朝花夕拾系列第17章 INFORMATION_SCHEMA持续更新中，完全原创的循序渐进丨MogDB 持续更新中欢迎大家订阅。 Uqbar 时序数据库学习 持续更新中 朝花夕拾系列MySQL 8.0 组复制，已经更新完结。MySQL Shell 已经更新完结,MogDB 学习记录 也已经更新完结。 感谢大家的持续关注与支持与理解。
本月的DB-Engines Ranking 共有423个产品上线，与上个月减少了3个。本月DB-Engines 仍然普跌为主，大部分数据库产品仍然是以分数普遍下跌的情况。 Oracle 在上个月小幅回调 ，这个月迎来暴涨。在 2024 年 9 月的排名中，前三名仍然由Oracle、MySQL 和 Microsoft SQL Server 占据，这三大数据库系统的地位在数据库行业中依旧无可撼动。Oracle 继续以绝对优势领跑，其评分再次提升，体现了其在企业级数据库市场中的强大影响力。MySQL 和 Microsoft SQL Server 紧随其后，尽管其得分略有波动，但仍然保持在前列。
第一， Oracle 的openworld 召开，应该是受此影响本月Oracle 出现再度暴涨。本月Oracle 以28.11的成绩，领涨全榜。5月份发布Oracle Database 23ai,一直看涨，上上个月虽然小幅回落但是这个月再次出现暴涨。总体来说利好Oracle。
第二，MySQL 本月以微涨2.63的形势已经连续五个月下跌。
第三 Microsoft SQL Server 上个月大涨7.52，这个月再次出现大跌7.41。
第四 PostgreSQL，PostgreSQL这个月上涨6.97，位于上涨榜单的第二位。仅次于Oracle。PostgreSQL 近年来通过持续的功能升级和社区支持，稳步提高了其市场份额。特别是在金融科技、数据分析和地理信息系统等领域，
第五 MongoDB，本月再次大跌10.74。NoSQL 数据库领域的广泛应用，尤其是在处理大数据和分布式系统时，MongoDB 的灵活性和扩展性使其备受开发者青睐。
第六 Redis,本月下跌-3.28，
第七 Snowflake 本月微跌2.25。
第八 Elasticsearch 本月持续微跌1.04
第九 IBM Db2,微涨0.04
第十 SQLite,本月下跌1.44。SQLite主要应用场景是嵌入式，具有较为广泛的用户群体。在嵌入式领域中无法取代。
11到20之间中，Databricks 从15名上升到14名,与上个月Apache Cassandra 取代Microsoft Access和前段时间Snowflake 类似都是以分数下调形势来做出调整。Databricks 这个产品快速增长的表现值得关注，极有可能是今年年度数据库的候选。Apache Hive本月取代Google BigQuery 来到第18位。分数差别甚小。Apache Hive 是一个分布式、容错数据仓库系统，可实现大规模分析。Hive Metastore (HMS) 提供了一个中央元数据存储库，可以轻松分析元数据以做出明智的数据驱动决策，因此它是许多数据湖架构的关键组件。Hive 建立在 Apache Hadoop 之上，支持通过 hdfs 在 S3、adls、gs 等上存储。Hive 允许用户使用 SQL 读取、写入和管理 PB 级数据。
21到50之间，Teradata,ClickHouse Apache Flink本月各上升一位。 Couchbase上升三位, Amazon Aurora上升四位，其它产品做出相应的调整。
. 长尾效应和新兴数据库**
在排名靠后的数据库中，ClickHouse 和 TimescaleDB 等新兴数据库表现出了显著的上升趋势。ClickHouse 作为一款用于联机分析处理 (OLAP) 的数据库，以其卓越的查询速度和高效的数据压缩技术而受到关注；而 TimescaleDB 则因其在时间序列数据管理方面的突出性能而获得了一定的市场份额。
各位下个月见。
DB-Engines Ranking的分数计算方法
DB-Engines Ranking 是一个数据库管理系统列表，按其当前受欢迎程度进行排名。我们使用以下参数来衡量系统1的受欢迎程度：
网站上系统的提及次数，以搜索引擎查询中的结果数来衡量。目前，我们使用Google和Bing进行此测量。为了只计算相关结果，我们搜索 以及术语数据库，例如“Oracle”和“database”。对系统的普遍兴趣。 对于此测量，我们使用Google 趋势中的搜索频率。
关于系统的技术讨论频率。 我们使用著名的 IT 相关问答网站Stack Overflow和DBA Stack Exchange上相关问题的数量和感兴趣的用户数量。工作机会的数量，其中提到了系统。 我们使用领先的工作搜索引擎Indeed和Simply Hired上的报价数量。
专业网络中的配置文件数量，其中提到了系统。 我们使用国际上最流行的专业网络LinkedIn。
社交网络中的相关性。我们计算了Twitter推文的数量，其中提到了该系统。
我们通过对各个参数进行标准化和平均来计算系统的流行度值。这些数学变换以某种方式进行，以便保留各个系统的距离。这意味着，当系统 A 在 DB-Engines Ranking 中的值是系统 B 的两倍时，那么在单个评估标准上进行平均时，它的受欢迎程度是两倍。为了消除数据源本身数量变化带来的影响，流行度分数始终是一个相对值，只能与其他系统进行比较来解释。
DB-Engines 排名不衡量系统的安装数量，或它们在 IT 系统中的使用。可以预期，由 DB-Engines 排名衡量的系统受欢迎程度的增加（例如在讨论或工作机会中）在系统的相应广泛使用之前某个时间因素。
