2025年11月18日，Gartner发布“2025 Gartner 云数据库管理系统魔力象限”。2025年Gartner云数据库管理系统（DBMS）魔力象限认可了包括Databricks（领导者）、谷歌云、AWS、IBM、微软和甲骨文等主要参与者为领导者，突出了它们在分析、人工智能集成和多样化云能力方面的优势。其中，Databricks因其数据智能平台而受到关注，谷歌则因其Spanner和BigQuery而备受瞩目。此外，像Neo4j、Cockroach Labs和InterSystems等公司也作为被评估的供应商出现。中国两家数据库厂商入选该象限，阿里云入选“领导者”象限，华为云入选“挑战者”象限。

目录

• 领导者 (Leaders)
• 挑战者 (Challengers)
• 远见者 (Visionaries)
• 特定领域者 (Niche Players)
• 主要供应商及亮点
• 供应商优势与注意事项
• 阿里云
• 优势
• 注意事项
• Amazon Web Services
• 优势
• 注意事项
• Cloudera
• 优势
• 注意事项
• Cockroach Labs
• 优势
• 注意事项
• Couchbase
• 优势
• 注意事项
• Databricks
• 优势
• 注意事项
• EDB
• 优势
• 注意事项
• Google
• 优势
• 注意事项
• 华为云
• 优势
• 注意事项
• IBM
• 优势
• 注意事项
• InterSystems
• 优势
• 注意事项
• Microsoft
• 优势
• 注意事项
• MongoDB
• 优势
• 注意事项
• Neo4j
• 优势
• 注意事项
• Oracle
• 优势
• 注意事项
• Redis
• 优势
• 注意事项
• SAP
• 优势
• 注意事项
• SingleStore
• 优势
• 注意事项
• Snowflake
• 优势
• 注意事项
• Teradata
• 优势
• 注意事项
• 供应商新增与退出
• 市场概述

领导者 (Leaders)

• Amazon Web Services
• Google
• Microsoft
• Oracle
• Alibaba Cloud
• Snowflake
• Databricks
• MongoDB
• IBM

挑战者 (Challengers)

• InterSystems
• Huawei Cloud

远见者 (Visionaries)

• SAP
• Cloudera
• Teradata

特定领域者 (Niche Players)

• SingleStore
• Couchbase
• EDB
• Redis
• Neo4j
• Cockroach Labs

图中展示了各供应商在“愿景完整性”（横轴）和“执行能力”（纵轴）两个维度上的相对位置。领导者象限的供应商在这两个维度上都表现出色，而挑战者象限的供应商则在执行能力上表现良好，但在愿景完整性上可能有所欠缺。远见者象限的供应商在愿景完整性上得分较高，但在执行能力上可能不如领导者。特定领域者象限的供应商则在特定的细分市场或技术上表现突出。

主要供应商及亮点

• Databricks：连续第五年被评为领导者，因其在人工智能/分析、无服务器扩展以及其Lakebase架构方面受到赞誉。
• 谷歌云：被评为领导者，其Spanner和BigQuery在事务处理和分析方面表现出高性能。
• AWS：作为领导者，Redshift在事件分析等分析工作负载方面得分很高。
• IBM：作为领导者，利用watsonx进行数据集成和人工智能。
• 微软（Azure）：同样在整体战略云平台服务魔力象限中被评为领导者。
• Neo4j：因其图数据库以及在关键任务用例中的采用而受到认可。
• InterSystems：因其融合数据管理平台（IRIS）而受到关注。

供应商优势与注意事项

阿里云

阿里云在本魔力象限中被评为领导者。其数据库产品包括用于事务处理的PolarDB和ApsaraDB RDS、用于分析的AnalyticDB和MaxCompute，以及用于键值和多模数据管理的Tair和Lindorm。阿里云还提供数据管理服务（DMS）用于数据集成和治理，数据传输服务用于数据迁移和同步，以及与DBMS产品原生集成的人工智能平台（PAI）。

阿里云在全球29个地区和92个可用区提供云服务。作为一家总部位于中国的全球云服务提供商，阿里云在亚太地区、欧洲、北美、中东和拉丁美洲都有业务。其数据库可以部署在公共云和混合环境中。

优势

• 灵活的无服务器架构：阿里云在其所有专有数据库产品中扩展了无服务器支持。它是少数几个在混合云环境中提供全面云原生能力的数据库供应商之一，包括三层分离的计算-内存-存储架构和混合云高可用性。
• 全面的数据和AI平台：阿里云的数据和AI平台涵盖了基础设施、云平台、数据库管理系统、多模数据管理、AI工程和大型语言模型（LLMs）。它是少数几个能够使客户仅使用第一方提供的组件开发和部署应用程序的超大规模供应商之一。
• 有竞争力的定价：阿里云数据库继续提供有助于客户优化数据库投资的价格，而不牺牲性能或可靠性。这种成本效益对于从更昂贵的传统数据库产品迁移的客户尤其有吸引力。

注意事项

• 亚太地区以外的生态系统有限：与同行相比，阿里云在亚太地区以外的全球生态系统仍然有限。这可能导致第三方工具集成较少，以及文档、支持和培训等英文语言资源较少，特别是对于以产品为导向的数据库用户。
• 配置复杂性：根据客户反馈，新用户发现PolarDB的配置较为复杂，特别是在平衡性能和成本以及管理多层存储架构方面。以更透明和简化的方式优化性能、成本和其他管理任务仍然是用户面临的主要挑战。
• 产品功能重叠：阿里云的数据管理产品，如AnalyticDB和Hologres用于分析型数据库管理系统，DMS和DataWorks用于数据集成，继续存在针对相同角色的功能重叠。这种重叠为客户带来了困惑，并影响了他们长期的产品参与决策。

Amazon Web Services

Amazon Web Services（AWS）在本魔力象限中被评为领导者。AWS提供了一系列数据库服务，用于部署事务性、操作性和分析性应用程序，并提供了为特定用途构建的数据库。其产品包括Amazon Aurora、Amazon Redshift、Amazon DynamoDB以及新一代的Amazon SageMaker。AWS还提供零ETL集成，帮助简化不同数据库之间的数据移动，并在其数据库堆栈中提供实时洞察。

AWS的专门行业团队和服务交付合作伙伴在全球30多个地区运营，服务于所有主要行业，并提供其量身定制的行业特定解决方案。

优势

• 市场影响力和领导地位：AWS凭借其在云中全面的解决方案部署和响应式开发的声誉吸引了全球客户。AWS在基础设施可用性方面也有良好的记录，并积极向客户提供成本优化建议。
• 选择与灵活性的平衡：AWS提供了最广泛的云数据库管理服务选择，例如用于操作数据库的Amazon Aurora、用于数据仓库的Amazon Redshift、用于分布式NoSQL的Amazon DynamoDB、用于完全托管缓存的Amazon ElastiCache以及Amazon SageMaker，这是一个集成的数据、分析和AI平台。这些解决方案帮助客户解决不同行业的多样化业务需求和用例。
• 统一的数据和AI治理：AWS正在统一其D&A生态系统，以简化部署、管理和治理。Amazon SageMaker提供了一个中心位置，用于创建、管理和共享数据、分析和AI资产。

