一分钱不花。
第四，软硬协同，高压缩比。对于云上数据库来讲，加解密、压缩和解压缩是很重要的需求，我们通过软硬结合的方式来解决这个问题。
第五，分布式，即集中分布一体化。比如PolarDB for MySQL向PolarDB for Xscale过渡，或者RDS向PolarDB for Xscale过渡，我们都能做到透明、一键从集中式变成分布式。为什么做这个呢？我们希望用户享受分布式可扩展能力的同时，不对现有应用、以及现有的技术体系、运维体系、工程管理体系产生过多的影响，这样才能更好地为用户提供顺滑的使用体验。
第六，AI技术， 比如NL2SQL、数据库自治服务，已作为核心能力内置到PolarDB中。
以上是PolarDB坚持的研发方向。
老鱼：PolarDB已经走过六年历程，目前在市场上表现如何？有哪些里程碑式的亮点？
王远：我个人认为PolarDB的六年，每一年都是亮点。
PolarDB在2017年首次公测，从2017年到2018年，PolarDB实现了800%的增长，这是历史上阿里云数据库增速最快的一款产品。
2019年，PolarDB已做到营收过亿。从第三年开始（2020年-2022年），连续三年的增速都超过了50%，甚至80%。截至目前，我们已经有6000+个云上客户，这还不算线下客户。
规模化是云数据库永恒追求的目标，我们希望更多用户、合作伙伴、开发者一起参与进来，做大市场规模，包括PolarDB开源、瑶池数据库峰会也是为了促成这个目标。我也提前打个广告，我们会在今年下半年举办PolarDB开发者大会，也希望通过这次大会，让PolarDB生态、规模再上一个台阶。
老鱼：作为PolarDB开源社区技术委员会主席，您认为开源在数据库的领域作用是什么？阿里云对待开源到底是什么样的态度？
王远：从技术人员角度来讲，我觉得开源真的是一件让人很兴奋的事情。正是因为有了开源，所以在现阶段，才让我们在很大程度上摆脱了对商业软件、闭源软件的依赖，才会有我们中国数据库如此蓬勃发展的现状。
开源在数据库的领域作用，我主要想表达两个观点：第一，数据库是一个很精深的软件，数据库开源这么多年，也只有MySQL和PG两大流派。其实阿里也开源了自己的MySQL分支，叫AliSQL，另外，我们每年会在PG、Redis等开源社区贡献一定的代码，包括Redis 7.0我们贡献了大量代码，这是现有的对于开源软件的贡献。
第二，为什么我们要做PolarDB开源？我个人认为PolarDB开源跟其他的开源数据库不太一样，其他的开源数据库都是先开源，产品不成熟，但先开源，让更多的人参与进来，然后共同去打造这个产品，最终来实现规模化和市场化。
PolarDB在商业上已经成功了，它的规模其实非常大，不需要再通过开源这种方式去打造，这是一款真正成熟的云产品做开源。我们现在开源的模式是什么呢？所有开发的新功能都先在云上跑，在内部先跑三个月或者半年，然后才会涉及到部分有强需求的云上客户，再然后才会全网发布，最后确定功能稳定了，我们会再把新功能合到开源分支。我们没有两套代码，没有所谓的PolarDB开源版或者PolarDB云上版，我们就是百分之百云上开源。
为什么要做这件事情呢？一方面从技术人的角度来讲，他们有技术情结，我们觉得启于开源，要反哺开源，要推动整个行业往前走，这是对所有从业者都有利的事情。
另一方面，从数据库未来的角度出发。MySQL和PG把数据库的门槛设的非常高，其实入门级能力不是门槛，大家达到60分很简单，努努力到80分也不是特别难，难的是如何从80分做到95分，这是比较难的。
最后15分的压力，除了要靠产品力、研发能力、内核掌控能力来突破，还是回到老话题——生态建设。我们希望通过开源吸引更多有兴趣的人加入，摆脱大家对闭源产品、商业产品的疑虑和不信任：我开源了，我的产品每一行代码都对你开放，你可以随时来看。包括我们选择的开源协议，都是非常开放、约束力最小的那种，方便所有人来共同使用我们的产品。我相信未来，至少PolarDB会坚持走开源这个方向，让越来越多的从业者参与进来。
老鱼：业内公认阿里云在数据库技术上的领先和积累，那么阿里云在未来要如何保持在数据库领域的领先和创新速度？
王远：这是一个好问题，这也是我们每年会和技术团队一起去思考的事情。要常年保持领先是很难的事情，我觉得有几件事必须去做：
第一，更开放，多沟通，多交流。我们要跟顶尖的高校、研究所，到顶尖的学术会议去交流，因为他们代表了整个数据库未来的发展方向。
第二，需要看看友商在做什么。其实某种意义上来讲，友商既是竞争，更是合作。没有对手这个行业就完了，我们觉得友商之间，应该是互相合作，互相取长补短。
第三，数据库要有需求驱动。数据库不是屠龙刀，也不是屠龙技。你搞出一个特别高精尖的技术，却没有人用，我认为这不是核心。产业一定是需求驱动的，我们要去多关心我们的行业、用户到底需要什么样的能力。我觉得一款好的数据库、一家好的数据库厂商一定要有自己的核心行业，这几个核心行业是你的需求输入，是你的安身立命之本。
第四，视野要更宽。从狭义的数据库技术来看，你永远都是在研究软件、研究算法。其实当今数据库技术，软件优化、算法优化都很难，要进一步也很难。
但是硬件和基础设施的发展，其实可以让你的软件优化起到事半功倍的效果，这也是为什么PolarDB坚持要与云深度结合、要做软硬件协同创新的原因。
我们现在除了存储计算设备，还有一些GPU、FPGA新型计算装置，或者和云存储，OSS对象存储都有深度的合作和融合。
第五，人才培养。千万不要觉得你的用户low，向你学习的人low，其实他们会给你很多有益的输入。我认为做好这五点，技术领先力才能够持续比较长的时间。
