【研報】計算機行業：數據庫行業深度報告歷史機遇國產數據庫市場迎來十倍空間-20200810[51頁].pdf

1、 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 1 Table_Summary 報告摘要報告摘要： 市場空間：數據庫核心軟件，國產替換帶來十倍以上空間市場空間：數據庫核心軟件，國產替換帶來十倍以上空間 數據庫作為三大基礎軟件， 截至2017年我國市場規模約為120.22億元， 12-17年復合增 長率超過17%。 考慮未來我國數據量的持續增長和云部署方式的推廣， IDC預計到2024年， 中國關系型數據庫市場規?？蛇_到271億元，其中采用公有云部署的關系型數據庫市場規 ?？蛇_到178.21億元。 考慮外部環境和信息安全因素，數據庫市場迎來國產替換歷史機遇，我們預計替

2、換將 于2020年起從政府、事業單位往行業推進。我們根據政府機關、事業單位和國企人數、數 據庫數量關系、 平均采購價格推算出政府機關、 事業單位和國有企業的整體需求分別為204 億、290億、288億，假設至2024年完成替換，按100%替換計算，則合計市場增量為626億； 若按50%替換計算，則新增空間235億。 市場現狀：國內廠商份額有所上升，但海外四巨頭仍占一半以上市場市場現狀：國內廠商份額有所上升，但海外四巨頭仍占一半以上市場 截至2019年，國外廠商仍占據我國數據庫市場80%以上份額，國內廠商市場份額雖有 所提升，但仍不是主題。1)整體市場份額：傳統關系型數據庫中國產數據庫市占率從2

3、009 年的4.2%提升至2019年的18.9%以上，海外四巨頭仍占據65%以上份額;2)部署方式：云部 署國內產商占優， 傳統部署仍是海外廠商優勢范圍。 傳統部署方式的關系型數據庫市場中， Oracle、IBM、Microsoft、SAP四家廠商共占據市場份額超六成，其中Oracle占據市場中近 40%；云部署方式中阿里和騰訊市場份額居國內第一、第二；3）國產數據庫情況：國產互 聯網與跨界數據庫廠商份額增長迅速，2019年國內關系型數據庫市場中華為、阿里巴巴分 別占據6.2%和5.8%，位列第五、六名；傳統數據庫廠商份額有所下降，南大通用和人大金 倉分別以4.2%和2.7%的市場份額排在第七

4、、八位。 非關系型數據庫、云數據庫、內存式數據庫和流數據庫成為新方向非關系型數據庫、云數據庫、內存式數據庫和流數據庫成為新方向 考慮當前數據量的爆發、云化趨勢、實時反應需求等，我們認為下述四種數據庫將成 為數據庫行業的新方向、新動力：1）非關系型數據庫：在互聯網背景下比關系型數據庫 有更好的表現；2）云數據庫：降低企業成本的同時為企業提供更加方便的云服務； 3） 內存數據庫：滿足當今企業和用戶對快速讀取的需求，4）流數據庫：在內存數據庫的基 礎上加強數據庫的實時分析和流量監控能力。 投資建議投資建議 國產數據庫迎來 10 倍替換空間的歷史機遇，建議關注布局國產數據庫市場的上市公 司科藍軟件、中

5、國軟件、太極股份。 風險提示風險提示 信創采購力度不及預期；市場競爭程度加大；云數據庫推廣不及預期。 盈盈利預測與財務指標利預測與財務指標 代碼代碼 重點公司重點公司 現價現價 EPS PEPE 評級評級 8 8 月月 7 7 日日 2019A 2020E 2021E 2019A 2020E 2021E 002368 太極股份 33.56 0.81 0.85 1.16 47.90 39.70 28.83 - 300663 科藍軟件 33.16 0.16 0.24 0.38 155.59 139.66 87.13 - 600536 中國軟件 116.50 0.13 0.73 1.27 573.3