注意事项

• 功能和选择的权衡：AWS为客户提供了一个广泛的数据库服务和集成选项菜单。然而，这些产品的重叠和冲突功能可能会令人困惑，使客户难以确定他们需要哪些解决方案。
• 成本控制和管理的导航：在AWS中跟踪和管理成本是困难的，因为该公司没有为其众多服务提供统一的定价模型。在AWS成本管理器中，大多数但并非所有资源都会自动标记，并且根据使用哪些服务来实施解决方案，成本可能会有很大差异。
• 生态系统演变和限制：AWS限制了其对多云产品的关注，而是选择提供原生连接器、对流行的开源引擎（如PostgreSQL和Apache Spark）的支持以及开放表格式，如Apache Iceberg。因此，许多客户依赖第三方解决方案进行混合和多云编排。

Cloudera

Cloudera在本魔力象限中被评为远见者。它提供Cloudera平台，该平台通过多个引擎提供分布式存储和处理，用于事务性、分析性、流式和AI工作负载。Cloudera实施开放数据湖仓架构，以及跨环境的数据和AI服务可移植性的开放标准。它通过Cloudera管理控制台提供集中管理，其共享数据体验（SDX）层提供安全性、元数据、治理和可观测性。为了支持其战略，Cloudera收购了Octopai以增强数据血统，并收购了Taikun以提供统一的云体验。

Cloudera支持一系列行业用例，并在全球范围内提供。它在AWS、谷歌云平台（GCP）、微软Azure、私有云和本地基础设施上运行，支持混合和多云部署。

优势

• 多云、跨云和混合支持：Cloudera在管理跨多个云的工作负载方面具有显著能力，包括跨越云的工作负载。Cloudera的统一管理、安全性和编排能力使其与竞争对手区分开来，即使在少数提供混合能力的供应商中也是如此。
• 数据安全和治理：客户强调Cloudera能够在云和本地部署中统一应用细粒度访问控制、加密和审计能力。这种统一的安全和治理方法对于具有复杂合规要求的企业来说是一个显著优势，因为它确保了无论环境如何，都强制执行安全策略和数据驻留。
• 可扩展性：Cloudera仍然是许多超大型部署的首选平台，并已证明能够管理10+PB的数据资产。它旨在无缝处理不断增加的数据量和用户需求，而不牺牲性能。

注意事项

• Hadoop迁移：Cloudera进行了投资，使遗留Apache Hadoop部署能够利用新技术，如Cloudera对象存储（由Apache Ozone提供支持）。尽管这对它的安装基础具有重大价值，但Hadoop仍然被认为更难使用。潜在客户应进行概念验证，以评估Cloudera的技术用于绿地部署。
• 定价问题：Cloudera客户继续报告成本增加，超过行业平均水平。
• 运营能力：客户报告他们没有将Cloudera的运营数据库用于新工作负载，该数据库的能力落后于其竞争对手，特别是来自亚马逊、微软和谷歌的高度分布式产品。尽管Cloudera最近宣布了新的Kafka功能，但客户应关注Cloudera在改进其运营数据库方面的进展。

Cockroach Labs

Cockroach Labs在本魔力象限中被评为特定领域者。CockroachDB是一个云分布式事务性数据库管理系统。它为现代应用程序提供了弹性、可扩展性和一致性，跨越全球分布式区域。Cockroach Labs的数据库平台即服务部署选项可在AWS、GCP、微软Azure、IBM云、Oracle云基础设施（OCI）和混合云上使用。自托管产品可以在本地和混合部署中运行。

Cockroach Labs在高科技、金融、零售、娱乐和制造业等行业拥有客户。其业务主要在北美和欧洲，但在亚太地区和拉丁美洲也有一定的存在。

优势

• 分布式SQL的弹性：Cockroach Labs显著增强了其数据库管理系统的弹性，包括灾难恢复、可用性和一致性，同时保持其在可扩展性和跨区域操作方面的自然优势。这些改进使其更适合组织的关键任务、事务性工作负载。
• PostgreSQL增强：Cockroach Labs最近投资于创新和生态系统参与，以提高与PostgreSQL的兼容性，包括扩展对PostgreSQL函数、扩展和迁移的支持。这些创新使得PostgreSQL开发人员能够无缝迁移和集成。
• 生态系统参与：Cockroach Labs通过与主要云服务提供商、像普华永道这样的咨询公司以及IBM、Snowflake和Confluent等数据管理独立软件供应商的合作，增强了其生态系统。这些合作伙伴关系使客户能够将CockroachDB无缝集成到他们现有的IT堆栈中。

注意事项

• 竞争优势：Cockroach Labs面临着来自领先的云服务提供商和独立供应商产品的日益激烈的竞争。
• FinOps挑战：由于缺乏工具和供应商支持，以及使用分布式SQL集群的固有复杂性，在云上管理CockroachDB的成本仍然具有挑战性。然而，CockroachDB在多云/跨云资源优化方面有重大机会帮助用户节省资金。客户应考虑使用第三方FinOps工具，包括CSP原生工具，以帮助缓解这些挑战。
• 未经验证的分析和AI能力：CockroachDB除了对pgVector的支持外，还为分析和AI提供了一些创新。其创新主要集中在关系数据用例上。具有复杂AI或分析用例的客户可能更倾向于CockroachDB的替代品。

Couchbase

Couchbase在本魔力象限中被评为特定领域者。Couchbase提供了其非关系型数据库平台的两个版本：Couchbase企业版，一个自托管产品；以及Couchbase Capella，一个托管云数据库服务。它还提供Couchbase移动版，包括Couchbase Lite、应用服务和边缘服务器，用于移动和物联网用例。

该公司主要在北美运营，在欧洲有业务，并在亚太地区不断扩大其业务。Couchbase在各种行业中都有使用，特别是在大规模、知名品牌的面向消费者的应用程序中。

优势

• 支持离线操作用例：Couchbase移动版使客户能够在网络连接可能间歇性或不可用的地点部署其平台。其同步框架和嵌入式数据库选项帮助组织在离线场景中保持数据一致性和应用程序功能。这有利于在交通和零售等行业中拥有显著存在的Couchbase。
• 性能：Couchbase非常适合需要持续低延迟和高吞吐量的应用程序，例如事务性和实时系统。其架构支持大量面向公众的工作负载，而无需过多的基础设施。Gartner客户指出，Couchbase在资源受限环境中的高性能是他们使用它的关键原因。
• 文档模型支持：Couchbase以其强大的JSON文档存储和模型能力脱颖而出，这些能力与内存缓存、文本搜索、列索引和向量搜索集成。客户报告说，他们重视将向量查询和AI工作负载纳入现有流程的能力，因为他们赞扬Couchbase的统一数据访问、更简单的开发和更简单的架构。

