【研報】科技行業前瞻研究系列報告86：數據庫企業數字化支撐大數據時代基石-210108（46頁）.pdf

1、 證券研究報告 請務必閱讀正文之后的免責條款 數據庫：數據庫：企業數字化支撐，大數據時代基石企業數字化支撐，大數據時代基石 前瞻研究系列報告 862021.1.8 中信證券研究部中信證券研究部 核心觀點核心觀點 數據庫數據庫管理系統管理系統是大數據時代下政府和企業數字化建設的底層軟件和核心支是大數據時代下政府和企業數字化建設的底層軟件和核心支撐撐。5G 時代時代數據量數據量爆發爆發、數據數據結構結構復雜度復雜度攀升攀升，驅動，驅動全球全球數據庫市場長期數據庫市場長期穩穩定定增長。增長。云化云化趨勢趨勢明確明確，預計預計全球全球三大三大云數據庫廠商將云數據庫廠商將率先率先受益。受益。中國數據庫中

2、國數據庫行業行業受到云數據庫和國產替代雙重催化受到云數據庫和國產替代雙重催化，行業顯現，行業顯現，未來市場空間巨大。未來市場空間巨大。銀銀行、金融、電信等國產替代重點領域客戶對數據安全性要求行、金融、電信等國產替代重點領域客戶對數據安全性要求極極高，高，設備商和新設備商和新興數據庫廠商具備相對優勢興數據庫廠商具備相對優勢。美股標的，我們美股標的，我們重點推薦重點推薦全球三大公有云廠商全球三大公有云廠商亞亞馬遜馬遜、微軟微軟和和谷歌谷歌，云原生數據倉庫廠商云原生數據倉庫廠商 Snowflake 和和非關系型云數據庫代表非關系型云數據庫代表MongoDB。國內標的，國內標的，我們我們重點推薦重點推

3、薦完成首例完成首例銀行核心數據庫完全替代銀行核心數據庫完全替代項目項目的的中興通訊中興通訊，數據庫技術領先且數據庫技術領先且占據云生態優勢的阿里占據云生態優勢的阿里巴巴巴巴、騰訊，、騰訊，重點關注重點關注迅速崛起的數據庫新勢力迅速崛起的數據庫新勢力萬里開源、萬里開源、PingCAP、云和恩墨、云和恩墨、星環科技星環科技和和巨杉數巨杉數據庫據庫。 “數據爆發“數據爆發+復雜度提升”是行業底層驅動力。復雜度提升”是行業底層驅動力。5G 時代數據傳輸速率和可靠性大幅提升，催生更多數據密集型應用，數據產生量與數據流量高速增長。IDC和 Ovum 預計 2024 年全球數據總量和流量將分別保持 4 年

4、CAGR 28.1%和27.6%的強勁增速。此外，數據復雜度仍在不斷提升，非結構化數據占比超過80%，人工智能和深度學習催生對海量非結構數據分析需求。存儲之后，賦能應用之前，數據必須經過數據庫管理系統才能夠進行調用、處理和分析，才能讓數據資產化并賦能企業發展。因此，數據爆發+復雜度提升將成為數據庫市場長期增長的驅動力。 云化趨勢云化趨勢明確明確，云數據庫引領全球數據庫市場增長。云數據庫引領全球數據庫市場增長。數據庫經歷從一體機到分布式數據庫再到云數據庫的技術變遷。云數據庫實現了存儲和計算完全解耦，在提供近乎無限延展性和高彈性的同時保障數據一致性，并支持半結構、非結構化數據處理。云數據庫平臺作為

5、服務整體交付，節約了用戶管理基礎架構所需的成本、時間和資源。2020 年， IDC 預計全球 DBMS 市場規模受疫情沖擊小幅降至 487 億美元，但云數據庫仍然保持 11.6%增速。IDC 預測 2024 年全球數據庫市場規模將穩步增長至 739 億美元，其中云數據庫市場規模達 404 億美元，4 年 CAGR 27.3%。Gartner 預測 2024 年云數據庫占比將提升至 75%。云化趨勢下，云廠商市場份額快速提升，2018 年 AWS 云數據庫收入超過其他所有廠商云數據庫收入之和。Oracle、IBM 等傳統廠商數據庫市場份額持續下滑。 云數據庫和國產替代雙重驅動云數據庫和國產替代雙

6、重驅動中國數據庫市場中國數據庫市場增長提速增長提速，國國產數據庫廠商產數據庫廠商三方三方競逐，格局未定競逐，格局未定。2020 年，在云數據庫和國產替代雙重驅動下，我們預計中國數據庫市場規模達 200 億元，同比增長 22%且近年來增速不斷提高。隨著國產化替代的推進，傳統海外巨頭份額不斷縮小。國內競爭格局：阿里、騰訊占據云生態，但銀行、金融、電信等國產替代重點領域客戶對數據安全性要求極高，公有云廠商優勢被削弱。銀行金融領域競爭激烈，中興 GoldenDB 完成國內第一例銀行總行和信用卡核心系統完全替代?；ヂ摼W領域，云廠商和新興數據庫廠商案例數量較多，優勢明顯。政府領域，華為卡位政務云，傳統廠商

7、信創發力。電信領域，萬里開源等五家廠商中標中移動 OLTP 數據庫聯合開發項目。國內市場三方競逐，格局未定。 國產替代三個國產替代三個核心核心問題：問題：1）數據庫技術差距多大：）數據庫技術差距多大：作為底層軟件，數據庫技術 證券研究報告 請務必閱讀正文之后的免責條款 難度高于操作系統，是美對華“卡脖子”技術之一。根據我們對數據庫頂級學術會議 VLDB 2020 年論文的分析，中國已在數據庫技術前沿研究領域追趕上美國，但產品落地需要不斷迭代以提高成熟度和可靠性。隨著國產替代進程的加快，重點領域企業已和數據庫廠商合作研發，國產數據庫產品迭代開始加速，未來可期。2）國產替代進展如何：）國產替代進展

8、如何：目前處于爭奪標桿案例、迭代產品以提高成熟度和可靠性階段。銀行、金融、電信、互聯網領域國產替代進程最快。3）未）未來重點在哪來重點在哪：合作伙伴生態建設是國產數據廠商未來戰略重點。生態伙伴賦能企業在快速實現業務擴張的同時最大程度減少成本增長，使得企業能將有限的人員和資金投入到核心技術和產品研發上。 Oracle 通過 OPN 計劃建設合作伙伴生態，其中國區 90%以上收入來自 2000 多個合作伙伴，而國產數據庫廠商生態建設與 Oracle 相比仍然有較大差距。 市場規模和空間測算市場規模和空間測算：基于中國爆發式增長的數據量與較小數據庫市場規模錯配現象不斷修正的邏輯，我們預計中國到 20