6、9 160.35 91.52 - 資料來源：公司公告、民生證券研究院（上述公司盈利預測均來自于 wind 一致預期） Table_Invest 推薦推薦 維持評級 Table_QuotePic 行業行業與滬深與滬深 300300 走勢比較走勢比較 資料來源：Wind，民生證券研究院 Table_Author 分析師：分析師：強超廷強超廷 執業證號： S0100519020001 電話： 021-60876718 郵箱： 研究助理研究助理：應瑛應瑛 執業證號： S0100119010012 電話： 021-60876718 郵箱： Table_docReport 相關研究相關研究 Table_T

7、itle 計算機計算機 行業研究/深度報告 歷史機遇，國產數據庫市場迎來十倍空間歷史機遇，國產數據庫市場迎來十倍空間 數據庫行業數據庫行業深度深度報告報告 深度研究報告深度研究報告/計算機計算機 2020 年年 8 月月 10 日日 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 2 Table_Page 深度深度研究研究/計算機計算機 目錄目錄 一、數據庫行業的基本情況一、數據庫行業的基本情況. 3 1.什么是數據庫：負責數據存儲、維護、獲取的管理軟件 . 3 2.數據庫的分類：數據結構、使用需求與物理存儲方式 . 3 3.數據庫的用途：為各行業的業務處理和商業分析

8、提供支持 . 7 4.數據庫的性能：六個方面，一套標準 . 9 5.國內數據庫市場現狀：國產化持續推進，關系型數據庫為主導 . 11 二、以史為鑒：行業與巨頭發展史二、以史為鑒：行業與巨頭發展史 . 14 1.數據庫行業發展史：穿孔卡片、關系數據庫、非關系數據庫到云數據庫 . 14 2.ORACLE發展歷程：市場領導者是怎樣誕生的？ . 15 三、數據庫行業的未來三、數據庫行業的未來 . 19 1.數據庫行業的發展方向：云數據庫、非關系型數據庫、內存數據庫與流數據庫 . 19 2.國內數據庫行業的未來：市場需求、國產替代與云化趨勢 . 22 四、國內數據庫基本情況四、國內數據庫基本情況 . 2

9、5 1.武漢達夢（中國軟件） . 25 2.人大金倉（太極股份） . 27 3.東軟集團 . 30 4.神舟通用（中國航天科技集團） . 31 5.南大通用 . 34 6.科藍軟件（SUNJE SOFT） . 37 7.華為數據庫 . 39 8.阿里云數據庫 . 40 9.柏睿數據庫（威訊柏睿） . 44 插圖目錄插圖目錄 . 48 表格目錄表格目錄 . 49 qRoRpPpQtMnPzRrOtPoRpM9PaO8OmOnNpNpPjMmMwOeRrQqQ7NmMwPuOoNrQxNrMrQ 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 3 Table_Page 深

10、度深度研究研究/計算機計算機 一、一、數據庫數據庫行業行業的的基本情況基本情況 1.什么是數據庫什么是數據庫：負責數據存儲、維護、獲取的管理軟件負責數據存儲、維護、獲取的管理軟件 數據庫是對數據存儲、維護、獲取進行統一管理和控制的系統數據庫是對數據存儲、維護、獲取進行統一管理和控制的系統，主要負責保證數據的安全 性、完整性、多用戶對數據的并發使用以及發生故障后的系統恢復。數據庫和操作系統、中間 件一起，是構成計算機設備的三大基礎軟件。 數據庫行業對應的上游是硬件設備供應商，包括存儲器、服務器、計算機設備、網絡設備 等生產商；下游則是廣泛運用數據庫的各個行業，包括政府、軍隊、醫療、教育、金融、能

11、源 等。 圖圖1:數據庫產業鏈數據庫產業鏈 資料來源：智研咨詢，民生證券研究院 2.數據庫的數據庫的分類分類：數據結構、使用需求與物理存儲方式：數據結構、使用需求與物理存儲方式 數據庫數據庫常見的分類常見的分類標標準準為為使用使用需求需求、 數據結構和物理存儲方式。、 數據結構和物理存儲方式。 依據數據結構可以分為關 系型數據庫和非關系數據庫， 依據使用需求可以分為事務型數據庫和分析型數據庫， 依據物理 存儲方式可以分為內存型數據庫和磁盤型數據庫。 圖圖2:數據庫數據庫類型類型 資料來源：民生證券研究院整理 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 4 Tabl