注意事项

• 私募股权收购：Couchbase被Haveli Investments收购带来了其商业和产品战略的不确定性。私募股权所有权通常导致对盈利能力的更强关注，这可能导致价格上涨、许可和支持层级的变化，或更严格的合同。
• 生态系统集成：Couchbase的生态系统集成不如领先的关关系型产品广泛。与某些关系型数据库不同，Couchbase最近才增加了高级AI功能和与开源工具、第三方产品以及原生云服务的更广泛集成。
• 有限的分析能力：Couchbase的列分析功能支持实时洞察和操作报告，但这些功能对数据仓库或数据湖的支持有限。具有复杂BI、历史分析或大规模批处理需求的组织通常不能使用Couchbase，限制了其部署范围，主要集中在事务性分析。

Databricks

Databricks在本魔力象限中被评为领导者。它提供Databricks数据智能平台，包括Unity Catalog用于数据和AI资产的集中治理、增强的血统和监控，以及AI驱动的发现和业务语义。它还通过Databricks SQL提供数据仓库功能，通过Lakeflow提供数据集成和数据工程能力，并通过Lakebase提供最近发布的、完全托管的、与Postgres兼容的操作数据库。

Databricks服务于操作和分析用例。它在全球范围内服务于多个行业，包括金融服务、媒体、制造业、零售、能源、交通以及政府和公共部门。Databricks数据智能平台可以在阿里云、Azure、AWS和GCP上部署，也可以在客户管理的虚拟私有云中部署。

优势

• 湖仓一体愿景：Databricks在湖仓一体市场中处于领先地位，将数据湖和数据仓库相结合。它提供了一个统一的平台，涵盖所有工作负载，具有跨越数据、格式、云和用例的单一治理和安全层。该平台通过无服务器扩展、预测性执行和AI驱动的易用性，提供高性能分析和AI。
• 创新速度：Databricks通过开发和战略性收购展示了快速的创新能力。Agent Bricks几乎每月都会引入大量的新功能。2024年对Tabular的收购导致了产品组合中对Iceberg的全面支持。Lakeflow扩展了其能力，同时引入了无代码和低代码支持。
• 开放标准：Databricks对开放标准的承诺，包括Delta Lake、Apache Iceberg、Apache Spark和PostgreSQL，有助于防止供应商锁定并促进数据可移植性。这支持了跨处理引擎的互操作性，减少了数据重复和复杂重组的需求。

注意事项

• 成本可预测性：尽管在财务治理工具方面取得了显著进展，但许多客户报告说，理解Databricks的成本并进行管理存在挑战。虽然从固定容量转向按需付费的消费模式时，这通常是一个问题，但Databricks广泛的产品和新功能（例如HIPAA合规安全功能）增加了难度。
• 专有功能：尽管Databricks致力于开放标准，但客户对某些Databricks功能的专有性质表示担忧，例如编排和Delta Live Tables，这些功能可能与其他工具不兼容。客户应确定是否需要创建自己的抽象层，以降低锁定风险。
• 复杂性：客户一致报告说，有效使用Databricks需要高水平的技术技能。Databricks已经开始通过引入Databricks One（一个为商业用户定制的重新设计的体验）和Databricks Assistant（一个在平台内可用的AI助手）来解决这个问题。

EDB

EDB在本魔力象限中被评为特定领域者。它提供EDB Postgres AI，这是一个用于操作、分析和AI工作负载的完全托管或自托管数据平台，具有高可用性和企业级Postgres引擎。EDB支持开源社区，并将其代码的很大一部分贡献给PostgreSQL代码库。EDB提供了一个Oracle兼容性层，使组织能够无缝在其平台上运行基于Oracle的应用程序。

EDB在全球范围内为金融服务、政府、公共部门和教育等多个行业提供服务。其运营主要在北美和欧洲，但在亚太地区也有不断增长的存在。EDB Postgres AI可以在AWS、微软Azure、GCP、阿里云等上托管，并且可以在混合、多云和主权本地环境中部署。

优势

• PostgreSQL的领先商业支持：EDB对商业PostgreSQL的本地支持，加上其发布自己漏洞修复的记录，在市场上使其脱颖而出。对GenAI和代理AI用例的PostgreSQL兼容性的日益增长的兴趣推动了EDB的采用增加。
• 开发者贡献：EDB培养了一个积极参与的开发者社区，推动基于研究的创新。开发者通过增强、测试和及时提供漏洞修复，帮助EDB保持其企业Postgres的领导地位。
• AI创新：EDB在其基于PostgreSQL的系统中增加了GenAI和代理AI能力。此外，其Apache许可的Massively Parallel Processing架构使得与其他PostgreSQL实现相比，分析工作负载的扩展性更高。

注意事项

• 成本问题：一些用户报告说，EDB的许可费用、支持合同和高级功能可能很昂贵，使其成为一个重大投资。预算有限的小企业或团队可能更倾向于更经济实惠或开源的替代方案。
• 竞争加剧：提供Postgres API支持的竞争对手数量不断增加。尽管EDB保持了对最新版本的兼容性和支持，但寻求Postgres兼容性的客户有很多选择。客户应仔细权衡他们的兼容性要求（例如，相同的二进制文件、源代码可移植性或线协议）。
• 供应商锁定：尽管EDB基于开源PostgreSQL构建，但一些专有功能和管理工具可能会造成依赖，并增加供应商锁定的风险。例如，在EDB提供的多种Postgres发行版中，一个发行版（EDB企业Postgres Oracle兼容版）提供了不属于Postgres的高级Oracle兼容性功能。EDB提供了其他Postgres发行版（EDB企业Postgres和社区PostgreSQL），具有完整的PostgreSQL兼容性，使客户能够避免任何供应商锁定。尽管许多其他Postgres服务也存在供应商锁定，但客户应了解这些专有功能的存在。

Google

Google在本魔力象限中被评为领导者。它提供了一系列托管数据库服务，涵盖广泛的用例，如事务性、分析性、非关系型和内存使用场景。其数据库产品包括Spanner、BigQuery、适用于PostgreSQL的AlloyDB、Cloud SQL、Firestore、Memorystore和Bigtable。这些服务使组织能够开发支持关键任务应用程序、实时数据同步和无服务器架构的现代数据驱动解决方案。Google还将DBMS产品与分析、机器学习和AI的先进技术产品集成。这包括对向量、图和LangChain的支持，除了其专有的LLM Google Gemini外，还提供了一个广泛的第一方和第三方模型生态系统，用于生成式AI用例。