9、24 年數據庫市場規模將達到 533億元，4 年 CAGR 為 27.7%，占全球數據庫市場比重提升至 11%。 美股數據庫公司估值啟示：美股數據庫公司估值啟示：美股市場傾向給予更符合行業演進趨勢、持續獲得市場份額的數據庫廠商以更高估值水平。NoSQL 引領者 MongoDB ，20E PS為 37x，云數倉領導者 Snowfalke 的 PS 水平更是達到 139x；而份額持續下滑的 Cloudera、Teradata 的 PS 則分別為 5x 和 1.3x，估值分化趨勢明顯?；貧w企業價值本質，營收增速、盈利能力是決定市場對于數據庫企業估值水平的主要因素，高速成長的公司估值受營收增速驅動，而

10、平穩增長的公司受盈利能力改善驅動更明顯。 風險因素：風險因素：云數據庫發展不及預期，國產替代進程不及預期，國產替代案例出現重大事故，開源數據庫協議修改等。 投資建議：投資建議：海外：海外：云化趨勢明確下，重點推薦擁有 IaaS 生態優勢的云廠商亞馬遜和微軟、引領全球數據庫技術的谷歌、云原生數據倉庫廠商 Snowflake、非關系型云數據庫代表 MongoDB。國內：國內：中國數據庫市場受到云數據庫和國產替代雙重催生迎來結構性機遇，增長提速，行業顯現。重點推薦完成國內首例銀行核心系統完全替代項目的中興通訊、數據庫技術領先且占據云生態優勢的阿里巴巴、騰訊，重點關注迅速崛起的數據庫新勢力萬里開源和一

11、級市場的PingCAP、巨杉數據庫、云和恩墨、星環科技。 重點公司盈利預測、估值及投資評級重點公司盈利預測、估值及投資評級 簡稱簡稱 收盤價收盤價 (原始貨原始貨幣幣) PE PS 評級評級 20E 21E 22E 20E 21E 22E MongoDB* 355.56 / / / 37.35 29.32 22.72 / Snowflake* 283.83 / / / 139.69 74.65 45.55 / 阿里巴巴 240.4 24.9 20.0 16.4 6.1 5.0 4.2 買入 騰訊控股 583.5 32.1 27.4 22.7 8.2 6.6 5.5 買入 中興通訊 34.51

12、39.7 28.8 23.6 7.8 8.7 9.7 買入 亞馬遜 3,218.51 75.9 56.2 41.2 4.3 3.6 3.1 買入 微軟 217.9 24.1 20.3 17.5 7.2 6.4 5.6 買入 谷歌* 1,740.05 33.8 28.0 23.7 8.0 6.6 5.6 / 資料來源：彭博，中信證券研究部預測 注：*為彭博一致預期，股價為 2021 年 1 月 5 日收盤價。 rQtMqQsPzQrQpQqRnQrMpR7N8Q8OoMpPsQoPiNpPpOeRrQrQaQoOvMNZsRtMwMnNvM 前瞻研究系列報告前瞻研究系列報告 862021.1.8

13、 請務必閱讀正文之后的免責條款部分 目錄目錄 數據庫管理系統：底層支撐，時代基石數據庫管理系統：底層支撐，時代基石 . 1 對數據庫進行統一管理和控制的核心軟件 . 1 “數據爆發+數據復雜度提升”是行業底層驅動力 . 3 云趨勢明確，云數據庫引領全球數據庫市場增長云趨勢明確，云數據庫引領全球數據庫市場增長 . 5 數據庫技術變遷：從本地一體機到分布式部署再到云化 . 5 規模及增速：500 億市場穩步增長，云數據庫貢獻最大增量 . 6 競爭格局：從市場份額、產品矩陣和競爭策略看全球市場三極 . 8 未來發展趨勢：DBaaS、HTAP 混合事務分析、容器和微服務技術 . 10 國內數據庫市場空

14、間巨大，云國內數據庫市場空間巨大，云+國產替代促增長提速國產替代促增長提速 . 13 規模及競爭格局：百億市場，海外主導，四方角力 . 13 云數據庫：驅動國內數據庫市場迎來結構性機遇，行業 顯現 . 15 國產替代：技術差距多大、替代進展如何、未來重點在哪 . 16 市場空間測算: 預計 2024 年中國數據庫市場達 533 億元，國產替代空間超 400 億元. 22 美股數據庫公司估值啟示美股數據庫公司估值啟示 . 24 投資建議投資建議 . 27 國產數據庫：三商競逐，格局未定國產數據庫：三商競逐，格局未定 . 28 設備商巨頭：中興通訊、華為 . 28 新興數據庫廠商：萬里開源、Pin

15、gCAP、云和恩墨、星環科技、巨杉數據庫 . 31 公有云廠商：阿里云、騰訊云領銜 . 37 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 插圖目錄插圖目錄 圖 1：企業數據流管理體系 . 3 圖 2：中國 5G 基站建設情況及預測 . 3 圖 3：全球與中國數據量規模及增速 . 4 圖 4：全球流量規模及增速 . 4 圖 5：2020 年全球數據流量比例（按應用類型） . 5 圖 6：非結構化數據占比 . 5 圖 7：數據庫的技術變遷：云趨勢明確 . 6 圖 8：全球數據庫市場規模及增速 . 7 圖 9：數據庫本地部署和云部署份額變化 . 7 圖

16、10：數據庫細分市場 . 7 圖 11：全球 OLTP 市場規模及增速 . 8 圖 12：全球 OLAP 市場規模及增速 . 8 圖 13：產品矩陣顏色分布圖 . 9 圖 14：2011-2018 年全球 DBMS 市場收入排名 . 9 圖 15：2016-2018 全球前十大數據庫廠商云數據庫收入 . 10 圖 16：DBaaS 架構 . 11 圖 17：谷歌 HTAP 混合事務分析架構 . 12 圖 18：容器技術開發微服務應用 . 13 圖 19：容器技術與虛擬化技術. 13 圖 20：中國數據庫市場規模及增速 . 13 圖 21：中國關系型與非關系型市場規模及增速 . 13 圖 22：

17、2019 年中國數據庫管理系統部分廠商銷售額 . 14 圖 23：國產數據庫規模及占比. 14 圖 24：國產數據庫流行度排行 TOP10 . 15 圖 25：阿里、騰訊、華為云數據庫高速增長 . 16 圖 26：2020 年 Gartner 全球數據庫魔力象限 . 16 圖 27：2019 年公有云模式下中國關系型數據庫市場份額 . 16 圖 28：2020-2024E 中國云數據庫市場規模及預測 . 16 圖 29：2020 年按國家分類 VLDB 論文發表數 . 17 圖 30：2015-2020 年中美 VLDB 論文數目對比 . 18 圖 31：2020 年 VLDB 部分企業發表論

18、文數 . 18 圖 32：中國數據庫市場國產數據庫規模及占比 . 19 圖 33：各公司官網列示的生態合作伙伴數量 . 21 圖 34：武漢達夢渠道體系 . 21 圖 35：TiDB 社區 . 22 圖 36：全球數據庫市場增速和數據量增速 . 23 圖 37：中國與全球單位數據管理投入 . 23 圖 38：中國數據庫市場規模預測 . 23 圖 39：關系與非關系型型數據庫市場規模及預測 . 24 圖 40：云/部署模式數據庫市場規模及預測 . 24 圖 41：全球 OLAP/數據倉庫市場份額獲得者 Top 5（2019） . 25 圖 42：全球 OLAP/數據倉庫市場份額丟失者 Top 5