12、e_Page 深度深度研究研究/計算機計算機 圖圖3:常見數據庫常見數據庫品牌品牌 資料來源：民生證券研究院整理 數據庫基于數據存儲結構的差異可以分類為關系型數據庫（數據庫基于數據存儲結構的差異可以分類為關系型數據庫（SQL）和非關系數據庫（）和非關系數據庫（Not only SQL，NoSQL） 。） 。 關系型數據庫是指采用關系模型來組織數據的數據庫，以行和列組成二維表的形式存儲關系型數據庫是指采用關系模型來組織數據的數據庫，以行和列組成二維表的形式存儲 數據，由二維表及其各表之間的聯系組成數據庫。數據，由二維表及其各表之間的聯系組成數據庫。關系型數據庫優點是：通用的 SQL 語言 使得操

13、作關系型數據庫非常方便；豐富的完整性(實體完整性、參照完整性和用戶定義的 完整性)大大減低了數據冗余和數據不一致的概率；二維表結構易于用戶理解。關系型數 據庫同樣存在問題：面對用戶并發性非常高的情況，磁盤讀寫速度跟不上；在包含海量數 據的二維表中查詢，效率低下；關系數據庫中的二維表只能存儲格式化的數據結構。 圖圖4:關系型數據庫數據結構關系型數據庫數據結構 資料來源：民生證券研究院整理 非關系數據庫一般采用分布式架構，數據之間保持獨立不存在關系，使得非關系數據庫一般采用分布式架構，數據之間保持獨立不存在關系，使得數據庫具有易數據庫具有易 拓展性和高速讀寫能力拓展性和高速讀寫能力。 非關系數據庫

14、可以通過增加節點解決關系型數據庫擴展不宜、 遷移難 的問題。此外，由于分布式結構，允許系統在節點對數據處理，面對海量數據時依舊能保持高 速的讀寫能力。但是非關系數據庫同樣存在不足：只適合存儲一些較為簡單的數據，對于需要 進行較復雜查詢的數據，關系型數據庫更為合適。 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 5 Table_Page 深度深度研究研究/計算機計算機 表表1: 關系數據庫與非關系數據庫對比關系數據庫與非關系數據庫對比 區別區別 關系型數據庫（關系型數據庫（SQL） 非關系性數據庫（非關系性數據庫（NoSQL） 存儲方式 以行和列構成二維表格。表格之間

15、存在聯系，方便 查詢。 數據大塊組合在一起，存儲在數據集中。 存儲結構 結構化存儲。跟據預先定義好的結構存入數據。數 據表的可靠性和穩定性高，但修改困難。 動態存儲。無需預定義數據模式，允許數據類型 和結構的變化。 存儲擴展 縱向擴展，由于多表查詢機制的限制，擴展能力受 限于計算機性能。 橫向擴展，數據之間不存在耦合性，易于擴展。 查詢方式 使用結構化查詢語言（SQL） ，使用預定義優化方式 (比如列索引定義)幫助加速查詢操作。 使用非結構化查詢語言(UQL)，采用更簡單而精 確的數據訪問模式。 事務性 遵從原子性、一致性、隔離性和持久性 (ACID) 規 則： 原子性:事務完全執行或根本不執

16、行。 一致性:事務提交之后，數據必須符合數據庫架構。 隔離性:并發事務彼此分開執行。 持久性:能夠從意外系統故障或斷電情 況中恢復到 上一個已知狀態。 滿足基本可用、軟狀態、最終一致性（BASE）規 則： 基本可用：出現不可預知故障的時候，允許損失 部分可用性。 軟狀態：允許系統在不同節點的數據副本之間進 行數據同步的過程存在延時。 最終一致性：所有的數據副本，在經過一段時間 的同步之后，最終都能夠達到一個一致的狀態。 讀寫能力 為了維護數據的一致性，在面對高并發讀寫時效率 非常低。 允許數據在同步時不同節點存在差異，提升讀寫 性能。 代表 MySQL、Microsoft SQL Server