Google服务于多个主要行业，并在全球范围内提供服务。Google的AlloyDB Omni提供了一个可下载的版本，旨在在任何地方运行，包括本地和其他云环境中。

优势

• DBMS用于代理AI：Google Cloud的DBMS产品旨在启用代理AI用例和工程。通过将Google的先进专有AI模型（如Gemini）与DBMS产品无缝集成，客户可以创建和执行复杂且自动化的流程。
• 集成治理和知识引擎：Google通过其语义模型和通过Dataplex的集成元数据管理，为数据和AI提供了一个统一的基础。其底层数据架构还促进了自动数据发现、数据和AI工件的治理、数据分类和管理数据产品。
• 多模型应用开发：Google的Spanner数据库具有多模型能力，包括对向量、全文搜索、关系型、键值和图功能的支持。这有助于满足需要复杂关系建模以及高级语义搜索能力的数据驱动应用程序的需求。

注意事项

• 导航PostgreSQL解决方案选择：Google Cloud提供了多种PostgreSQL平台，包括Cloud SQL、AlloyDB和Spanner。每个平台都针对特定需求量身定制，允许客户为其用例选择最佳平台。客户必须权衡每项服务的成本、规模和可用性要求，以满足其需求。
• 成熟的数据共享和市场能力：尽管Google通过搜索趋势、广告、地理空间和商业数据集向客户提供独特的数据集，但其市场和数据共享生态系统仍在增长。尽管在清洁房间和跨云互操作性方面有所改进，但客户可能会发现其数据共享选项不如本评估中的其他平台广泛。
• 导航成本管理和控制：随着Google推出新功能以满足数据和AI需求，Google Cloud数据库中的成本管理变得更加复杂。为了帮助用户应对这些挑战，Google的FinOps Hub引入了增强功能，提供更大的可见性、控制力和可预测性。该平台现在包括主动、持续的异常检测、使用配额阈值保护、成本透明度和GenAI成本优化功能。这可能有助于Google Cloud客户更好地控制在其数据库组合中有效平衡使用和成本。

华为云

华为云在本魔力象限中被评为挑战者。其数据库解决方案包括用于操作工作负载的GaussDB和TaurusDB、用于分析的DWS，以及用于多模用例的GeminiDB。补充数据管理工具，包括DataArts Studio、数据摄取服务（DIS）和数据复制服务（DRS），增强了其数据-AI解决方案组合。

华为云主要在中国运营，并在亚太地区、中东、非洲和拉丁美洲不断增加其业务范围，服务于从电信和医疗保健到金融、保险和公共部门的多个行业。其产品组合支持公共云和全面的混合部署环境，适用于广泛的DBMS客户。

优势

• 统一的数据+AI能力：华为云提供了一个统一的数据、分析和AI解决方案。通过将DBMS和湖仓产品无缝集成到DataArts Studio中，它为企业创建了一个单一的统一数据+AI平台。这简化了治理，并加速了企业从一个协调的平台构建和部署智能应用程序的方式。
• 全球认可：尽管面临地缘政治逆风，华为云的数据库业务在非洲、拉丁美洲和中东的扩张仍然强劲。在这些地区拥有八个数据中心区域，GaussDB现在已准备好支持这些市场中的关键任务企业应用程序。
• 自研AI芯片的潜力：华为云在自研AI芯片和AI基础设施产品（包括Ascend加速器和华为CloudMatrix 384）方面的持续投资，使其在未来能够提供全面的端到端AI堆栈。这种不断演变的AI基础设施与华为云上DBMS能力之间的协同作用，将显著提高DBMS的采用率并推动未来的增长。

注意事项

• GaussDB作为DBaaS的采用：华为云提供了两种关系型DBMS：旗舰产品GaussDB和TaurusDB（以前称为GaussDB for MySQL）。Gartner客户的反馈表明，GaussDB主要部署在本地或私有云环境中，而不是作为公共云上的完全托管DBaaS。潜在客户在采用之前应彻底评估每种DBMS解决方案的适当用例。
• 有限的全球生态系统：在中国和亚太地区以外，华为云的数据管理生态系统不如其全球同行广泛。这为业务带来了实际挑战，包括第三方工具集成较少，英语人才短缺，以及用于专门实施和支持的国际合作伙伴网络更为有限。
• 缺乏英文数据库文档：华为云国际用户的一个关键挑战是官方和社区生成来源的英文文档不够详细。这导致非中文团队的学习曲线更陡峭，故障排除速度更慢。

IBM

IBM在本魔力象限中被评为领导者。IBM提供了一系列可扩展且高可用性的数据库即服务产品。它提供Db2用于事务性/操作性工作负载，以及watsonx.data（一个湖仓解决方案），用于支持分析性工作负载；两者均可在IBM云和其他超大规模云平台上使用。IBM已将其数据和AI平台整合在watsonx品牌下，watsonx.ai、watsonx.data和watsonx.governance以集成的方式提供数据集成、湖仓、现代AI能力和AI治理。

IBM在云互操作性和开源技术方面的持续投资增强了其支持复杂、多云和混合部署的能力，使其成为具有多样化和不断发展的数据需求的组织的有吸引力的选择。IBM在全球所有行业和组织规模中运营。

优势

• 数据生态系统集成：IBM提供了一个明确的方法，说明DBMS实例将在更广泛的企业级数据管理框架内运行。IBM的产品战略展示了与数据管理生态系统中关键组件的强大集成。这一战略在治理和元数据的管理以及共享方面表现出色。这使IBM在行业向数据织物和全面数据生态系统转变方面处于有利地位。
• 扩展的云存在：IBM与超大规模云供应商（如AWS和Azure）的合作伙伴关系进一步巩固了其企业级存在。IBM通过使其产品，特别是Db2产品组合，在超大规模云平台上可用，扩大了其云业务范围。这一战略通过IBM最近收购DataStax得到了进一步加强，DataStax在多云领域拥有强大的存在。
• 垂直解决方案：IBM为银行、金融和零售等行业提供了强大的行业特定数据模型。这些模型为客户提供了宝贵的指导。