19、（2019） . 25 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 圖 43：全球 NoSQL 市場份額獲得者 Top 5（2019） . 25 圖 44：全球 NoSQL 市場份額丟失者 Top4（2019） . 25 圖 45：Cloudera 股價表現（右，美元） 、營收同比（左）增速相關性 . 26 圖 46：MongoDB 股價表現（右，美元） 、營收同比（左）增速相關性 . 26 圖 47：Salesforce 運營利潤率（左） 、股價（美元，右）表現 . 27 圖 48：Service Now 運營利潤率（左） 、股價（美元，右）表現

20、. 27 圖 49：中興通訊數據庫發展 . 28 圖 50：華為云數據庫服務全景圖 . 30 圖 51：華為 GaussDB 系列 . 30 圖 52：GreatDB Cluster 關鍵技術特性介紹 . 31 圖 53：PingCAP 六大特點 . 32 圖 54：TiDB 社區 . 33 圖 55：TiDB 部分客戶案例 . 33 圖 56：云和恩墨部分客戶案例. 34 圖 57：星環科技一站式大數據平臺 Transwarp Data Hub ( TDH ) . 35 圖 58：星環科技部分客戶案例. 36 圖 59：SeqipoaDB V5.0 技術特點 . 36 圖 60：巨杉數據庫部

21、分應用場景 . 37 圖 61：阿里云數據庫十年 . 38 圖 62：騰訊云數據庫整體解決方案支撐 . 40 表格目錄表格目錄 表 1：操作型數據庫與分析型數據 . 1 表 2：關系型數據庫和非關系數據庫的比較 . 2 表 3：國產數據庫廠商產品矩陣梳理 . 14 表 4：涉及卡脖子技術的 35 項關鍵領域 . 17 表 5：各行業國產化替代進程 . 18 表 6：國產數據庫標桿案例（按客戶領域分類） . 20 表 7：Oracle 生態合作伙伴計劃五級體系 . 21 表 8：核心主業為數據庫產品的廠商估值水平 . 24 表 9：估值定價方法 . 25 表 10：重點推薦公司估值預測和評級 .

22、 28 表 11：PingCAP 融資歷程 . 32 表 12：阿里云的數據庫產品 . 38 表 13：騰訊云數據庫產品 . 40 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 1 數據庫管理系統：數據庫管理系統：底層支撐，時代基石底層支撐，時代基石 對對數據庫數據庫進行統一管理進行統一管理和控制的和控制的核心軟件核心軟件 數據庫分為交易型數據和分析型數據庫數據庫分為交易型數據和分析型數據庫。數據庫管理系統 DBMS（Database Management System）是指對數據庫進行統一建立、管理和控制的大型軟件，幫助企業高效實現對大規模數據的檢

23、索、修改、查詢和分析。數據庫管理系統按照應用方向不同可以分為兩大類： 操作型數據庫和分析型數據庫 (數據倉庫)， 分別對應 OLTP （聯機事務處理）和 OLAP（聯機分析處理） 。操作型數據庫主要面對與企業業務數據相關性強的事務場景，例如銀行轉賬、股票交易撮合、電子商務等，涉及對高并發數據的“增、刪、改、查”操作，對數據實時性、一致性、可靠性和安全性要求極高。分析型數據庫對來自操作型數據庫和其他數據源的歷史數據高效地進行大批量查詢，應用在海量、復雜數據環境下為企業決策提供數據分析。分析型數據庫對數據的實時性、一致性要求不高，但高并發的數據查詢提高一個量級。 表 1：操作型數據庫與分析型數據

24、OLTP 系統系統 聯機事務處理聯機事務處理 （操作型操作型數據庫數據庫管理系統管理系統） OLAP 系統系統 聯機分析處理聯機分析處理 （數據倉庫（數據倉庫管理系統管理系統） 數據來源 業務流程的原始數據 不同的 OLTP 數據庫和其他數據源 目的 控制和運行基本業務數據操作 幫助制定計劃、解決問題和決策支持 存儲形式 行存 列存 查詢 相對標準化和簡單，返回較少的記錄 聚集的復雜查詢 實時性 處理實時數據 處理歷史數據 處理速度 毫秒級 取決于涉及的數據量； 批處理數據的更新和復雜操作可能需要花費幾個小時； 空間要求 如果存檔歷史數據，可以相對較小 一般為 MB、GB 級別 較大，由于聚集

25、的結構和歷史數據的存在； 一般為 TB、PB 級別 數據庫設計 高度規范化， 表數量多、表間關系復雜 非規范化， 表數量少，使用星型和雪花型模式 備份和恢復 需認真備份；運營數據是業務運行的關鍵，數據丟失可能會帶來巨大的經濟損失和法律責任 有些環境可能不考慮常規備份， 而是簡單地將重新加載 OLTP 數據作為一種恢復方法 資料來源：Datawarehouse For You Website，中信證券研究部 按照數據組織形式，數據庫又可以分為關系型與按照數據組織形式，數據庫又可以分為關系型與非非關系型關系型：關系型關系型數據庫是指采用關數據庫是指采用關系模型來組織數據的數據庫，具有完備的數學理論

26、基礎、完善的事務管理機制和高效的查系模型來組織數據的數據庫，具有完備的數學理論基礎、完善的事務管理機制和高效的查詢處理引擎。詢處理引擎。關系型數據庫的核心是數據表（行、列數據） 、表內結構和表間關系，嚴格遵守原子性、一致性、隔離性和持久性的標準（ADCID） 。ACID 特性使關系型數據庫系統在中斷的情況下也能夠保證事務的準確執行。非關系型數據庫（非關系型數據庫（NoSQL）沒有統一的關系）沒有統一的關系模型，采用分布式部署，具有處理海量數據高并發讀寫的能力，且擴展性較好。模型，采用分布式部署，具有處理海量數據高并發讀寫的能力，且擴展性較好。傳統的關系型數據庫為了 ACID 的一致性原則導致其

27、數據的高并發讀寫性能比較差，固定的表結構降低了數據庫擴展性。非關系型模型實際上是一種新型的數據結構化存儲方法的集合，適用于各種非結構化、半結構化數據，能夠很好地滿足海量數據的高并發讀寫需求，且因為分布式部署而具有良好的擴展性。典型的 NoSQL 數據庫包括鍵值數據庫、列族數據庫、 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 2 文檔數據庫和圖形數據庫，主要應用場景為網頁、IoT、移動設備、社交網絡。 表 2：關系型數據庫和非關系數據庫的比較 比較標準比較標準 關系型數據關系型數據庫庫 非關非關系型數系型數據庫據庫 備注備注 數據庫原理 完全支持 部

