关于问题国产数据库中，哪些最有发展前景？一共有 2 位热心网友为你解答:
【1】、来自网友【博睿数据】的最佳回答：
阿里云曾经选取了三款典型的国产分布式数据库进行全方位对比压测，测试结果如下，供大家参考：
TiDB：
1. 开启了实验室特性(plan cache)，不建议生产直接使用。生产环境默认不开启的话，point_select 性能会有 60%左右的性能下降，100 核左右的资源点查场景只有 36 万 QPS；
2. sysbench 测试场景中，会有比较大量的 where id between xx and xx，但在实际业务中单纯基于用户 id 或者交易 id 的范围查询意义并不大，更多是在时间范围的查询。TiDB 基于 Range 的分区策略，在 between 的分区裁剪可以做到只访问 1 个数据分片，而 PolarDB-X 和 OceanBase 基于 Hash 的策略会访问 5 个数据分片，因此 TiDB 的数据结构会在 sysbench 单纯指标能力上占一定的优势。ps. 针对 Range 和 Hash 分区的性能差异，在 PolarDB-X 上基于 read only 场景下跑了下 Range 分区的对比测试，Range 相比于 Hash 分区差不多有 45%左右的性能提升(28 万 vs 19 万)；
3. TPC-C 场景下，整体劣势比较明显；
4. TPC-H 场景下，在 tilfash 模式下性能表现不错，但在普通的 tikv 模式下，部分 SQL 跑不出结果；
5. 特殊场景下，加索引的 DDL 性能有待提升，支持 json 但不建议生产使用，以及在热点行更新下有明显瓶颈。
OceanBase：
1. 非分区表(通常理解的单表)，在 OceanBase 内部会在分布式多个节点上做表级别的均衡，一张表的数据只在一个节点，不同表可以在不同的节点，在非分区表下比较考验纯单机的能力。针对 sysbench 场景下的多张表在测试过程中是完全独立的，这样可以充分利用”多个单机”跑出一个更好的总吞吐值。这样的模式下，相比于 TiDB 会有 30%~70%的优势，多个独立的单表模式在真实业务场景中一般需要配合业务端的分库分表；
2. 分区表，在 OceanBase 内部支持将一张表的数据分布到多台机器上，实现行级别的水平扩展能力，在分区表下会存在分布式事务、分片聚合查询等额外代价，是最考验分布式能力的地方。分区表和非分区表在 sysbench 的性能测试结果上，两者的性能差异巨大。尤其在写入和混合读写场景，分区表只有单表测试的 1/5 左右，分布式事务的性能还需要有进一步的提升空间；
3. TPC-C 场景下表现优秀。在 TPC-H 场景下，通过并行计算+行存整体表现不错；
4. 特殊场景下，不支持 json，以及在热点行更新下有明显瓶颈。
PolarDB-X：
1. 非分区表(通常理解的单表)，PolarDB-X 上支持通过 locality 模式将表分配到不同的节点，一张表的数据只在一个节点上，比较考验纯单机的能力。针对纯读和混合读写场景，相比于 TiDB 会有 2~2.5 倍的性能优势；
2. 分区表，在 PolarDB-X 内部支持将一张表的数据分布到多台机器上，实现方式和 TiDB、OceanBase 分布式表基本一致，在 write only 上整体性能会比 TiDB 好一些；在最常见的业务场景 read write 下，分区表和单机表性能都比 OB 要好很多，非分区表比 TiDB 有明显的性能优势，分区表跟 TiDB 基本保持一致；
3. TPC-C 场景下表现优秀。在 TPC-H 场景下，通过并行计算+行存整体表现不错；
4. 特殊场景下，快速加列 DDL 需要优化，支持 json，以及针对热点更新的优化明显。PolarDB-X 对分区规则变更支持最好，基本支持所有常见的分区变更策略。
总结
1. PolarDB-X/OceanBase/TiDB 在分布式水平扩展的性能上大同小异，区分度并不大；
2. TiDB 有一些不错的实验性质的功能(比如 plan cache、json)，对性能和功能易用性帮助比较大，但眼下生产不推荐使用；
3. OceanBase 的模型比较复杂，测试场景需要充分理解分区表和 非分区表(单表)。在非分区表(单表)模式下，性能表现不错，重点考察的是纯单机能力，性能尚可，略低于 MySQL。但分区表模式下，性能下降比较多，需要业务区分来看；
4. PolarDB-X 功能性和易用性比较不错，json、大事务、热点更新支持比较完整。在非分区表(单表)模式下，纯 MySQL 单机的能力表现突出，在分区表模式下，可以通过分布式能力进一步扩展性能，对分区表的变更策略支持最完善。
【2】、来自网友【打工男】的最佳回答：
华为的 GaussDB，是国产数据库中最有前景的。
华为推出了企业级的分布式分析型数据库 OLAP 数据库、分布式事务型数据库 OLTP 数据库产品。历时 9 年的研发和打磨，到目前为止这两款数据库都可以部署在公有云、私有云，到目前为止在全球服务 60 多个国家，有超过 1500 个客户，拥有 500 多家商业合作伙伴，并广泛应用于金融、运营商、政府、能源、医疗、制造、交通等多个行业。
GaussDB 也具有云上的版本。目前华为云已经发布了 13 款数据库服务，其中 DWS 数据仓库服务就是 GaussDB OLAP 数据库的云化版本，为行业客户提供云上数据仓库服务。GaussDB 既支持在客户的数据中心部署，也支持在客户的私有云，公有云部署。数据库的部署形态，到目前为止支持极致高性能的主备模式，极致高可用的集群部署，还有支持金融两地三中心、三地五副本的容灾部署，还有全分布式的部署等四种形态。因为华为也提供硬件基础设施，如果客户追求极致的性价比，将来还可能有一体机的形态出现。
高斯 GaussDB 的特点有以下两个方面：
1、数据+AI。主要讲的是这个软件产品采用人工智能技术融入分布式数据库的全生命周期，实现自运维、自管理、自调优、自诊断、自愈合五大功能，尤其是自调优性能明显，在交易、分析及混合负载场景下，性能比业界提升 60%以上。
2、异构计算支持 X86、ARM、GPU、NPU。这非常重要，目标数据库厂家，如甲骨文 oracle、SAP HANA、微软、IBM 等，基本上都是跑在 X86 架构下。在全球，
数据库
基于主流的 X86 架构，被甲骨文 oracle 和微软占据，尤其 oracle，已多年是全球数据库市场老大，多年在中国市场超过 50%。华为高斯通过目前鲲鹏生态在构建不同于 X86 的优势，瞄准的是国产信息化机遇。
2019 年 9 月 19 日，在华为全联接大会上，华为宣布企业级数据库 Gauss 开源，可覆盖 70%企业业务场景，openGauss 将在 2020 年 6 月正式上线。
GaussDB，不仅蕴含着华为对数学和科学的敬畏，也承载着华为对基础软件的坚持和梦想，坚持 12 年，历经坎坷，华为最终在被誉为基础软件“皇冠上明珠”的数据库领域中一举突围。
以上就是关于问题【国产数据库中，哪些最有发展前景？】的全部回答，希望能对大家有所帮助，内容收集于网络仅供参考，如要实行请慎重，任何后果与本站无关！