注意事项

• 复杂的产品组合：IBM的云DBMS产品组合具有重叠和复杂的特性，这可能会使用户难以选择最合适的解决方案（例如，Db2 Warehouse、Netezza和watsonx.data用于数据仓库）。客户应评估其工作负载需求，以确保他们选择的平台最符合其业务需求，并利用IBM的专门销售和支持团队来帮助选择过程。
• 有限的沟通：IBM的营销材料在清晰有效地传达其产品的全面范围和集成方面继续落后于超大规模云供应商。因此，一些潜在客户对IBM提供的所有能力缺乏了解。
• 遗留观念：尽管其产品组合不断现代化，但一些买家仍将IBM视为主要的遗留技术提供商。这种观念限制了其赢得客户用例的机会。

InterSystems

InterSystems在本魔力象限中被评为挑战者。它提供InterSystems IRIS、InterSystems Data Studio以及一系列基于InterSystems IRIS分布式多模型数据平台的面向解决方案的云服务。这些服务可在AWS、微软Azure和谷歌云平台上使用，此外还可以利用Kubernetes在自托管私有云中使用。InterSystems IRIS支持操作和分析工作负载。

该公司在医疗保健行业拥有强大的存在，并且还服务于供应链、金融和制造业的客户。InterSystems在全球运营，主要市场在北美、欧洲和亚太地区。该平台可用于云和本地部署。

优势

• 数据织物方法：InterSystems IRIS实施了一个跨越操作和分析工作负载的数据织物风格架构。该平台对多模型数据的内置支持、实时数据摄取以及高级元数据管理，便于支持大量用例，特别是那些需要在操作和分析查询之间进行广泛集成和协调的用例。
• 垂直深度：InterSystems服务的关键垂直行业（医疗保健、金融服务和供应链）的客户报告说，该公司在知识、承诺和功能方面具有显著优势。Gartner客户一致报告说，InterSystems带来了深厚的领域知识、对行业需求的强烈承诺以及解决操作和合规需求的专业功能。
• 客户支持：来自各行业的客户反馈压倒性地积极，并赞扬了InterSystems员工提供的技术和支持的可靠性和性能。客户表示，该公司在解决客户需求方面反应迅速且积极主动。

注意事项

• 专有架构：InterSystems的专有多维数组DBMS引擎与标准的关系型或NoSQL模型不同，尽管它确实为这些模型提供了投影。这种不熟悉可能会使利用这种多维结构的数据或应用程序的移植变得困难。即使满意的客户通常也选择将IRIS的使用限制在特定的、通常是复杂的应用程序中，更倾向于为大多数新工作负载使用主流的DBMS引擎，以确保更简单的数据可移植性和更广泛的生态系统支持。
• 技能可用性：尽管InterSystems近年来扩大了对SQL和Python的支持，但使用IRIS需要特定的技能，这些技能可能难以获得。对于专有API DBMS产品来说，这是一个问题，因为开源API，特别是PostgreSQL，越来越受欢迎。
• 学习曲线：利用InterSystems IRIS的差异化能力不仅需要学习一些新的语法，还需要采用一种新的构建以数据为中心的应用程序的方式。尽管这种挑战在一定程度上被IRIS的垂直解决方案、InterSystems的Python接口和Data Studio所缓解，但这种学习曲线仍然是大规模采用的一个重大挑战。

Microsoft

Microsoft在本魔力象限中被评为领导者。它提供了一系列广泛的云DBMS产品，包括Azure SQL Database、Azure Database for PostgreSQL、Azure Database for MySQL和Azure Cosmos DB。它还提供Microsoft Fabric，这是一个集成的DBMS和数据生态系统治理功能的融合数据、分析和AI平台，通过与亚太地区的第一方和第三方工具集成。Microsoft Fabric还内置了其他数据管理解决方案，如Data Factory、Real-Time Intelligence和Power BI。另一个数据分析产品是Azure Databricks，这是Microsoft基于其与Databricks的OEM合作伙伴关系的Microsoft第一方数据分析平台。

Microsoft是全球业务运营地理分布最广泛的领先云服务提供商之一。其DBMS在全球几乎所有行业和部署规模中都有使用。

优势

• 全面的产品组合：Microsoft提供了一个全面的DBMS产品组合，支持几乎所有的数据模型、时间敏感性和行业用例。结合其在基础设施、数据工程、安全、AI平台和模型方面的其他产品，它使客户能够支持多样化的### 优势（续）

• 全面的产品组合：Microsoft提供了一个全面的DBMS产品组合，支持几乎所有的数据模型、时间敏感性和行业用例。结合其在基础设施、数据工程、安全、AI平台和模型方面的其他产品，它使客户能够支持多样化的企业IT用例。

• PostgreSQL参与：Microsoft现在是PostgreSQL社区的主要贡献者，特别是在I/O、可用性和性能等关键领域。这些改进被集成到Azure SQL和Azure Database for PostgreSQL中。随着PostgreSQL在企业中越来越受欢迎，特别是在GenAI应用开发中，其用户将发现转向Microsoft平台变得很容易。

• GenAI准备就绪：Microsoft在其DBMS中引入了大量AI创新，包括DBMS内嵌入、内置向量索引以及与Fabric和Azure AI Foundry中的Copilot的兼容性。这些进步使Microsoft平台成为面向Microsoft的组织构建生成式AI和代理的共同选择，无论是用于高度定制的复杂应用还是简单的业务原型。

注意事项

• 重叠的数据和分析产品：Microsoft在数据和分析市场的执行，特别是Azure Synapse、Fabric和Azure Databricks之间的竞争，继续在现有客户中产生关于选择哪一个的不确定性。统一的“全合一”平台之间的重叠经常与既定的企业战略相冲突，导致对平台稳定性和技术债务的担忧。
• Microsoft Fabric未经验证的功能：尽管Microsoft Fabric的市场影响力不断增长，但Gartner客户的反馈突显了对其数据仓库和数据治理功能的持续关注，包括主权和资源调整、定价、元数据管理、数据质量和数据迁移。这些功能在Microsoft既定的数据管理产品中已经可用或更加成熟。然而，Microsoft正在迅速投入新功能。
• Fabric数据库：Microsoft正在投入将Azure SQL Database和Azure CosmosDB等操作数据库集成到Fabric中，以确保使用相同的引擎和核心基础设施。虽然这种方法有可能在操作和分析产品之间提供全面的用户体验，但从短期来看，它也可能会引入兼容性挑战，例如性能和资源管理。

MongoDB

MongoDB在本魔力象限中被评为领导者。它在AWS、GCP和Microsoft Azure上提供基于文档的非关系型MongoDB Atlas；本地部署的MongoDB企业高级版；以及源代码可用且免费使用的MongoDB社区版。MongoDB Atlas和MongoDB企业Kubernetes操作符使客户能够将MongoDB数据库资源部署和管理到Kubernetes集群。该公司还提供MongoDB Atlas Charts、Atlas Data Federation、Atlas Search、Atlas Online Archive和Voyage AI，用于嵌入模型和重新排序器。它支持应用驱动的分析、AI工作负载、可查询加密和时间序列集合，以及全文搜索、向量搜索和流处理。