28、分支持 關系數據庫有關系代數理論作為基礎； NoSQL 沒有統一的理論基礎 數據規模 大 超大 關系數據庫很難實現橫向擴展，縱向擴展的空間也比較有限，性能會隨著數據規模的增大而降低； NoSQL 可以很容易通過添加更多設備來支持更大規模的數據 數據庫模式 固定 靈活 關系數據庫需要定義數據庫模式，嚴格遵守數據定義和相關約束條件；NoSQL 不存在數據庫模式，可以自由、靈活地定義并存儲各種不同類型的數據 查詢效率 快 可實現高效的簡單查詢 關系數據庫借助于索引機制可以實現快速查詢（包括記錄查詢和范圍查詢）；很多 NoSQL 數據庫沒有面向復雜查詢的索引，雖然 NoSQL 可以使用 MapRedu

29、ce 來加速查詢，但是在復雜查詢方面的性能仍然不如關系數據庫 一致性 強一致性 弱一致性 關系數據庫嚴格遵守事務 ACID 模型，可以保證事務強一致性；很多 NoSQL 數據庫放松了對事務 ACID 四性的要求，而是遵守BASE 模型，只能保證最終一致性 擴展性 一般 好 關系數據庫很難實現橫向擴展，縱向擴展的空間也比較有；NoSQL 在設計之初就充分考慮了橫向擴展的需求， 可以很容易通過添加廉價設備實現擴展 標準化 是 否 關系數據庫已經標準化（SQL）；NoSQL 還沒有行業標準，不同的 NoSQL 數據庫都有自己的查詢語言，很難規范應用程序接口 技術支持 高 低 關系數據庫經過幾十年的發

30、展，已經非常成熟，Oracle 等大型廠商都可以提供很好的技術支持； NoSQL 在技術支持方面仍然處于起步階段，還不成熟，缺乏有力的技術支持 資料來源： 大數據技術原理與應用（第 2 版） （林子雨） ，中信證券研究部 數據庫管理系統數據庫管理系統在企業數據在企業數據流流管理管理體系體系中中處于核心處于核心地位地位。業務行為相關的數據首先在不同的操作型數據庫中進行事務處理 OLTP，然后通過 ETL 工具（提取、轉換、加載）匯聚整合成面向主題的、 全局的一致數據集合， 存儲在業務數據臨時存儲系統 ODS 中。 ODS的數據再次通過 ETL 工具轉換集成為結構化數據進入企業統一的數據倉庫。 數

31、倉數據針對某個特定主題分類，進入到從屬型數據集市。根據企業需要，基于操作型數據庫、數據倉庫和數據集市也能夠構建企業數據湖， 存儲著包括原始數據、 轉換數據在內的各種結構化、半結構化、非結構化數據，實現數據的集中式管理。經過匯總后的數據通過 OLAP 操作分析處理，并通過 BI 工具以體系化、可視化的方式直接呈現在決策者面前，為業務提供數據支撐。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 3 圖 1：企業數據流管理體系 資料來源：中信證券研究部繪制 “數據爆發“數據爆發+數據數據復雜度提升復雜度提升”是行業底層驅動力”是行業底層驅動力 作為大數據時

32、代底層支撐的數據庫管理系統在企業信息化建設中正處于前所未有的作為大數據時代底層支撐的數據庫管理系統在企業信息化建設中正處于前所未有的重要位置。重要位置。經過六十年的發展，數據庫已經成為數字經濟時代的軟件底座，幾乎所有的企業級數據、終端數據和邊緣設備數據都需要通過數據庫管理系統的管理和分析才能夠賦能上層應用或企業決策，發揮其最大的價值。隨著數字經濟滲透的加速，5G 網絡技術逐漸成熟，5G 應用蓬勃發展，驅動著全球數據量高速增長、數據結構的復雜度不斷提高。 從從 5G 基站建設進度看，基站建設進度看，5G 時代已經來臨時代已經來臨。截至 2020 年 6 月，全球已建成 70 萬個5G 基站，覆蓋

33、全球占 GDP 約 72%的地區，華為輪值董事長郭平在 2020 共贏未來全球線上峰會預計 2020 年底全球 5G 基站規模將達到 150 萬個。中國是 5G 網絡建設最領先的國家之一，2020 年中國已建成 5G 基站超 60 萬個，且工信部部長肖亞慶在 28 日召開的2021 年全國工業和信息化工作會議上表示，2021 年規劃新建超 60 萬站，將覆蓋全國所有地級以上城市。我們預計到 2022 年中國 5G 網絡將全面建成。 圖 2：中國 5G 基站建設情況及預測（單位：萬個） 資料來源：三大運營商官網，中信證券研究部預測 0.113608090805542010203040506070

34、80901002018201920202021E2022E2023E2024E2025E 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 4 5G 通信通信技術技術迭代迭代，數據傳輸速率和可靠性大幅提升，催生更多數據密集型應用數據傳輸速率和可靠性大幅提升，催生更多數據密集型應用，驅驅動動數據產生量與數據流量高速增長。數據產生量與數據流量高速增長。 根據IDC和Ovum數據， 2020年全球數據量高達40ZB（相當于 429 億塊 1TB 容量的硬盤） ，同比+22.5%，其中中國數據總量達到 12ZB，同比+50%；全球數據流量達到 2.07ZB，同比

35、+29.9%。與前幾代網絡相比，5G 網絡能力擁有質的飛躍，大大降低了數據傳輸的延時并提高整體網絡效率。5G 時代給用戶帶來了超越光纖的傳輸速度、超越工業總線的實時能力以及全空間的連接，推動云 AR/VR、車聯網、智能制造、無線醫療、智慧城市等數據密集型應用的蓬勃發展，也將驅動全球數據量和數據流量未來持續高速增長。IDC 預計 2024 年全球數據總量將實現 4 年 CAGR 28.1%的強勁增長到 132ZB；Ovum 預計到 2024 年全球數據流量將保持 4 年 CAGR 27.6%的高速增長到 5.49ZB。 圖 3：全球與中國數據量規模及增速（單位：ZB，%） 圖 4：全球流量規模及

36、增速（單位：ZB，%） 資料來源：IDC（含預測），中信證券研究部 資料來源：Ovum（含預測），中信證券研究部 數據結構復雜度不斷提升，半結構化、非結構化數據占比數據結構復雜度不斷提升，半結構化、非結構化數據占比不斷不斷提提高高。數字經濟時代每分每秒都在產生大量的語音、圖像、視頻等非結構化數據。不同場景、不同應用、不同來源的數據都匯聚在數據庫中等待分析，數據結構本身的復雜度不斷提升。此外，非結構化數據占比持續提高，但價值仍然沒有被充分發掘。根據 Ovum 數據，視頻類數據流量占據超過 77%的總流量比例。 根據 IDC 數據， 非結構化數據占整體數據量比重高達 80%以上，在排除一定比例的半

37、結構化數據后，現階段真正用于大數據分析支撐企業決策的只有占較小比例的結構化數據，這意味著絕大部分非結構化數據的價值還未被充分發掘。 存儲技術存儲技術和云計算和云計算的發展使企業能夠存儲海量非結構數據，人工智能技術極大地提高的發展使企業能夠存儲海量非結構數據，人工智能技術極大地提高對非結構數據的需求并最終賦能應用。對非結構數據的需求并最終賦能應用。過去由于存儲技術、資源和數據庫技術的限制，非結構化的數據無法有效保存和調用。但隨著存儲技術和云計算的不斷發展，企業可以擁有充足的、可擴展的存儲資源和存儲方法。機器學習、自然語言處理、圖像識別等人工智能技術也增加了對海量非結構化數據的需求。在存儲非結構化