17、、Oracle、 PostgreDB，IBM DB2，MariaDB Redis、Amazon DynamoDB、Neo 4j、Mongo DB、Greenplum、Cassandra、Datastax、InfluxDB 資料來源：AWS 官網，民生證券研究院 非關系型數據庫，非關系型數據庫， 是是區別于關系數據庫區別于關系數據庫的其余數據庫的統稱的其余數據庫的統稱， 其中其中同樣存在差別。同樣存在差別。 常見的 非關系數據庫有五種： 鍵值數據庫、 文件數據庫、 圖形數據庫、 時間序列數據庫、 列式數據庫。 不同的數據存儲模式使得他們相比關系數據庫在不同領域具有優勢。鍵值數據庫運用于網絡 購物

18、、網頁訪問等方面；文檔型數據庫廣泛用于移動端和網站內容管理系統；圖形數據庫常用 于反詐騙、 實時分析、 存取管理、 網絡與 IT 運營； 時間序列數據庫多用于 IOT 設備和傳感器； 列式數據庫廣泛存在于商業智能和數據倉庫領域。 表表2: 非關系數據庫類型非關系數據庫類型 非關系數據庫類型非關系數據庫類型 數據模型數據模型 優點優點 代表代表 鍵值數據庫 Key 指向 Value 的鍵值對，通常 用哈希值來實現 查找速度快 Redis 文檔數據庫 以 json 或 xml 形式存儲數據， 采用分層樹狀結構 數據結構要求不嚴格，表結構可 變，無需預定義結構 MongoDB 圖形數據庫 圖結構 利

19、用圖結構相關算法。 Neo4j 時間序列數據庫 按照時間順序排列數據 適合 IOT 設備的數據存儲 InfluxDB 列式數據庫 以列簇式存儲，將同一列數據 存儲在一起 查找速度快，可擴展性強，更容易 進行分布式擴展 Cassandra 資料來源：William Blair，民生證券研究院 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 6 Table_Page 深度深度研究研究/計算機計算機 圖圖5:常見非關系型數據庫結構常見非關系型數據庫結構 資料來源：William Blair，民生證券研究院 根據根據使用使用需求需求， 數據庫又可以分為事務型數據庫和分析型數據

20、庫。， 數據庫又可以分為事務型數據庫和分析型數據庫。 事務型數據庫主要用于 業務支撐，負責聯機事務處理（OLTP） ，以日常事務以及查詢（處理少量數據）為主，響應時 間短。分析型數據庫主要用于歷史數據分析，負責聯機分析處理（OLAP） ，作為公司的單獨數 據存儲， 負責利用歷史數據對公司各塊業務進行統計分析、 處理的數據量大、 實時性要求不高。 表表3: 事務型數據庫與分析型數據庫對比事務型數據庫與分析型數據庫對比 區別區別 事務型數據庫事務型數據庫 分析型數據庫分析型數據庫 用戶 操作人員，低級管理人員 決策人員，高級管理人員 功能 日常操作處理 分析決策 數據內容 業務處理的動態情況 業務

21、處理的靜態情況 數據結構 當前的，最新的，細節的，二維分立的 歷史的，聚集的，多維的，集成的，統一的 存取 讀寫數十條記錄 讀寫上百萬記錄 時間要求 實時響應要求高 時間要求不嚴格 代表 MySQL，Oracle，IBM DB2，SAP HANA， PpstgreDB，Mongo DB，Neo4j Oracle Exadata，Teradata，IBM DashDB，Google BigQuery 資料來源：民生證券研究院整理 數據物理存儲方式的差異數據物理存儲方式的差異， 又可以把數據庫分為磁盤數據庫和內存數據庫。， 又可以把數據庫分為磁盤數據庫和內存數據庫。 磁盤數據庫是 指數據存儲于磁盤