MongoDB在全球所有行业和各种规模的企业中都有广泛使用。

优势

• 类别定义：在竞争评估中，Gartner客户更倾向于选择MongoDB作为文档数据库，而不是其他类似产品。在行业中建立标准的公司寥寥无几，MongoDB便是其中之一。这从其他供应商将“MongoDB兼容性”作为一项理想特性进行宣传这一事实中可见一斑。因此，如果客户需要文档模型，MongoDB应被视为一个强有力的竞争者。
• 部署选项：部署可以是分布式且具有高可用性的主动-主动架构。MongoDB在全球范围内拥有丰富的部署选项，并且其商业版和社区版都广受欢迎。强大的合作伙伴计划进一步增强了其全球部署能力；阿里巴巴、腾讯、IBM等合作伙伴提供托管的MongoDB服务。
• 敏捷开发：MongoDB因其灵活且敏捷的应用程序和数据库开发方式而受到客户的高度重视。作为文档数据模型的早期倡导者，MongoDB允许快速迭代数据库设计，拥有一个庞大的从业者社区，潜在买家可以从中受益。此外，还有许多经过验证的案例研究可供参考，以指导设计并获取建议。

注意事项

• 竞争加剧：尽管MongoDB仍然是文档模型的领先倡导者，但其他供应商现在也提供类似功能，无论是作为独立数据库还是作为多模型数据库的一部分，例如RDBMS中的JSON支持。
• 分析处理：目前存在一种趋势，即整合操作和分析系统。虽然MongoDB确实支持一些分析功能，但尚未在这一领域提出完整的故事，无论是扩展到分析数据库还是与其他分析系统集成。
• 培训需求：不熟悉文档数据库模型的开发人员需要增加对模型的熟悉度并进行转变。然而，必要的调整现在已经被很好地理解，MongoDB拥有广泛的培训和认证计划。

Neo4j

Neo4j在本魔力象限中被评为特定领域者。它被公认为一种流行的图数据库，用于存储和查询高度连接的数据以及涉及上下文数据结构的复杂关系。它为事务和分析提供了ACID支持。Neo4j AuraDB是一个完全托管的图数据库，在AWS、Azure和Google Cloud上具有强大的存在。Neo4j在整合多样化数据集方面最为有效，支持高级技术，如GraphRAG，为AI做好准备，并增强GenAI解决方案中的信任度。

Neo4j在金融、保险、医疗保健、社会援助、公共管理、制造业、零售和信息相关行业等多个行业中被广泛使用。流行的用例包括客户360度视图、欺诈检测、物流和推荐引擎。

优势

• 图技术领导力：Neo4j提供了原生向量索引和相似性搜索能力，为Cypher/openCypher图查询语言和GQL标准设定了标准。它还提供了广泛的图算法库，并通过GraphRAG支持GenAI业务应用。
• 统一集成和无缝连接：Neo4j提供了与现有数据平台（如数据仓库和湖仓）的直接插件连接器。与BI工具的集成一起，它提供了使用其图数据库引擎进行存储和检索的功能，以便在大多数主要数据平台和分析工具上运行图算法并生成预测。
• 改进的LLMs和GenAI准确性：Neo4j通过从结构化、半结构化和非结构化数据中提取知识，提供富有上下文的数据资产，以提高数据质量并推动AI准备和GenAI应用的语义。其强大的知识图谱能力还支持GenAI和LLMs，并使AI能够提高准确性并减少幻觉，以便进行智能决策和洞察。

注意事项

• 资源和可扩展性考虑：图数据库是为处理涉及节点和关系的复杂数据结构而设计的，能够实现更高的吞吐量和高效的数据检索。然而，随着应用程序规模的增长，精心的数据建模对于优化存储和计算资源使用至关重要。
• 云生态系统动态和偏好：Neo4j与多家云服务提供商和独立软件供应商扩展了合作伙伴关系，使客户能够进入图技术领域。然而，一些客户更倾向于使用云服务提供商提供的原生图数据库管理系统，特别是当这些选项可用时。此外，一些开源图数据库和分析产品在云中正逐渐获得动力。
• 数据管理的融合：图数据库主要用于专业和高级功能。随着组织越来越多地寻求集成解决方案和更广泛的数据生态系统，对独立图数据库的需求可能会下降。这有利于将图功能与关系型、非关系型和多模型功能相结合的数据库管理系统。

Oracle

Oracle在本魔力象限中被评为领导者。Oracle的数据库服务产品组合包括自主AI事务处理、自主AI湖仓、自主JSON数据库、Oracle APEX和Oracle Exadata数据库服务。Oracle Exadata数据库服务、自主AI事务处理和自主AI湖仓在Oracle云基础设施（OCI）、微软Azure、谷歌云平台（GCP）和AWS上提供。Oracle还提供Exadata Cloud@Customer和OCI专用区域，用于私有云环境。

其他数据库服务包括Oracle HeatWave MySQL、MySQL数据库服务、Oracle NoSQL数据库云服务、OCI缓存用于Redis和OCI数据库与PostgreSQL。Oracle的产品支持全球各行业的广泛操作和分析工作负载。

优势

• 关键任务能力：Oracle作为市场上的主要关键任务数据库系统，对数据库和整体AI基础设施中的AI有重大承诺。它受到对安全、性能、可靠性和可用性有高度严格要求的大型组织的信任。
• 部署选项：Oracle在市场上拥有最多的部署选项。它在所有主要云平台上都可用，既作为关系型数据库服务，也与AWS、GCP和微软Azure云的共址Exadata类设备集成。这些云中的应用程序可以直接连接到其OCI云中的Oracle数据库服务。此外，它还提供Cloud@Customer，即客户场所中的类似云系统。
• 功能丰富性：Oracle提供了一套全面的能力。这包括增强的分布式数据库产品，以及开发人员能力，如自然语言到SQL的转换和代理AI框架，以及JSON-关系双重性、属性图分析和AI向量搜索。

注意事项

• 数据库中心化：Oracle采用高度以数据库为中心的方法，这与其他现代架构不同，后者结合了多个独立的DBMS和数据管理系统。Gartner认为Oracle的融合数据库策略是一个有效的替代方案，该公司越来越多地支持与协作架构的集成。评估者和架构师应该了解这种不同的方法如何影响他们的计划。
• 销售和定价策略：我们继续听到客户对定价和合同的困难反馈，尽管对于许多转向云的客户来说，由于按使用量付费，这种困难似乎有所缓解。Oracle在保留客户并帮助他们转向云方面取得了成功。
• 湖仓部署：客户继续优先选择其他产品用于湖仓部署。然而，Oracle展示了一个结合旧方法和新方法的方向，将开放表格式数据与Oracle表结合起来，因此客户在评估时应该意识到这一点。