38、數據之后，賦能應用之前，必須經過數據庫管理系統才能夠對非結構化數據進行調用、處理和分析，才能讓數據資產化并賦能企業發展。 0.0%10.0%20.0%30.0%40.0%50.0%60.0%0204060801001201402018 2019 2020 2021E2022E2023E2024E中國數據量全球數據量中國YoY全球YoY0.0%10.0%20.0%30.0%40.0%50.0%0.001.002.003.004.005.006.00移動網絡固網Wi-Fi總計同比增速 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 5 圖 5：2020 年

39、全球數據流量比例（按應用類型） 圖 6：非結構化數據占比（單位：%） 資料來源：Ovum，中信證券研究部 資料來源：IDC，中信證券研究部 云趨勢云趨勢明確明確，云數據庫引領全球數據庫市場增長云數據庫引領全球數據庫市場增長 數據庫技術變遷：從本地一體機到分布式部署再數據庫技術變遷：從本地一體機到分布式部署再到云化到云化 數據庫經歷從一體機到數據庫經歷從一體機到分布式數據庫分布式數據庫再到云化的過程：再到云化的過程： 第一第一階段階段： 數據庫數據庫一體機。一體機。 傳統的本地數據庫以 Oracle、 IBM、 Microsoft、 SAP、 Teradata等廠商提供的方案為代表，數據庫管理系

40、統自誕生以來一直主導著數據庫市場。數據庫系統運行在預配置的設備之上，這些高度優化的設備具有固有的可擴展性和容量限制，通常只能通過更換更高性能的硬件設備以進行縱向擴展；而高度耦合的存儲和計算亦使得數據庫缺乏彈性，設備只能根據峰值需求預先購買，但非峰值運行的狀態下部分計算資源只能閑置。 第二第二階段階段：非關系型數據庫非關系型數據庫 NoSQL+分布式架構分布式架構 Hadoop。2005 年，隨著互聯網時代數據規模爆炸式增長以及摩爾定律延緩，企業開始探索分布式數據庫，非關系型數據庫NoSQL 應運而生。 基于 Hadoop 分布式架構的 NoSQL 數據庫將昂貴的數據庫一體機替換為大量廉價的硬件

41、集群，降低成本的同時使得性能能夠線性擴展，同時也支持結構化、半結構化、非結構化數據的處理。以 HBase 為代表的 OLTP 和以 Cloudera 為代表的 OLAP是 Hadoop 分布式架構生態的重要產品。 但 Hadoop 架構的數據庫亦有其天然的不足： 1）分布式架構在可擴展的同時會犧牲數據的一致性，對 OLTP 支撐不足，也使得 Hadoop 架構之后更多用于數據倉庫領域；2）Hadoop 架構所謂的可擴展仍然需要購買、安裝和配置硬件，無法迅速完成；3）存儲和計算仍未實現完全解耦，擴展后的計算資源在非峰值運行的狀態下仍會閑置，該架構下的數據庫仍然缺乏彈性；4）Hadoop 架構不支

42、持 SQL 查詢，易用性相對欠缺。 第三階段： 關系型數據庫與可拓展性融合第三階段： 關系型數據庫與可拓展性融合， 即分布式的關系型數據庫， 即分布式的關系型數據庫 NewSQL。 2012年-2013 年， Google 發布 Spanner 和 F1 兩套數據庫系統， 將關系模型和過去只有 NoSQL才擁有的擴展性融合在一個大規模生產系統上。 Spanner和F1仍然基于分布式存儲系統，35.3%15.6%26.3%4.3%1.0%0.7%2.1%10.8%3.9%社交短視頻訂閱模式的流媒體廣告模式的流媒體游戲音樂VR社交媒體通信其他數據80%20%半結構化與非結構化數據結構化數據 前瞻研

43、究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 6 但創造性地引入 GPS 時鐘+原子鐘的方式解決時鐘同步問題。 分布式數據庫從此擁有 SQL支持、ACID 事務性、水平擴展、多機房異地容災的特性。 第第四四階段階段： 完全基于云的數據庫。： 完全基于云的數據庫。 OLTP 以 AWS Aurora、 Google Cloud SQL & Cloud Spanner 和 Microsoft Azure Database for MySQL 為代表；OLAP 則以 AWS RedShift、Google BigQuery、Microsoft Azure Syn

44、apse Analytics 和 Snowflake 為代表。依托公有云的存儲和計算資源，云數據庫實現了存儲和計算的完全解耦，在提供近乎無限的延展性和高彈性的同時，亦保障了數據的一致性，并支持結構化和半結構化數據的處理。同時，云數據庫平臺作為服務整體交付， 節約了用戶管理基礎架構所需的成本、 時間和資源。 目前，數據管理軟件向云端的遷移亦成為明確趨勢， 并不斷擠占傳統 on premise 模式下的產品空間。 圖 7：數據庫的技術變遷：云趨勢明確 資料來源：中信證券研究部繪制 規模及增速：規模及增速：500 億市場穩步增長，云數據庫貢獻最大增量億市場穩步增長，云數據庫貢獻最大增量 云數據庫引領

45、全球數據庫市場云數據庫引領全球數據庫市場穩步穩步增增長長。根據 IDC 統計數據，在數據爆發式增長、數據復雜度提升的驅動下， 2019 年全球 DBMS 市場規模高達 493 億美元， 同比增長 18.2%。2020 年，全球 DBMS 市場規模小幅降至 487 億美元，主要原因是數據庫市場受到疫情沖擊，本地部署的數據庫項目被推遲，同比下滑 6.2%，但同時云數據庫仍然保持 11.6%的增速。長期來看，數據量高增疊加數據結構復雜度提升是長期驅動因素，預計云數據庫將成為未來數據庫部署方式。 根據 IDC 預測， 2024 年全球數據庫市場規模將穩步增長至 739億美元，2020-2024 年 C

46、AGR 將達 8.7%。其中云數據庫市場規模將達到 404 億美元，占比提升至 55%。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 7 圖 8：全球數據庫市場規模及增速（單位：億美元，%） 圖 9：數據庫本地部署和云部署份額變化（%） 資料來源：IDC（含預測），中信證券研究部 資料來源：IDC（含預測），中信證券研究部 操作型數據庫和分析型數據庫并行發展。操作型數據庫和分析型數據庫并行發展。數據庫管理系統誕生最初便是關系型的操作型數據庫，在進行業務數據的事務操作同時承擔簡單的數據分析工作。1990 年后，企業對海量數據分析的需求提升，傳統的操作