22、中， 是數據庫常見的存儲方式。 數據庫需要頻繁地訪問磁盤來進行數據的操 作， 由于對磁盤讀寫數據的操作一方面要進行磁頭的機械移動， 另一方面受到系統調用的影響， 當數據量很大，操作頻繁且復雜時，讀寫速度無法滿足實時性需求。內存數據庫數據處理速度 比傳統數據庫的數據處理速度要快很多，一般都在 10 倍以上。此外，內存數據庫存取時間易 于預測，可以定制數據存取方式，滿足特殊情況下對數據的實時性需求。 表表4:4: 內存數據庫與磁盤數據庫對比內存數據庫與磁盤數據庫對比 區別區別 內存數據庫內存數據庫 磁盤數據庫磁盤數據庫 物理儲存 內存 磁盤 存取時間 納秒級 毫秒級 儲存方式 不需要連續存放 連續

23、存放 緩沖管理 不需要 需要 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 7 Table_Page 深度深度研究研究/計算機計算機 并發控制 大粒度鎖 細粒度鎖、死鎖檢測 查詢優化 基于處理器和 Cache 代價 基于 I/O 的代價 數據量 TB 級 GB 級 代表 Oracle TimesTen，Mongo DB，Redis Oracle，Microsoft SQL Server，MySQL 資料來源：民生證券研究院整理 3.數據庫的用途數據庫的用途：為各行業的業務處理和商業分析提供支持：為各行業的業務處理和商業分析提供支持 數據庫在各行各業得到廣泛運用。數據

24、庫在各行各業得到廣泛運用。 數據庫在信息系統中用于存儲、 管理數據， 為業務處理、 數據挖掘、商業分析、提供數據支持。隨著企業數字化與智能化轉型需求的上升，越來越多的 企業采集與經營、 市場相關的數據以便做出精準有效的決策。 由此帶來的數據爆發式增長讓這 些企業正視數據存儲、 管理與安全。 處于信息技術核心的數據庫， 在金融、 政務、 教育、 電信、 醫療健康、電力、公安、企業等一系列領域得到廣泛運用，為各領域的運營和決策提供支持。 表表5: 數據庫運用領域及方向數據庫運用領域及方向 領域領域 運用方向運用方向 金融 票據電子化、信用管理、市場交易 政務 電子政務、安全生產監管、社保平臺 教育

25、 教育云、電子閱卷、電子監考 電信 綜合網管、資費結算 醫療健康 健康云、電子病歷、護理管理、藥品流通 電力 電網調度、電網監控 公安 電子警務、安全審計、智慧監獄 企業 財務管理、商業智能、質量合規化、庫存管理 資料來源：民生證券研究院整理 圖圖6:2015-2017 年國內數據庫主要應用領域市場規模年國內數據庫主要應用領域市場規模（億元億元） 資料來源：智研咨詢，民生證券研究院 數據庫為數據中臺數據庫為數據中臺的的數據管理數據管理和數據分析提供支持。和數據分析提供支持。數據中臺主要提供全量數據的實時 在線服務，同時提供對海量數據進行采集、計算、存儲、加工以及基于全量數據的數據發掘。 隨著業

26、務的復雜化以及互聯網、移動業務帶來的海量數據的增長，數據在治理、挖掘等方面的 重要性凸顯， 因此數據中臺就成為了現在金融等大型企業關注的業務重點。 數據庫幫助用戶在 管理全量數據的同時對外提供在線查詢與分析能力， 構建完整的數據中臺， 實現數據的全生命 周期管理。比如在金融領域，數據庫支持下的數據中臺幫助銀行客戶在柜臺、網銀、手機銀 9.99 13.06 14.85 10.76 7.17 8.79 6.06 5.045.04 4.7 11.67 15.42 17.75 12.48 8.52 10.65 7.41 6.086.08 5.48 13.75 18.24 20.76 14.61 10.

