云基座技术是大厂专有，那小厂和私有云的出路在哪里？

AustinDatabases 2025-09-08

专栏导语

AI 时代数据洪流来袭，晨章数据以创新 “数据基层” 架构破局！旗下分布式数据库系列产品，实现计算、内存、日志、存储四元解耦，0.1ms响应跨模态需求，更全面开源赋能生态。本专栏将邀请五位嘉宾，从不同视角深探晨章数据的领先之道：

解析云原生弹性架构优势，探索新硬件红利，看 AI 原生数据库如何突赋能AI创业者，锚定市场痛点破局，听创始人拆解技术创业逻辑，干货持续输出，敬请关注！

本篇特邀专家——刘华阳，深度解析云数据库基座厂商的探索路径，并系统探讨中小厂商与私有云的未来发展可能性，为行业提供兼具实践参考与前瞻视野的深度洞见。

刘华阳

一个与时俱进的DBA 架构师，从传统商业到最新开源数据库，再到分布式，云原生数据库产品，一路体验各种不同数据库给企业，给数据库厂商、数据库使用人员、数据库运维人员带来不同的视角，愿意将这些感受表达出来的小角色。

云数据库是未来

数据库技术的进化都与需求的产生和变化有关，传统数据库厂商是不会想到云数据库厂商逐渐可以玩出他们玩不出的花样，同时也想不到2025年云数据库成为整体国产数据库占比完全碾压线下的数据库厂商，可谓谁想活到后面，谁就要有数据库的云产品。

非云厂商的市场预测

可是这里有一个问题，云数据库的理念和传统数据库设计的理念完全不同，人家的玩法是4维科技，与数据库传统厂商的2维科技相比，可操作性更大。所以摆在传统数据库厂商的角度，怎么能快速的上云数据库这条赛道是后续需要考虑，且要操作的。

从一个数据库从业者的角度考虑，云底座是一个关键点。传统数据库设计的理念是单机的概念，思想维度都是围绕单机性能最大化而来的，云数据库根本不是这么考虑和解决问题的，所以云数据库不是把线下的数据库弄到云上就是云数据库了,而是依据云上硬件和用户的特点来重新设计底层架构，而底层的基座则是云数据库的难点和重点。

众多的小型云厂商，私有云厂商，甚至是大型客户，需要的是云基座，一种基于新的云硬件概念而来的云数据库产品。

所以今天引出我们本次的一种新的基于云的通用性架构，Data Substrate，后面将统称Data Substrate为 DS。这样的基于云数据库的基座的产品他有什么技术特点来应对各大云厂商的成熟的云数据库的架构也是我们此次想谈到的问题。

云架构是不是大型云厂商的专属？

回答不是，大型企业和私有云厂商需要一个通用性的架构，这里我们强调的是通用性，灵活性等特点。

那么DS通用性云基座技术有什么技术特点：

1 本地部署的能力：在没有云存储服务的本地部署中，DS可以通过Raft协议实现数据的复制，提供与云类似的容错和基本的弹性功能。

2 中立性：云厂商本身的技术都具有技术壁垒，DS技术本身是通用的，可以部署在多个云平台提供统一的访问接口，实现混合云的技术能力。

3 模块化存储能力：模块化存储的能力本身体现的是DS技术的灵活性，他允许多种存储系统融入到云基座中，比如他可以利用对象存储S3作为主存，同时通过EBS存储日志，而将本地的NVMe作为本地的数据缓存。这是一个非常“云”的模式的打法，从性能和成本进行兼顾的设计模式。

DS技术本身的核心

或者说优势是什么？

DS技术的核心点在于解耦，DS技术将计算，内存，日志，和存储资源进行独立解耦，提供了与云上云原生数据库本身对系统资源设计类似的方式进行资源的调用和使用。通过这样的技术来建立，按需独立伸缩的能力。

计算 (CPU)：可根据查询工作负载的实时变化动态扩展或缩减计算引擎（如 TxServer 的 CPU 核心数），从而显著提升吞吐量并降低延迟。

内存 (缓存)：内存节点（即分布式内存表 TxMap）的规模可以独立于总数据量进行伸缩，与热数据的大小或预算成正比。这使得数据库能够根据实际需求快速调整缓存容量，应对读密集型工作负载的峰值。

日志 (写入吞吐量与持久化延迟)：日志节点数量可以独立于缓存大小和总数据量进行水平扩展，与在线写流量成正比。通过增加独立的日志工作者和低规格日志节点，能够显著提升写入吞吐量并降低写入延迟，消除写密集型工作负载的日志瓶颈。

存储 (数据容量与缓存未命中性能)：存储资源与计算、内存和日志独立扩展，实现大型数据集的成本效益管理和高效的缓存未命中处理。

这种四元解耦（计算、内存、日志和存储的独立扩展）是 Data Substrate 的独特优势，使系统能够根据给定工作负载精确分配所需资源，避免过度配置，从而提高成本效益和运营灵活性，而这个概念也是先进的云企业一直倡导和积极实现的，最终将实现数据库的使用如自来水一样，打开就付费，关闭就免费。

DS技术已经可以达到这个技术能力，支持 Scale to Zero（缩容到零）：当数据库长时间没有流量时，系统能够自动释放所有计算资源，用户仅需支付成本极低的对象存储费用，实现“没有使用就没有费用”。当工作负载返回时，系统可在几秒内迅速恢复服务。

DS技术的底层是分布式吗？

是新瓶装旧酒吗？怎么保证性能？

Data Substrate

首先DS技术针对CPU,内存，以及存储进行解耦，分布式数据库中对于性能有影响的部分是两阶段提交，DS架构下的数据库不会有两阶段提交的场景，整体的操作均在内存中完成。在这样的设计下，DS可以做到如下的能力：

1 数据库在工作负载繁重的情况下，也能支持亚毫秒级的读取延迟。

2 支持秒级自动故障转移和零数据丢失，并通过热备份模式进一步降低故障恢复时间

3 通过 Pod 池化，可以实现秒级启动，快速响应用户请求，确保动态调整资源时用户无感知

4 内存节点可实现秒级弹性扩容，扩展速度提升百倍

5 Scale 时不会有数据的迁移或移动，新增节点马上提供服务

6 每个CPU核绑定一个线程的架构（thread-per-core）充分利用异步 I/O （io_uring）能力，最小化上下文切换，减少锁竞争，即便在重负载下也能维持高吞吐量。

最终DS技术并不是一个单纯的数据库技术，DS技术是一项高效的通用的云数据库基座，在此以上可以搭建，redis、MySQL、MongoDB、甚至基于多模态的数据库产品。

写到最后，这项技术的拥有者是一家正在稳定创业，通过先进的云基座发展起来的数据库厂商，如果你觉得这个技术很有意思，想试用，在阿里云和AWS的云市场中均有他们的产品可以使用（可商用）。除了Redis兼容的高性能KV之外，他们还推出了Mongo兼容的文档数据库产品，后续还将推出更多模态的数据库产品。