47、型數據庫在高并發數據查詢時效率太低，因此數據倉庫誕生并完全承接企業的數據挖掘、數據分析功能。此后，兩個數據庫細分市場并行發展，一般認為操作型數據庫偏傳統數據庫領域，而數據倉庫偏大數據分析領域。但無論是操作型數據庫還是數據倉庫，云化都是兩個細分市場確定的發展方向，且隨著 HTAP 技術的發展，OLTP 與 OLAP 界限將變得更加模糊，市場重合度將持續提升。 圖 10：數據庫細分市場 資料來源：William Blai，CSDN，各數據庫公司官網，中信證券研究部繪制 -4.0%-2.0%0.0%2.0%4.0%6.0%8.0%10.0%12.0%14.0%16.0%010203040506070

48、80201920202021E 2022E 2023E 2024E公有云DBMS本地DBMS整體同比增長率32%55%68%45%0%10%20%30%40%50%60%70%80%201920202021E2022E2023E2024E公有云DBMS本地DBMS 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 8 細分市場規模及增速：細分市場規模及增速：操作型數據庫市場更大，數據倉庫增速更高。在云化趨勢下，預計未來云操作型數據庫和云數倉都將保持 25%以上的高速增長。 操作型數據庫：操作型數據庫：根據 IDC 數據，2019 年全球操作型數據庫市場規

49、模為 325 億美元， 其中云操作型數據庫規模 81 億美元。 IDC 預計 2024 年全球全球操作型數據庫市場規模將達到 482 億美元，2019-2024 年 CAGR 為 8.2%；其中云操作型數據庫市場規模將達到 253 億美元，2019-2024 年 CAGR 為 25.6%。 數據倉庫數據倉庫：根據 IDC 數據，2019 年全球數據倉庫市場規模為 168 億美元，其中云數據倉庫市場規模為 59 億美元。 IDC 預計 2024 年全球數據倉庫市場規模將達到 297 億美元，2019-2024 年復合增速為 12%；其中云數據倉庫市場規模將達到 181 億美元，2019-2024

50、 年復合增速為 25.3%。 圖 11：全球 OLTP 市場規模及增速（單位：億美元，%） 圖 12：全球 OLAP 市場規模及增速（單位：億美元，%） 資料來源：IDC（含預測），中信證券研究部 資料來源：IDC（含預測），中信證券研究部 競爭格局：從市場份額、產品矩陣和競爭策略看全球市場三極競爭格局：從市場份額、產品矩陣和競爭策略看全球市場三極 數據庫市場數據庫市場三極三極：傳統巨頭包括 Oracle、IBM、Microsoft 和 SAP，它們的數據庫產品發展歷史較長、產品成熟度相對較高、云原生屬性較弱、在傳統關系型數據庫市場中占據壟斷地位；云廠商包括亞馬遜 AWS、Microsoft

51、Azure 和谷歌，其數據庫產品核心特點為部署在云端，依靠云生態沖擊傳統競爭格局；純數據庫廠商包括 Cloudera、Teradata等發展時間較長的數據服務商和 MongoDB、MarkLogic、DataStax、RedisLabs、Neo4j、Snowflake、MapR 等專注于非關系型和分析型數據庫業務的新興廠商。 產品矩陣：產品矩陣：傳統巨頭深耕關系型數據庫，云廠商從關系型 OLTP 向非關系型 OLTP 和關系型 OLAP 延伸，純數據庫廠商在非關系型 OLAP 領域發力。在產品矩陣的顏色分布圖中，我們可以看到代表傳統巨頭的黃色只出現在關系數據庫中，而代表云廠商的紅色則出現在三個

52、產品象限里，分別是關系型交易數據庫、關系型分析數據庫、非關系型交易數據庫。除 PostgreSQL、MySQL、MemSQL 三個開源數據庫以外，關系型 OLTP 市場被傳統巨頭和云廠商瓜分，這也是數據庫市場最大的細分板塊。而更靠近大數據分析的非關系型 OLAP 領域中，包括 Cloudera、Snowflake、DataBricks 等純數據庫廠商占據優勢。 -20.0%0.0%20.0%40.0%60.0%80.0%100.0%050100150200250300云OLTP本地OLTP云OLTP增速本地OLTP增速-20.0%0.0%20.0%40.0%60.0%80.0%100.0%05

53、0100150200云OLAP本地OLAP云OLAP增速本地OLAP增速 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 9 圖 13：產品矩陣顏色分布圖 資料來源：CSDN，各數據庫公司官網，中信證券研究部繪制 市場份額：市場份額：2018 年，年，Oracle、Microsoft、AWS、IBM、SAP 市場份額位列前五。市場份額位列前五。傳統巨頭仍然占據較大份額但面對來自云廠商的激烈競爭，以 AWS 為首的云廠商市場份額排名迅速提升。2018 年，Oracle 依托市場積累優勢和數據庫遷移壁壘保持市場份額第一的位置， 但份額逐年下滑； Micro

54、soft 憑借云數據庫收入近 140%的增長超越 IBM 和 SAP，位居第二；AWS 憑借高達 63 億美元的云數據庫收入成為第三大數據庫廠商，其云數據庫收入超過其他主流廠商云數據庫收入之和， 且保持極高同比增速 74.7%。 AWS 和 Microsoft兩家公司的云數據庫收入增長貢獻數據庫市場總增長的 75.5%；中國公有云廠商阿里云和騰訊云市場份額顯著提升：2018 年阿里云數據庫實現收入 4.6 億美元并首次進入 Gartner魔力象限領導者位置，騰訊云數據庫實現收入 2.5 億美元，同比增長 2.5 倍。 圖 14：2011-2018 年全球 DBMS 市場收入排名 資料來源：Ga

55、rtner 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 10 圖 15：2016-2018 全球前十大數據庫廠商云數據庫收入（百萬美元） 資料來源：Gartner, 中信證券研究部 未來發展趨勢：未來發展趨勢：DBaaS、HTAP 混合事務分析、容器和微服務技術混合事務分析、容器和微服務技術 趨勢一：趨勢一：數據庫即服務（數據庫即服務（DBaaS） DBaaS 極大地簡化企業對數據庫的管理、維護和更新，真正做到開發者只“使用”極大地簡化企業對數據庫的管理、維護和更新，真正做到開發者只“使用”數據庫，而不是被數據庫繁瑣的工作所困擾。數據庫，而不是被數

56、據庫繁瑣的工作所困擾。傳統數據庫需要數據庫管理員耗費大量精力承擔數據庫的安裝、升級、管理、測試、安全等任務，并且隨著企業業務規模的擴大，數據爆發式增長，維護工作將變得越來越復雜，對數據管理員的能力和時間要求更高。實際上，難以維護是傳統數據庫最大的痛點之一，而云數據庫恰好能夠解決這一痛點。此外，按需購買、極高的擴展性以及將資本開支轉化為每年營運成本的商業模型等優勢都吸引著企業使用 DBaaS，就像 IaaS 和 SaaS 一樣。 毫無疑問，云數據庫對數據庫市場的沖擊是巨大且持續的毫無疑問，云數據庫對數據庫市場的沖擊是巨大且持續的。幾乎所有的數據庫廠商，包括傳統巨頭和純數據庫廠商，都提供數據庫產品

