数据库 SERVERLESS 与 RDS 产品逐步淘汰 和 云数据库的价值

news2025/2/27 2:43:18

bf9bb7eabe0b4c8797ba722a4b86e411.png

开头还是介绍一下群,如果感兴趣polardb ,mongodb ,mysql ,postgresql ,redis 等有问题,有需求都可以加群群内有各大数据库行业大咖,CTO,可以解决你的问题。加群请联系 liuaustin3 ,在新加的朋友会分到2群(共790人左右 1 + 2)

Serverless  是一个在云端较热的话题,云上的数据库也都在进行SERVERLESS 化,RDS OR  POLARDB ,但是这就提出一个问题,数据库都能进行serverless 吗,如有些数据库不能serverless 原因是什么,Serverless 对数据库有什么影响,是良性的还是良性的呢? 

首先serverless 提出于云上的概念,serverless 是一种云计算执行的模式,通过云服务提供商运行和扩展应用所需的基础设施,在这种模型中,开发人员可以专注编写代码,无序担心底层服务器的资源问题,serverless 最早的出现的意义在于将管理服务器的责任从上层,移动到下层,针对使用的资源付费,而在不需要资源的时候,资源会自动进行协调。

而首先推出SERVERLESS 的产品的如 AWS lambda,  Google Could functions , Microsoft Azure functions. 这些产品早期的目的也是为了开发人员在测试方面进行工作,以为测试的主机并不是很重要同时也不是满负荷的工作,尤其在非测试阶段等。

20a7a6aefe26770bb0d4af3ef96ec280.png

那么为什么又牵扯进来 RDS 的数据库产品呢,主要的原因是serverless与数据库之间的匹配度的问题, serverless 本身并不是一项技术,而是一个概念,而概念的实现到了技术层面本身就有各种限制和方式,RDS 数据库产品对于 serverless 在实现上限制较多,主要体现在以下几点

1  弹性的扩展能力差:serverless 场景一种关键点是应用负载具有显著的波峰和波谷,当面临洪峰的时候,需要及时的快速的扩容,在波谷的时候,需要快速的有效的缩容,而在扩容和缩容的情况下,对于业务不应该有卡顿和影响,RDS 的产品很难做到对业务的100% 的无影响。

2  运维复杂度高: 以MYSQL为例,基于MYSQL的复制机制,以及数据库本身对于内存和CPU的使用的方式等,在进行SERVERLESS 时考虑的点较多,很难做到全面顾及,这就导致在有些云上的数据库对于SERVERLESS的部分,在早期的版本很难做到让人满意的 SERVERLESS 。

3  成本优化的目的无法达到:这也是一个问题,基于传统数据库形成的RDS 产品部分资源很难做到SERVERLESS 如内存方面,这也就导致早期的SERVERLESS 产品很难做到有很大的成本优势,同时在磁盘成本方面目前的RDS 产品也很难有突破。

而截至目前,基于SERVERLESS 部分的准确的在数据库上的概念还未有行业的准确定义,这里简单的根据部分产品的定义来看看什么是在数据库上实现的 SERVERLESS 

887d01e44cd4c9d0c169c8d14b7207a1.png

1  根据数据库负载,来自动进行弹性的扩容,主要为云上的数据库的费用计算和资源合理化使用来做出相关的工作。

2  按量计费,基于我使用多少,我付多少钱的原则,让云上的数据库产品像自来水一样

3  运维投入低,数据库在出现问题的大部分情况是由于资源的问题导致的,在这样的情况下数据库可以自动进行扩容,则会避免掉大面积的由于资源导致的问题。

上面我们大概了解了什么是SERVERLESS 以及SERVERLESS 数据库 产品的一些特点。目前各大云运营商提供的SERVERLESS 数据库主要有那些

AWS Aurora Serverless, 

Azure Cosmos DB,

Google Cloud Firestore

Alibaba  Cloud Tablestore

基于这些数据库产品主要的特点有以下的几个部分:

1  automatic scaling 

2  multiple data models

3  strong consistency

4  high availability

5  global data distribution 

而我们可以发现以上的一些特性,在我们的RDS 产品是无法完全做到了如在MYSQL 里面 3 4 一看就无法完全做到 更不要提 5 ,而innodb buffer pool 的动态调整也仅仅是在 后期的MYSQL中,2 也就不用提了,所以RDS 的MYSQL 产品在实现以上的特性是有困难的,这不是云开发这本身的问题,这是MYSQL 就不属于云产品  scale in scale out 特性的范畴,或者只能进行很少一部分的  serverless 的功能。所以这才有了本片的题目RDS 是一个将被淘汰的产品。

但这里会引出一个新的问题,也就是云厂商应该考虑的后续问题,谁做好这个问题,谁的云上产品就很有可能大卖。

这里总结了几点:

1   不是RDS 的云产品,一定在云下有对应可以进行迁移和替换的产品,这点是非常重要的,如我们在使用云原生的数据库产品,领导最多问的一句话就是,如果我们不使用云了,那么我们可以自己搭建数据库来满足应用吗,如果那个云厂商也提供线下的产品,那么就形成了一个产品的体系的闭环,让使用产品的公司和人士,不会因为害怕被绑架,而连第一步进入云数据库都不愿意。(同时线下更具有包容性的数据库产品,和性能类似云上的产品是具有下云后的产品力,更容易被选择)

2  RDS 的云产品,到底你的卖点是什么,如果用你和 MYSQL POSTGRESQL 一模一样,性能一样的,那么结果是什么,你随时可以被替代,你一定要有自己的特点,虽然你是 RDS OF MYSQL  RDS OF POSTGRESQL 但你一定有解决客户痛点的 RDS 产品,而不是仅仅是复刻,这里简单提到  POSTGRESQL 的 RDS 产品,目前这样的RDS 产品的差距还是有的,主要集中在 ,要用的 EXTENSION 没有,要进行更智能的PG 命令执行被限制等等,这些问题,使用起来并不方便等等,如果这些问题能解决,那么 PG RDS 一定比 MYSQL RDS 要好,因为本身在线下 MYSQL 的灵活性 就不是PG 的对手。线上的PG 应该放大这个部分,而不是因循守旧。

当然如果要放大,必然有投入,这就是另一个话题了。

3   终究 RDS 的产品在云上会逐渐变成一个附加品,和云上公司比拼的都是各家的云原生产品,而如果能把别家的云原生也容纳到自己的云,把自己的云做成一个平台,而不是 独我其谁的泰式,那么必然这个云平台能做大做强,云做的就是包容性。

当然我有点站着说话不腰疼,这些都要巨量的投入,和其他的云进行沟通,想要做成一个平台也是很难。

但数据库人,需要了解一个问题,云时代的数据库,他必然不是ORACLE ,MYSQL ,SQL SERVER , 和 单纯的PG ,他应该是一个更新的更符合云产品要求和客户需求的产品,而这个赛道,必然也是火热的 ,国际化的竞争,比国内的国产数据库,更有看头,更有商业价值,必然都是刀刀见血。

参考文章

https://www.alibabacloud.com/zh/knowledge/what-is-serverless

https://aws.amazon.com/cn/rds/aurora/serverless/

487841fd2256d9c40c62ae85f49719da.png

1d16e61739bf3ca8d7586cbdeb8d07f7.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/520625.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

HTML + CSS + JavaScript 实现注册页面信息验证 详细教程(表单验证)

>>> 本文介绍使用HTML CSS JavaScript 实现注册页面信息验证的详细方法。完整代码见文章末尾。 要求 创建一个注册页面,如下图。 然后再对注册信息进行判断,判断其是否符合要求。(如:密码6-12位字符,不能…

Unity通过深度图做有交互效果的水泡沫

通过深度图做交互水泡沫 大家好,我是阿赵。 这里做一个有交互效果的水面,物体浸入水面时,会根据物体的形状,有一圈水泡沫的效果,并且水泡沫的形状会跟随这物体变化。由于想做得稍微完整一点,又不想其他效果…

ipad可以用别的品牌的手写笔吗?便宜的ipad电容笔

而对于那些把ipad当做学习工具的人而言,苹果Pencil就成了必备品。但因为苹果Pencil太贵了,学生们买不起。因此,最好的选择还是平替电容笔。作为一个ipad的忠实用户,同时也是一个数字热爱着,这两年来,我一直…

谈谈ChatGPT对中国教育的影响与挑战,我们该怎么办?

ChatGPT对中国教育的影响 1. 个性化教学 通过分析学生的学习习惯和问题,AI可以为每个学生提供个性化的学习路径。例如,如果一个学生在数学上表现出困难,AI可以提供更多的数学练习和教学资源。 2. 在线教育 AI可以作为在线课程的一部分提供帮助…

verilog手撕代码5——计数器(置位、加减、环形、扭环形、格雷码计数器实现)

文章目录 前言一、二进制计数器(n位 2^n状态)1.1 可置位计数器1.2 加减计数器 二、环形计数器(n位 n状态)2.1 移位寄存器首尾相连构成环形计数器 三、扭环形计数器/Johnson计数器(n位 2*n状态)3.1 移位寄存…

路径规划算法:基于海鸥优化的路径规划算法- 附代码

路径规划算法:基于海鸥优化的路径规划算法- 附代码 文章目录 路径规划算法:基于海鸥优化的路径规划算法- 附代码1.算法原理1.1 环境设定1.2 约束条件1.3 适应度函数 2.算法结果3.MATLAB代码4.参考文献 摘要:本文主要介绍利用智能优化算法海鸥…

带头双向循环链表原来这么简单?