27、04 12.78 8.94 7.477.47 6.45 0 5 10 15 20 25 政府采購裝備消費品原材料能源金融交通教育醫療其他 2015年2016年2017年 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 8 Table_Page 深度深度研究研究/計算機計算機 行上隨時隨地查詢開戶以來所有數據記錄。同時，多類型的全生命周期數據，幫助銀行更 好的針對數據進行價值挖掘和建模，為風控、營銷和人工智能等業務提供了數據支持。 圖圖7:銀行數據中臺銀行數據中臺結構結構 資料來源：巨杉數據庫，民生證券研究院 數據庫在大數據中心同樣發揮作用數據庫在大數據中心同樣發揮作用

28、，涵蓋涵蓋數據采集、數據管理、數據服務、數據應用數據采集、數據管理、數據服務、數據應用四個四個 階段。階段。數據采集是指實現基礎數據、行業數據、產業數據等相關基礎數據和業務數據的采集， 主要通過數據采集工具按照標準進行轉換、抽??；數據管理是指數據庫實現數據整合、數據源 管理、資源目錄管理、數據質量管理、數據資源管理；數據服務是數據庫對清洗處理過的數據 進行集中服務管理， 對外提供報表服務等通用數據服務； 數據應用主要是數據庫按照業務類別、 業務單位的功能需求對數據進行組織、展現和利用，為主要業務應用提供數據支撐。 圖圖8:大數據中心中數據庫架構大數據中心中數據庫架構 資料來源：達夢數據庫，民生

29、證券研究院 將使用需求和數據結構結合， 可以組成四種數據庫類型， 滿足不同使用場景。將使用需求和數據結構結合， 可以組成四種數據庫類型， 滿足不同使用場景。四種數據庫 擁有各自的優缺點，并根據使用場景和用戶需求在不同領域服務。關系型+事務型數據庫在傳 統業務如 CRM 系統、ERP 系統和信用卡交易等仍占據主流；關系型+分析型數據庫則多用于 商業智能、數據分析；非關系型+事務型數據庫在網頁和移動端有很大市場份額；非關系型+分 析型數據庫在海量數據索引與預測分析有優勢。 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 9 Table_Page 深度深度研究研究/計算機計

30、算機 表表6: 四種數據庫運用場景、優劣勢和主流產品四種數據庫運用場景、優劣勢和主流產品 類型類型 運用場景運用場景 優缺點優缺點 代表產品代表產品 關系+事務 ERP，CRM，信用卡交易，電 子商務以及其他需要數據記 錄的情況 優點：數據一致性；便于數據計算與分析 缺點：需要專業維護人員；響應時間長 Oracle，SQL Server， DB2，SAP Hana， MySQL，PostgreSQL 關系+分析 數據倉庫，商業分析，數據分 析 優點：數據一致性；便于數據計算與分析 缺點：需要專業維護人員；數據響應以分 鐘為單位 Oracle Exadata，Teradata， IBM Dash

31、DB，Google BigQuery 非關系+事務 網頁及移動端；IOT 設備 優點：方便使用；橫向擴展（可以容納海 量數據） ；搭建成本低；無預定義數據模式 缺點：查詢功能受限；生態不成熟。 MongoDB， Document DB，DataStax，Neo4j 非關系+分析 預測分析，反詐騙，海量數據 索引 優點：易于分批處理；易于海量文件處理； 搭建成本低 缺點：不易于數據快速查詢和更新；響應 時間長。 Cloudera，Hortonworks， MapR，MarkLogic， Snowflake 資料來源：民生證券研究院整理 圖圖9:四種數據庫對應的主流產品四種數據庫對應的主流產品 資

32、料來源：William Blair，民生證券研究院 4 4. .數據庫的數據庫的性能性能：六個方面，一套標準：六個方面，一套標準 數據庫的性能指標聚焦于數據庫的性能指標聚焦于 6 個方面：吞吐量、負載均衡、讀寫速度、分區分片、并發性和個方面：吞吐量、負載均衡、讀寫速度、分區分片、并發性和 可用性?？捎眯?。不同類型的數據庫由于使用場景的差異，在性能和功能上有不同的偏重，在這六個指 標方面同樣會有所差異。 常見的具體指標有平均每秒響應速度、 查詢速度、 平均每秒吞吐量等。 表表7: 數據庫性能指標和要求數據庫性能指標和要求 指標指標 要求要求 吞吐量 滿足高并發下的大數據量交互需求，滿足數據備份或