57、的云化版本或是推出云原生數據庫產品。但顯然，云廠商將會是 DBaaS 最大的受益方。它們依托它們依托 IaaS 生態強大的粘性和激進的數生態強大的粘性和激進的數據庫遷移策略吸引著企業，據庫遷移策略吸引著企業，而而使用云數據庫使用云數據庫又進一步又進一步地提高客戶粘性，形成對生態的地提高客戶粘性，形成對生態的持續持續正向反饋。正向反饋。 根據 IDC 數據， 2020 年本地部署 DBMS市場規模 333 億美元， 同比下滑 6.2%，絕大部分是維保費以及軟件許可的續費，幾乎沒有新增的軟件授權費。與此同時，云數據庫市場規模 154 億美元， 預計 2024 年規模將高速擴張至 404 億美元，

58、5 年 CAGR 21.2%，占比55%。 而Gartner甚至大膽預測， 2024年云數據庫市場規模將占到數據庫市場的75%。 安全性和可靠性是企業使用云數據庫的最大阻礙。安全性和可靠性是企業使用云數據庫的最大阻礙。雖然分布式技術使得單一節點的故障幾乎不會影響整體系統，同時各大公有云廠商不斷更新技術以確保自身的安全和可靠性，但實際上公有云宕機事故仍然在發生?；谠茢祿扉_展核心業務的客戶無法承受哪怕極短時間的業務中斷。三大公有云廠商均發生過大規模的宕機事故，最近的一起事故發生在2020 年 12 月 14 日， Google 云服務遭遇全球大面積宕機， 旗下的云服務中斷近 30 分鐘，而這一

59、嚴重事故發生的原因僅僅是因為簡單的磁盤存儲空間不足。 而此事件發生的 5 天前，谷歌的歐洲云業務剛剛出現事故，宕機 84 分鐘。 6,319 2,149 461 373 285 247 138 120 79 66 251 - 1,000 2,000 3,000 4,000 5,000 6,000 7,000AWSMicrosoftAzureAlibabaOracleGoogleTencentHuaweiIBMClouderaMongoDBOther201620172018 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 11 圖 16：DBaaS 架構

60、 資料來源：William Blai，中信證券研究部繪制 趨勢二：趨勢二：混合事務分析混合事務分析 HTAP HTAP 混合事務分析是指可以同時執行實時交易處理和海量數據分析的數據庫架構，混合事務分析是指可以同時執行實時交易處理和海量數據分析的數據庫架構，以打破以打破 OLTP 和和 OLAP 之間的隔閡之間的隔閡。HTAP 既可以應用于操作型數據庫場景，亦可以應用于分析型數據庫場景。 傳統的數據架構是 OLTP 執行各類業務后數據通過 ETL 過程進入數據整合層 ODS，再通過 ETL 進入數據倉庫，再經由 OLAP 對數據倉庫沉淀的數據做分析處理。HTAP 避免了昂貴且耗時的 ETL 操作

61、，可以更快地對實時數據進行分析處理。在HTAP 架構下，業務執行過程中的數據在產生之初便可以用來進行分析，數據也不需要在經過不同操作時進行重復拷貝存儲。HTAP 混合事務分析將賦能企業提高對數據的態勢感知能力和業務敏銳度。 HTAP 已成為數據庫技術的熱點研究方向。已成為數據庫技術的熱點研究方向。2020 年，數據庫頂級期刊 PVLDB 發表五篇和 HTAP 相關的論文，包括 Google 的F1 Lightning: HTAP as a Service 、PingCAP的TiDB: a Raft-based HTAP database 、IBM 的Replication at the spe

62、ed of change: a fast, scalable replication solution for near real-time HTAP processing 、 阿里的 hologres: a cloud-native service for hybrid serving/analytical processing和 Databricks 的Delta lake: high-performance ACID table storage over cloud object stores 。HTAP 系統可分成兩大類： 單一 HTAP 系統承載 OLTP 和 OLAP。PingCA

63、P 的 TiDB 屬于單一 HTAP 系統，從架構設計之初將 TP 和 AP 緊耦合，并針對 HTAP 進行整體優化，可采用行列混合存儲引擎，提高性能。但單一 HTAP 系統的缺點是 OLAP 部分容易對 OLTP部分形成干擾。 松耦合的 OLTP 和 OLAP 系統。Google F1 團隊最新發表的 Lightning 系統屬于松耦合的 TP 和 AP 系統。相對于既有的 HTAP，Lightning 的優勢在于在盡可能 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 12 少地入侵 TP 系統的情況下建設 HTAP；擁有只讀的列存副本，提供更好的

64、執行效率；更簡潔地配置和去重；較強的擴展性，可以對接 F1 DB 和 Spanner 以外不同的 TP 數據庫。 圖 17：谷歌 HTAP 混合事務分析架構 資料來源：F1 lightning: HTAP as a service. Proc. VLDB Endow. 13, 12 (August 2020), 33133325 (Google) 趨勢三：趨勢三：容器容器/微服務技術微服務技術 容器容器/微服務微服務技術是指將軟件打包為標準化單元，以用于開發、交付和部署。容器是輕技術是指將軟件打包為標準化單元，以用于開發、交付和部署。容器是輕量的、可執行的獨立軟件包量的、可執行的獨立軟件包，包

65、含軟件運行所需要的所有軟要素：代碼、運行環境、系統工具、系統庫和設置。容器化的軟件能夠在任何環境中始終如一地運行，適用于任何基于Linux 和 Windows 的應用。容器賦予了軟件獨立于外部環境的特性，免受開發、預演、運行環境差異的影響。 容器技術和虛擬化技術有相似的資源隔離和分配優勢，但容器虛擬化的是操作系統而容器技術和虛擬化技術有相似的資源隔離和分配優勢，但容器虛擬化的是操作系統而不是硬件，因此容器更容易移植、效率也更高。不是硬件，因此容器更容易移植、效率也更高。傳統虛擬機技術是虛擬出一套硬件后，在其上運行一個完整操作系統，在該系統上再運行所需應用進程；而容器內的應用進程直接運行于宿主的

66、內核，容器內沒有自己的內核，也沒有進行硬件虛擬。因此容器要比傳統虛擬機更為輕便。但兩者并不是互斥關系，而是互補關系?？蛻敉耆梢酝瑫r虛擬化硬件，同時虛擬化操作系統，即基于虛擬化技術使用容器技術。 未來，使用容器技術開發微服務的開發者可以在每個容器開發時選擇最適合的數據庫未來，使用容器技術開發微服務的開發者可以在每個容器開發時選擇最適合的數據庫，而不是像過去一樣開發所有應用都依賴某個單一的大型數據庫。而不是像過去一樣開發所有應用都依賴某個單一的大型數據庫。更具體地說開發人員可以根據應用對性能、可用性、一致性和可靠性的不同要求采用最適合微服務的數據庫。這有助于確保應用程序的平穩運行，并防止數據流出

67、現瓶頸（嚴重妨礙應用程序的性能） 。例如，關系數據庫的緩慢性能使其不適用于依賴微秒級延遲訪問數據的、基于微服務的應用程序。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 13 圖 18：容器技術開發微服務應用 圖 19：容器技術與虛擬化技術 資料來源：中信證券研究部繪制 資料來源：Docker 官網，中信證券研究部繪制 國內數據庫市場空間巨大，云國內數據庫市場空間巨大，云+國產替代促增長提速國產替代促增長提速 規模及競爭格局：百億市場，海外主導，四方角力規模及競爭格局：百億市場，海外主導，四方角力 綜合各方數據（綜合各方數據（IDC、Gartner、

