在年终岁尾之际，盘一盘大家比较关心的一些数据。今天先来看看各大数据库在过去一年的表现！
图片来自 Pexels
数据获取
所有的数据都来源自一个数据库流行趋势统计网站：
https://db-engines.com/
Method 1
https://db-engines.com/en/ranking
https://db-engines.com/en/ranking_trend/system/Oracle
所以我们可以通过解析该 JavaScript 代码来获取每个数据库的历年数据，同时为了加快抓取速度，使用了异步请求。
import pandas as pd
mystr = ' Detailed vendor-provided information available'
def set_column3(column3):
if mystr in column3:
column3 = column3.split(mystr)[0]
return column3
url = 'https://db-engines.com/en/ranking'
tb = pd.read_html(url)
db_tb = tb[3].drop(index=[0, 1, 2])[[0, 1, 2, 3, 4, 5, 6, 7]]
# 处理数据
db_tb[3] = db_tb[3].apply(set_column3)
# 保存数据
db_tb.to_csv('db_tb.csv')
async def fetch(session, url):
async with session.get(url) as response:
return await response.text()
async def get_db_data(db_name):
url = 'https://db-engines.com/en/ranking_trend/system/%s' % db_name
async with aiohttp.ClientSession() as session:
res = await fetch(session, url)
content = BeautifulSoup(res, "html.parser")
content.find_all("script")
db_data = content.find_all("script")[2].string
src_text = js2xml.parse(db_data)
src_tree = js2xml.pretty_print(src_text)
data_tree = BeautifulSoup(src_tree, 'html.parser')
data_tree.find_all('number')
data = []
for i in data_tree.find_all('number'):
data.append(i['value'])
date_list = gen_time('%s-%s' % (data[0], str(int(data[1]) + 1)))
date_value = list(zip(date_list, data[3:]))
d_data = zip([db_name for i in range(len(date_value))], date_value)
await save_data(d_data)
def gen_time(datestart, dateend=None):
if dateend is None:
dateend = time.strftime('%Y-%m', time.localtime(time.time()))
datestart=datetime.datetime.strptime(datestart, '%Y-%m')
dateend=datetime.datetime.strptime(dateend, '%Y-%m')
date_list = list(OrderedDict(((datestart + timedelta(_)).strftime(r"%Y-%m"), None) for _ in range((dateend - datestart).days)).keys())
date_list.append('2019-12')
return date_list
if __name__ == '__main__':
db_tb = pd.read_csv('db_tb.csv')
db_name = db_tb['3'].values.tolist()
loop = asyncio.get_event_loop()
tasks = [get_db_data(name) for name in db_name]
loop.run_until_complete(asyncio.wait(tasks))
loop.close()
Method 2
下面再来介绍第二种方法，方法更简单，但是抓取时需要处理的地方更多一些。
https://db-engines.com/en/ranking_trend
那么我们就可以直接解析此处的 JavaScript 信息，获取对应数据库的数据即可。
for i in data_tree.find_all('object'):
date_list = gen_time('%s-%s' % (year_list[0], str(int(year_list[1]) + 1)))
data = []
tmp_list = []
db_name = i.find('string')
if i.find('null'):
null_num = len(i.find_all('null'))
tmp_list = list(zip(date_list[:null_num], ['0' for i in range(null_num + 1)]))
date_list = date_list[null_num:]
for j in i.find_all('number'):
data.append(j['value'])
两种方法各有优缺点，小伙伴儿们可以自行选择适合自己的方式。拿到数据之后，我们就可以做统计分析啦。
数据库总榜
可以看出，关系型数据库还是当今的王者，流行度前四名都被它们所占据，而 Oracle 虽然连年表现不佳，为人诟病，但是依靠多年的积累，仍然牢牢把持着榜首的位置。
MySQL 似乎从来没有令用户失望，也是稳稳的占据二哥的位置。
而唯一挤进前五的非关系型数据库则是 MongoDB，在文档数据库领域，绝对是大哥大！
主流数据库榜单
我这里又选取了总榜中的前五名，再加上 key-value 数据库的代表 Redis 和搜索数据库的代表 ES 来作为对比对象。
先来看看它们在 2019 年的整体走势：
可以看到它们在 2019 年总体表现还是比较平稳的，其中榜首三强都是在年末出现了不同程度的下滑，而与之对应的则是 PG 数据库的增长了。
可以看到 MySQL 是增长率最高的数据库，而 Redis 在 2019 年则表现不佳，呈现了负增长的趋势。
Oracle 和 MS Server 整体来看确实呈现下降的趋势，而 MySQL 则稍稍有些增长。
同时 PostgreSQL 增长比较明显，尤其是从 2017 年开始，流行度超越 MongoDB，相对应的，这个时间段也是榜首三大数据库的下滑期。
接下来再根据不同的数据库类型，来分别查看下各种类型数据库的流行趋势。
关系型数据库
可以看出，IBM 的 DB2 和微软的 Access 近年都有下滑的趋势，而作为 MySQL 的开源版 MariaDB，则呈现了很强的上升趋势，看来大家拥抱开源的信念不减呢！
Key-Value 数据库
可以看到，2016 年为起点，随着云计算的风起云涌，亚马逊和微软的 K-V 数据库增长迅猛，而 Memcached 则逐渐衰落，但是 Redis 凭借其良好的表现，仍然一路高歌！
文档数据库
从历年流行度走势图中可以看出，MongoDB 在持续增长的路上，一骑绝尘了。
而 Amazon DynamoDB 则从 2017 年开始慢慢占据市场份额，拉开与其他文档数据库的差距。
时序数据库
当然啦，InfluxDB 数据库就是那颗最耀眼的星，迅猛的发展趋势，让它成功杀出重围。
而 RRDtool 数据库却多少有些高开低走的味道，不知道什么时候能够看到它王者归来！
图数据库
Neo4j 和 Microsoft Azure Cosmos DB 走势迅猛，看来在知识图谱兴起的时代，图数据库也要呈现二分天下的态势了。
搜索数据库
从历年走势中看出，Solr 有些扎心了，随着 ES 和 Splunk 的强势崛起，Solr 似乎慢慢归于平静了。
不过无论是 ES 的耀眼光芒还是 Splunk 的新贵登基，可以预见的是在未来的很长一段时间里，搜索数据库领域仍然会是它们的三足鼎立！
https://github.com/zhouwei713/data_analysis/tree/master/Annual_Ceremony/DB
作者：周萝卜
简介：Python 学习者。爱好爬虫、数据分析及可视化等，个人公众号《萝卜大杂烩》，期待与你相遇！
编辑：陶家龙、孙淑娟
出处：转载自微信公众号萝卜大杂烩（ID：luobodazahui）
精彩文章推荐：