33、 ETL 過程的大數據量遷移 負載均衡 滿足高并發下數據庫的負載均衡能力，衡量數據庫的部署架構、負載均衡策略 讀寫速度 單位時間內系統能處理的隨機讀寫的請求數量 分區分片（分庫分表） 數據庫對于數據的垂直切換和水平分庫的能力 并發性 單臺數據庫的 API 接口壓力和能滿足的并發能力 可用性 高可用性綜合涉及到數據的多項能力，主要應用的是集群技術，HA 容錯及互備技術，體 現系統無故障運行的能力 資料來源：民生證券研究院整理 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 10 Table_Page 深度深度研究研究/計算機計算機 TPC 是國際上最流行和廣泛接受的數據

34、庫性能標準測試。是國際上最流行和廣泛接受的數據庫性能標準測試。TPC(事務處理性能委員會)是 由十幾家會員公司創建的非盈利組織， 總部設在美國。 TPC 的成員主要是計算機軟硬件廠家， 主要功能是制定商務應用基準程序的標準規范、性能和價格度量，并管理測試結果的發布。針 對不同類型數據庫之間的區別，TPC 頒布了對于數據庫在線事務處理(OLTP)能力測試的基準 程序 TPC-C 和在線分析處理(OLAP)能力測試的基準程序 TPC-DS。TPC-C 測試中的 tpmC 值 （TPC-C 測試過程的吞吐量，按有效 TPC-C 配置期間每分鐘處理的平均交易次數測量） ， 在國 內外被廣泛用于衡量數據

35、庫系統的事務處理能力。根據 TPC-C 最新排名，螞蟻金服自研的 OceanBase 數據庫 tpmC 值達到 707,351,007，成功超越之前的記錄，擊敗 Oracle 和 IBM 的數 據庫，登頂榜首。 圖圖10:TPC 委員會成員委員會成員 資料來源：TPC 官網，民生證券研究院 圖圖11:TPC-C 數據庫性能最新排名數據庫性能最新排名 資料來源：TPC 官網，民生證券研究院 本公司具備證券投資咨詢業務資格，請務必閱讀最后一頁免責聲明 證券研究報告 11 Table_Page 深度深度研究研究/計算機計算機 5.5.國內數據庫市場現狀國內數據庫市場現狀：國產化持續推進，關系型數據庫

36、為主導國產化持續推進，關系型數據庫為主導 當前我國當前我國數據軟件市場具有百億以上市場規模，數據軟件市場具有百億以上市場規模， 持續持續受益大數據受益大數據產業產業發展。發展。 根據智研咨詢 數據顯示，2017 年我國的數據庫軟件整體市場規模為 120.22 億元，12-17 年的行業復合增速 超 17%，處于穩健發展期。根據 2019 大數據白皮書，2019 年大數據研發人員超過 8 萬人， 研發投入超過 550 億人民幣，同時預計我國 2020 年大數據產業市場達 6600 億元以上，行業 復合增速超 20%,數據軟件細分市場作為產業重要構成持續受益產業發展紅利。 圖圖12:2012201

37、7 年年國內數據庫市場規模國內數據庫市場規模（單位：（單位：億元億元） 圖圖13:20162021E 年年中國大數據產業規模及預測（億元）中國大數據產業規模及預測（億元） 資料來源：智研咨詢，民生證券研究院 資料來源：2019 中國大數據產業發展白皮書，民生證券研究院 傳統關系型數據庫仍為主流傳統關系型數據庫仍為主流，市占率超市占率超 85%。當前數據產業發展下的海量數據導致大量 非關聯數據分析需求的產生， 導致關系型數據庫占比的下降。 但參考國外數據庫的發展和國內 數據庫市場當前情況，傳統關系型數據庫仍占主導，國內市場規模從 2012 年的 46.51 億元增 長到 2017 年的 102.8 億元，復合增速為 17%，略高于行業增速，市占率超 85%。 圖圖14:2012-2017 年國內關系數據庫市場規模（億元）及年國內關系數據庫市場規模（億元）及市占率市占率 資料來源：智研咨詢，民生證券研究院