Redis

Redis在本魔力象限中被评为特定领域者。Redis提供Redis Cloud，这是一个在AWS、谷歌云平台和微软Azure上可用的完全托管服务。Redis也可以部署在本地、混合和多云环境中。该平台是一个内存中的缓存数据存储，旨在处理低延迟和高吞吐量的工作负载。Redis支持多种数据模型，用于实时事务处理、网络和用户会话管理、消息传递、排行榜和排名系统用例。Redis在高容量、面向客户的应用程序以及金融服务领域有显著存在。

优势

• 实时/缓存标准：Redis仍然是内存数据处理的热门数据库，支持各种行业的广泛实时用例。几乎每个开发框架都与Redis集成。
• 性能：Redis优先考虑速度。客户一致报告Redis兑现了这一承诺。这得益于Redis的代码优化、行业经验以及持续的DBMS性能改进，以及广泛深入的行业知识，帮助客户利用Redis构建高性能系统。随着其对LLM缓存的支持，Redis被许多重要的GenAI平台所采用。
• 全球覆盖/支持：Redis几乎在所有主要的全球云平台上可用。此外，全球范围内的技能可用性很强。尽管规模小于一些其他供应商，但客户报告说Redis在支持跨国、关键任务部署方面表现出色。

注意事项

• 社区分裂：2024年转向源代码可用许可证直接导致开发者社区分裂，并促成了Valkey的诞生，这是一个现在由Linux基金会支持的竞争对手。尽管Redis在2025年5月恢复为OSI批准的（AGPLv3）许可证，但社区仍然分裂，给用户带来了一些不确定性。
• 融合数据库竞争：Redis在组织优先考虑架构简单性和较低的TCO（总拥有成本）而非纯粹性能的情况下，面临着采用方面的挑战。主流的融合数据库，如PostgreSQL（通过无日志表）和MongoDB（通过内部缓存），越来越多地提供“足够好”的本地内存速度。这种趋势促使客户避免使用单独的缓存的运营开销，限制了Redis的吸引力，主要局限于超大规模或特定用例。
• 产品范围扩展：Redis从单一产品转变为积极推出新产品，如LangCache。虽然这种扩展将增强Redis，但客户和潜在客户应意识到这种变化可能导致Redis传统上强大的产品质量和支持能力有所下降。

SAP

SAP在本魔力象限中被评为远见者。SAP提供SAP HANA Cloud和SAP Business Data Cloud，包括SAP Datasphere。SAP HANA Cloud涵盖操作和分析用例，支持事务性和分析性工作负载，并包括多模型、图、向量、空间、AI和GenAI支持。SAP HANA Cloud是支持供应商核心产品——SAP S/4HANA Cloud的底层数据库技术，同时也提供了面向SAP的数据仓库，即SAP Business Data Cloud。对于生态系统导向的用例，SAP Business Data Cloud通过能够连接非SAP数据并使用从无代码、低代码到专业代码的选择工具来开发功能，统一了SAP和非SAP数据。此外，SAP Business Data Cloud提供SAP Databricks作为原生集成的、完全由SAP管理的解决方案，以整合AI、数据科学和数据工程。

SAP在全球范围内运营，客户遍布各个行业和企业规模。它得到了阿里云、AWS、GCP和微软Azure的支持。

优势

• 操作和分析集成：SAP Business Data Cloud和SAP HANA Cloud DBMS通过使用内存技术以及具有成本效益的对象存储和可扩展的云处理，提供了完全集成的操作和分析处理。组织将从这些特性带来的更快交付和降低复杂性中受益。
• 关键任务能力：SAP Business Data Cloud和SAP HANA Cloud DBMS被证明适用于关键任务工作负载，正如它们被用于SAP的关键任务ERP和其他大规模应用（包括CRM）所展示的那样。
• 功能丰富性：SAP Business Data Cloud和SAP HANA Cloud实现了广泛的功能，包括对关系型、JSON、文本、空间、时间序列图、属性图、向量和知识图谱的多模型支持。系统现在支持向量处理、LLMs、GenAI和RAG能力。作为SAP最近更开放战略的一部分，SAP数据可以更容易地被访问，无论是通过原生方式还是通过合作伙伴。

注意事项

• SAP亲和性：SAP HANA Cloud DBMS及其相关生态系统最初是为了在系统现代化方面为SAP提供优势而开发的。它尚未突破到更广泛的通用DBMS市场中。它对SAP客户这一庞大的市场细分领域具有吸引力，但对于非SAP的通用市场来说相对不为人知。
• 混合系统：由于集成现在变得更加容易，可以选择采用混合方法，其中SAP Business Data Cloud处理SAP数据，而另一个分析平台管理非SAP数据。SAP Business Data Cloud允许像任何正常RDBMS一样访问和操作数据。SAP和非SAP数据可以位于混合架构的任何一侧，因此重要的是要认识到，这不一定是关于使用哪种产品的战略决策。
• 被视为成本高昂：客户对采用SAP BDC时的成本表示了一些担忧；然而，这也需要考虑到简化的集成。采用者应特别关注这一点，并与他们的SAP团队合作，确保他们对全面影响有充分的了解。

SingleStore

SingleStore在本魔力象限中被评为特定领域者。其旗舰产品SingleStore Helios是一个与MySQL线协议兼容的完全托管的按需云数据库服务。它被设计为一个具有内存行存储和磁盘列存储引擎的集群数据库，为实时数据访问、数据应用和分析提供了高性能和效率。SingleStore支持在AWS、谷歌云、微软Azure、私有云、IBM云、Red Hat OpenShift和Snowpark容器服务上的灵活部署，而SingleStore自托管版可用于本地或自托管环境。

该平台通常被金融服务、媒体、电信和零售行业的组织采用。它主要在北美运营，在EMEA和亚太地区也有显著存在。

优势

• 统一的事务和分析引擎：SingleStore的统一架构使组织能够在单个ACID兼容的数据库中运行事务和分析工作负载，具有多种云部署选项。实时复制确保分析反映最新数据，提供及时且一致的洞察，简化操作以快速做出决策。
• 高性能和高效架构：SingleStore因其能够提升性能而受到Gartner客户的赞誉，特别是对于需要实时数据访问的应用程序。其集群数据库和列存储引擎对于从PostgreSQL等系统迁移的用户来说是一个重大升级，能够处理大量数据和索引重建问题。它还提供内存功能和高可用性。
• 向量能力：SingleStore是将向量嵌入用于GenAI用例的早期采用者，将向量能力集成到其核心架构中。组织可以高效地大规模存储、索引和查询向量数据。该平台支持精确关键字匹配和高级向量搜索，与事务和分析工作负载统一。