☃️个人主页:fighting小泽 🌸作者简介:目前正在学习C语言和数据结构 🌼博客专栏:数据结构 🏵️欢迎关注:评论👊🏻点赞👍🏻留言💪&…

win/mac电脑最好用的录屏软件Camtasia 2023官方中文版

Camtasia 2023专业的屏幕录制和视频剪辑软件 3000多万专业人士在全球范围内使用Camtasia展示产品,教授课程,培训他人,以更快的速度和更吸引人的方式进行沟通和屏幕分享。使您在Windows和Mac上进行录屏和剪辑创作专业外观的视频变得更为简单。…

Kali-linux使用Maltego收集信息

Maltego是一个开源的漏洞评估工具,它主要用于论证一个网络内单点故障的复杂性和严重性。该工具能够聚集来自内部和外部资源的信息,并且提供一个清晰的漏洞分析界面。本节将使用Kali Linux操作系统中的Maltego,演示该工具如何帮助用户收集信息…

【LeetCode】312. 戳气球

312. 戳气球(困难) 解法一:动态规划 首先看一个区间: 区间(i,j) 是一个开区间,因为我们只能戳爆 i 和 j 之间的气球,不能戳爆索引为 i 和 j 的气球。 我们不妨考虑该区间内被戳爆的最后一个气球&#xff…

UNIAPP框架中获取当前定位信息

概述 准备生成自己的Android证书。高德地图生成自己的key并配置mainfest.json。设置左上角图标并完成配置。页面中获取经纬度坐标。依据经纬度坐标获取位置信息。更新图标信息完成展示。 第一步:生成Android证书 参考资料 Android平台云端打包证书使用说明 https…

java类和对象之认识1

文章目录 一、Java类二、Java成员变量三、Java方法四、Java类的构造方法五、Java创建对象六、Java使用对象七、Java对象的引用和实体八、Java类与程序的基本结构九、Java参数传值总结 一、Java类 类是组成Java程序的基本要素,一个Java应用程序就是由若干个类所构成…

永磁同步电机(PMSM)无传感器控制基于龙伯格观测器Matlab/Simulink仿真分析

文章目录 前言一、龙伯格观测器1.1.龙伯格观测器的原理2.2.龙伯格观测器的误差2.3.PMSM龙伯格观测器的建立 二、Matlab/Simulink仿真分析2.1.仿真电路分析2.1.1.电机控制模式切换10ms任务2.1.2.速度环控制2ms任务2.1.3. 电流环控制50us任务2.1.4.电机主电路 2.2.仿真结果分析 总…

单调栈模板总结及应用

文章和代码已经归档至【Github仓库:https://github.com/timerring/algorithms-notes 】或者公众号【AIShareLab】回复 算法笔记 也可获取。 文章目录 单调栈模板栈算法模板例题:单调栈基本思路code 单调栈模板 栈:先进后出。 队列&#xff…

shell数组(包含排序算法)

目录 一:数组定义方法 1、方法一 2、方法二 ​3、方法三 ​4、方法四 5、判断数组是否完整 (1)方法一 (2)方法二:通过脚本 二:获取数组值 1、获取数组长度 2、获取数组数据列表 3、获…

ipad专用笔和其他笔有什么区别?第三方电容笔了解

要是ipad仅仅用来玩游戏,看电视的话,也太浪费ipad平板的作用了。ipad这个产品,用途还是很广的,既能用于职业绘画,又能用于学习笔记。许多人都觉得苹果的电容笔非常好,但与普通的电容笔相比,它的…

Python常用的开发工具合集

​ Python是一种功能强大且易于学习的编程语言,被广泛应用于数据科学、机器学习、Web开发等领域。随着Python在各个领域的应用越来越广泛,越来越多的Python开发工具也涌现出来。但是,对于新手来说,选择一款合适的Python开发工具可…

美本统计学基础笔记

美本统计学基础笔记 1.基础2.概率3.离散概率分布Discrete Probability Distributions4.The Normal Probability Distribution正态概率分布5.Sampling Distributions采样分布6.Large-Sample Estimation大样本估计7.Large-Sample Tests of Hypotheses假设的大样本检验 1.基础 左…

颜值打分代码实例讲解(paddle框架)

数据集介绍 训练数据集为华南理工大学实验室公布的数据集 数据中包含500张女生图片,分别由70人进行打分,最终取平均值即为该图片的打分情况。 我们在实践中将图片分值设定为1-5。 500张图片中,450张用于训练,50张用于验证。 任…

快速落地基于“AIGC+数字人”的数字化内容生产

谁不想有一个可爱的数字人形象呢?在日常的工作和娱乐中,越来越多的数字人虚拟形象与大家见面,他们可以是主播,也可以是语音助手,还可以是你自己的虚拟宠物。只有更快更精准的生成数字人,才能让数字人更加普…