天云数据Hubble数据库通过信通院首批HTAP数据库产品评测

近日，中国信息通信研究院（简称“中国信通院”）公布了第十五批“可信数据库”评测结果。天云数据Hubble数据库凭借过硬的技术实力顺利通过 “HTAP 数据库基础能力” 评 测。

天云数据：首批通过信通院HTAP基础能力测评的三家厂商之一

“ 可信数据库"系列评估评测是中国信通院自2015年推出的权威评估评测体系，覆盖范围包括数据库产品及周边工具、数据库服务商和应用侧等。本次评审会专家由来自中国信通院、中国农业银行、邮储银行、光大银行、华夏银行、中移信息、中国联通等单位的专家组成，评审环节包括产品资料审核、测试报告审核、质询与答疑、集中评议。在本次HTAP数据库基础能力评测中， 天云数据Hubble数据库经过评审专家严格把关，顺利通过各项环节的严苛考验，技术实力备受认可，成为三家通过厂商之一。

为什么必须提供统一支撑事务处理和工具负载分析的数据库？ 互联网的消费化，越来越强调体验的实时性，交易和分析场景必须一致，这对传统数据库的应用来说是一次巨大的升级。这不是简单的替代逻辑，是产业链升级逻辑。 面向新兴的大数据领域，新兴的数据库依然扮演着重要角色，不仅仅可以对传统数据库Oracle做碾压替代，同时还能够胜任大数据领域的刚需。而在整个市场的需求上，Hubble数据库的自身定位就具有天然优势。天云数据凭借其多年来在大数据分布式计算领域的经验以及多家大型银行的实践最终通过引入损失函数动态评价SQL逻辑计划的执行成本、CBO代价优化解析、Sharding切片线程级别物理资源匹配不同计算负载、TP和AP双引擎调度执行、随机和序列化IO对存储的访问、依靠数据副本机制同时支持KV键值存储和列存存储交出了完美的答案。这意味着一张表可以同时支持行存和列存，真正的融合了存储结构，避免了在交易和分析数据库间每夜ETL数据搬家的繁琐运维工作和数据冗余，提供统一支撑事务处理和工具负载分析。

Hubble 数据库：100%Go语言的数据库

C 语言、Java语言都是业界的主流语言，为什么天云数据会选择Go语言？ 因为C语言在工程化能力上有其短板，Java语言基于JVM虚拟机技术在性能上会受到制约。在数据库产品线，天云数据团队早期沿着HBase技术路径探索。后创立天云数据公司后，面对银行A类核心系统ACID 的事务需求，以及银监会要求的两地三中心容灾要求，团队开始面向交易体系进行分布式计算的原创路径探索，Hubble数据库重写了HBase存储引擎，采用Go语言研发，更适于服务化的云原生时代。相比于C语言、Java语言，Go语言在工程化能力以及性能上都是最适合天云数据的，可以实现逻辑层、调度层、计算层、存储层的更小颗粒度的解析。天云数据就是站在Google这样巨人的肩膀上，卸掉了C语言的包袱，快速地奔跑。

简单做一个运维量评估：C/C++ 100万行代码约等于Java60-70万代码，对应到Go语言大概也就是20～30万行代码，其运维量可见一斑。

但目前整体市场上， 80%以上的产品语言是Java，能实现50%Go语言的也是凤毛麟角。 Hubble 数据库100%基于GO语言编写， 可编排、可调度、运维量小，适合 云原生时代，弹性伸缩，按需分配。

HTAP 技术之后，数据库的技术方向应该是什么？

历史上很多重大制度或秩序，都由技术创新推动。例如威尼斯商人建立的复式记账法，在现金流之上建立了现代社会 “ 资本 ” 这 — 重要要素；荷 兰 海上 马车 夫 设计 的 Loca 可投 资 的独立船 舱单 元， 奠定了 现 代公司股 权 治理 结 构。数据， 作 为 土地， 劳动 力， 资 本之后的第四要素，一定有科技要素的配套作 为 制度保障。 数据作为创新生产要素，必然配套制度创新。

互联网带来了产销合一，越来越多的数据并不是面向宏观趋势的供给，做报表、做管理驾驶舱、做仪表盘、上大屏，供给领导决策分析。互联网带来了个性化服务，淘宝推荐引擎、千人千面个性化结果，要跑的是贝业斯网络、是协同过滤算法，是这些算法再替代SQL的可视化服务。

所以怎么能够在同一个计算的库体上，面向机器学习的操作面向新兴的数据驱动业务的算法？AI内生数据库是一个必然要走的路径。 尤其是应对产业互联网，第三波的机器数据生产，更多的物联网的机器生产、传感器，他的机器数据物理意义人理解越来越难，比如油压、温度、结蜡、工况都是一些科学属性。这些数据它很难用决策，因为它对人类来说需要更强的科学知识才能去理解。所以将会是机器生产数据，机器消费数据。

软件实力是迈向智能的基石。数字经济已成为全球经济增长的新引擎，数据是未来最重要的生产资料，对应的生产工具必然要同步升级。AI-Native数据库通过更多的逻辑计划丰富数据消费能力和形态，是面向服务的融合，通过将数据库智能化在AI计算的过程中降低门槛和成本，同时也可以充分地释放数据库的计算资源，进一步突破行业天花板，形成更大产业规模。 当AI的数据消费替代了可视化数据消费成为主流，数据资料的生产工具必须是AI原生的AI-Native数据库。