注意事项

• 竞争加剧：SingleStore在高度竞争的混合事务/分析处理市场中运营，许多供应商（包括提供嵌入式HTAP支持的云服务提供商）正在迅速发展。组织应评估替代方案以确保与长期数据战略的一致性。随着市场的成熟，持续的创新和差异化将是成功的关键。
• 功能范围较窄：SingleStore的功能范围可能不如一些更大、更成熟的数据库供应商广泛。具有复杂或高度专业需求的组织应评估SingleStore的功能集是否符合其需求。潜在客户应关注其路线图，以了解是否会有针对更广泛用例的增强。
• 有限的FinOps能力：SingleStore提供了基本的FinOps能力，这可能不足以满足寻求更高级成本管理工具的组织。潜在客户应考虑他们的需求，并关注SingleStore在FinOps变得更重要的云部署中的进展情况。

Snowflake

Snowflake在本魔力象限中被评为领导者。它提供了一个统一的数据和AI平台，具有完全托管的服务，用于数据存储、工程、AI、应用开发和协作。Snowflake能够无缝操作各种表格式、计算引擎和数据资产，支持治理、数据发现和安全访问。Snowflake提供了对原生应用和AI产品的访问，支持数据共享、协作和货币化。其Snowpark容器服务简化了操作，并为管理各种类型的工作负载提供了一个协调的生态系统。

Snowflake服务于金融、电信、零售和分销以及医疗保健等行业。它在全球范围内可用，并在Azure、AWS和GCP上运行。

优势

• 直观且用户友好的平台：Snowflake将易用性作为其平台设计的核心支柱，这在其广泛采用中发挥了关键作用。其直观的用户界面和开发者体验简化了不同用户角色（包括数据工程师、分析师和数据科学家）的数据和AI操作。
• 扩展的功能和产品：Snowflake已从云数据仓库领域扩展到更多功能，现在通过Apache Iceberg提供湖仓、通过Snowflake Openflow提供高级数据工程，以及通过Snowpark、Snowflake ML和Snowflake Cortex AI提供机器学习和AI功能。Snowflake还通过收购Crunchy Data支持PostgreSQL。
• 第二代仓库的改进可扩展性：Snowflake的第二代仓库提供了改进的可扩展性和性能，能够实现更快的DML操作和高并发查询，具有高级处理能力。迁移过程简单直接，并为复杂数据工作负载提供了更好的性价比，尽管成本略有增加。

注意事项

• 成本管理与优化：Snowflake的用户友好生态系统可能会促使用户形成“黑箱”思维，限制用户优化工作负载和避免低效的能力。这可能导致成本增加，并阻碍用户准确预测支出的能力，使得主动的成本管理和对平台操作的深入理解变得至关重要。
• 实时和流数据处理的挑战：Snowflake的架构主要侧重于批处理和分析，而不是操作性或实时事务性工作负载。然而，湖仓的采用、混合表和增强的PostgreSQL集成可以帮助弥补这一差距。用户应评估其架构并相应地进行规划。
• 混合集成和数据共享的限制：具有合规性或遗留约束的组织可以通过外部表将Snowflake与本地存储集成。然而，只有使用Snowflake的原生存储或Iceberg表才能实现最佳性能。尽管Snowflake在数据共享方面表现出色，但需要考虑和规划的因素包括只读访问、重新共享、权限复杂性、数据敏感性和区域限制。

Teradata

Teradata在本魔力象限中被评为远见者。它提供Teradata VantageCloud，专注于分析、数据仓库和湖仓需求。它还提供互补的Teradata ClearScape Analytics，用于数据库分析和AI/ML用例。其产品通过主要的超大规模云提供商和本地环境提供。Teradata提供垂直行业解决方案，如Teradata Vantage行业数据模型（IDMs），涵盖金融、零售、电信、制造业和医疗保健等行业数据模型。它拥有各种规模的客户，其中许多是具有严格分析工作负载的大型组织。Teradata还通过其Teradata QueryGrid功能提供联邦分析能力。

Teradata在全球范围内运营，客户涵盖零售、制造业、电信、医疗保健和金融服务等多个行业。

优势

• 企业级规模与性能：Teradata的主要优势在于管理企业级规模的复杂、混合工作负载，具有经过验证的性能、可靠性和可用性。
• 功能丰富性：凭借其在分析数据库市场的长期经验，Teradata不断优化其平台以适应现代发展。这包括机器学习、AI和GenAI的使用。
• 行业垂直解决方案：基于数十年的分析经验，Teradata继续提供深入的行业专业化，拥有专门的垂直团队和多年来积累的大量知识资本，包括其详细且专业的行业数据模型，称为iDM。这种专业化帮助企业在其行业中加速实现价值，通过应用经过验证的数据模型和最佳实践。

注意事项

• 专注于分析工作负载：Teradata主要专注于分析任务，尚未扩展到操作处理，无论是通过原生支持、收购还是合作伙伴关系。潜在采用者应确保了解在使用Teradata时如何进行混合事务和分析处理。
• 愿景的接受度：Teradata发现越来越难以向其现在面临的众多基于云的竞争对手阐述其差异化。然而，现代愿景的主要组成部分都已具备，与企业对可信、可扩展的AI和分析的需求相一致。
• 技能可用性：市场已经增长，对经验丰富的专业人士的竞争也加剧了。从其他分析数据库进行交叉培训相对直接，但组织在采用Teradata时应计划进行入职培训和启用。

供应商新增与退出

在本年度的魔力象限中，没有新增或退出的供应商。

市场概述

这个魔力象限涵盖了云数据库管理系统服务。也就是说，数据库管理系统提供商提供的是管理服务，作为 dbPaaS 提供。

市场统计数据：

• 整体数据库管理系统市场在 2024 年增长了 13.4%，达到 1197 亿美元。

• 非关系型数据库管理系统和关系型数据库管理系统（RDBMS）分别增长了 22.7%和 10.8%。虽然非关系型市场是增长最快的细分市场，但值得注意的是，关系型数据库管理系统在 2024 年占数据库管理系统市场的 76%，从 2023 年的 78%有所下降。

• 云 dppaaS 占据了大部分收益，其中云支出（64%） 超过了本地支出（36%）。

如需更多市场信息，请参阅预测分析：数据库管理系统，全球，2024。

Gartner 预测，到 2029 年，dbPaaS 支出将占市场的 82%。虽然本地支出份额仍在增长（2024 年为 3.8%），即使其占整体市场的百分比在缩小。这意味着本地/混合解决方案仍然重要，并将继续对市场的很大一部分产生重要影响。

文章来源：https://www.gartner.com/doc/reprints?id=1-2MC5TPFS&ct=251119&st=sb