云数据的难点和痛点在哪里？

所谓的云数据库，那看它的关键词“云”和“数据库”。 “云”带来的挑战就是资源池化，以及海量的资源的智能化的应用和调度，这是两个最核心的逻辑。做了IaaS（Infrastructure as a Service）以后该资源进行了池化，如果用虚拟化的技术将原来的、割裂的应用资源变成一个很大的池子，怎么样更好的发挥池化资源的优势来做到弹性高可用，我觉得这就是云原生数据库最大的核心价值。所以，像PolarDB它们最核心的设计理念就是存储计算分离，存储计算分离以后，不像传统的数据库存储引擎和计算引擎都bundle在一起的，那在云原生的里面做一个解耦把存储和计算分离，这样可以很好地做到弹性的SQL，而且存储和计算是分开进行弹性收扩容的，最大化利用池化云资源。另外一个就是之前讲到了如何做云原生的管控，像利用K8s这种技术能够做到多元异构的统一管理，同时又用机器学习AI的技术能够尽可能地简化运维的成本，来支持我们资源的调度，这是我觉得云原生数据库最核心的技术和趋势。

“难点”和“痛点”是这个弹性做到弹性高可用里面有很多技术难点。当存储计算分离以后，所有的计算节点都看到的是从逻辑上来讲是一份数据。在写和读的时候还要保证他们看到的数据是一致的，这是一个挑战。还有一个分布式共享存储下存储计算分离以后，用分布式共享存储RDMA，怎么做到高可用？另外一个如果再想水平拓展，光存储阶段分离这里可能做到十几个节点、二十几个节点就差不多了。再往外肯定要将分布式和云原生的技术结合起来。

最后一点就是安全的问题，这里不做展开说明。首先要支持标准的安全协议，比如像BYOK、传输加密，除此之外甚至要考虑在内核处理的时候也要数据全能加密，像我们今天讲到的全加密数据库，还有和区块链的技术相结合。这样我的日志和进库的数据如果用户需要的话，我是可以去验证的，验证它是没有被恶意篡改过的。以上是这些趋势和发展。