68、智研咨詢、賽迪顧問） ，、智研咨詢、賽迪顧問） ，2020 年中國數據庫市場規模年中國數據庫市場規模預計將達到預計將達到 200 億元億元，同比增速超 20%，且近年來增速呈現不斷提高趨勢。2020 年，預計我們預計中國關系型數據庫規模約 160 億元，同比增長 17.6%，占比高達 80%。非關系型數據庫規模約 40 億元，同比高速增長 43.5%，占比約 20%。雖然在海量非結構數據分析需求的驅動下， 非關系型數據庫高速增長， 但現階段關系型數據庫仍然占據主導地位，與全球趨勢保持一致。 圖 20：中國數據庫市場規模及增速（單位：億元，%） 圖 21：中國關系型與非關系型市場規模及增速（單位

69、：億元，%） 資料來源：智研咨詢，中信證券研究部預測 資料來源：智研咨詢，中信證券研究部預測 國內數據庫市場四方角力，海外巨頭占據最大市場份額。國內數據庫市場四方角力，海外巨頭占據最大市場份額。國內市場主要參與者為海外巨頭（Oracle、Microsoft、IBM、AWS 等） ；國內公有云廠商（阿里云、騰訊云） ；設備商（華為、中興通訊） ；傳統四大數據庫廠商（武漢達夢、人大金倉、南大通用、神州信息）以及新興數據庫廠商（巨杉大數據、PingCAP 等） 。海外巨頭仍然占據最大市場份額，但200.4622%0.0%5.0%10.0%15.0%20.0%25.0%0.0050.00100.001

70、50.00200.00250.00中國數據庫市場規模yoy0.0%10.0%20.0%30.0%40.0%50.0%0.0050.00100.00150.00200.00關系型數據庫市場規模非關系型數據庫市場關系型市場同比增速非關系型市場同比增速 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 14 隨著云趨勢和國產化替代推進，傳統海外巨頭的份額不斷縮小。阿里云和騰訊云依靠本土生態優勢在云數據庫競爭中領先于 AWS 和 Microsoft。傳統四大數據庫廠商和新興廠商主要受益于國產替代。 新興數據庫廠商技術領先， 產品創新， 勢頭強勁， 巨杉大數據、

71、PingCAP等廠商紛紛拿下銀行金融領域標桿案例。 圖 22：2019 年中國數據庫管理系統部分廠商銷售額（單位：億元） 圖 23：國產數據庫規模及占比（單位：億元，%） 資料來源：賽迪顧問，中信證券研究部 資料來源：智研咨詢，中信證券研究部 產品布局：云廠商和設備商產品線完整，產品布局：云廠商和設備商產品線完整，傳統四大和傳統四大和新興數據庫廠商聚焦于細分領域新興數據庫廠商聚焦于細分領域產品產品。在 OLTP、OLAP 和 HTAP 場景中，傳統數據庫廠商均有對應的產品或解決方案；云巨頭和設備商的數據庫產品線更完整，在 OLTP、OLAP、關系型數據庫和非關系型數據庫領域均有布局，工具生態方

72、面也很豐富；而大部分新興數據庫公司則聚焦于細分領域產品，擁有獨特的競爭優勢。國內傳統數據庫廠商專注于關系型數據庫產品，只有武漢達夢擁有圖數據庫產品。 表 3：國產數據庫廠商產品矩陣梳理 公司公司/項目項目 OLTP OLAP HTAP NoSQL 是否開源是否開源 成立成立時間時間 阿里 PolarDB、OceanBase AnalyticDB AnalyticDB GDB（圖）、TSDB（時序） 否 2009 騰訊 CynosDB、 TDSQL TBase TBase TGDB（圖）、CTSDB（時序） 、 TcaplusDB （鍵值） TBase 開源 2010 華為 OpenGauss、

73、GaussDB for MySQL、GaussDB for PostgreSQL GaussDB（DWS） / GaussDB（文檔、寬列、時序、K-V） openGauss開源 2011 中興通訊 GoldenDB / GoldenDB / 否 2011 武漢達夢 DM8+DSC（RAC）、DM8+DataWatch（DataGuard） DM8+DM MPP DM8TDD（分布式） （圖）GDM 否 2000 南大通用 GBase 8s GBase 8a GBase UP / 否 2004 人大金倉 KingBase ES KingBase Analystics DB KSOne / 否

74、1999 神州通用 神通數據庫 神通 Kstore、神通K-Cuber 聯機分析處理系統 神通（MPP 集群版）數據庫 / 否 2003 萬里開源 GreatDB Cluster GreatDB-Tscale GreatDB Cluster / 否 2000 63.09 13.47 11.61 9.74 5.74 2.72 2.56 2.00 1.50 1.45 0102030405060704.03%4.77%5.68%6.68%8.03%9.32%10.48%12.40%14.27%0%5%10%15%020406080100120140國產數據庫國外數據庫國產數據庫市場份額占比 前瞻研究

75、系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 15 公司公司/項目項目 OLTP OLAP HTAP NoSQL 是否開源是否開源 成立成立時間時間 PingCAP TiDB / TiDB / 是 2015 星環 KunDB Inceptor、ArgoDB / StellarDB、 NewSearch、Hyperbase 否 2013 巨杉 / / SequoiaDB / 是 2011 浪潮 K-DB inData inData / 否 2008 資料來源：各公司官網，中信證券研究部 流行程度：流行程度：按照云和恩墨的墨天輪數據庫流行度，新興數據庫廠商 Pi

76、ngCAP 的 TiDB超越阿里的 OcaenBase 排名第一，且維持 2020 年一整年的熱度。其次分別為武漢達夢、阿里的 OceanBase、 南大通用 GBase、 騰訊 TDSQL、 阿里的 PolarDB、 華為 GaussDB、中興 GoldenDB 和阿里的 AnalysticDB。 （墨天輪的流行度綜合考慮了第三方機構、市場份額排名、搜索引擎條目數、趨勢指數、博本指數等，反映數據庫產品的熱度。 ） 圖 24：國產數據庫流行度排行 TOP10 資料來源：墨天輪 云數據庫：驅動國內數據庫市場迎來結構性機遇，行業顯現云數據庫：驅動國內數據庫市場迎來結構性機遇，行業顯現 全球云數據庫

77、趨勢全球云數據庫趨勢明確明確，國內云廠商產品競爭力強且具有比較優勢。，國內云廠商產品競爭力強且具有比較優勢。參考全球數據庫市場，近兩年海外巨頭之間份額變化均主要受云數據庫收入驅動。Oracle、IBM 因為 IaaS劣勢而在云數據庫競爭中落入下風，導致排名下滑。AWS 憑借云數據庫收入成為全球第二大數據庫廠商。微軟云數據庫貢獻其收入增量的絕大部分。幾乎所有領先的數據庫廠商均將新數據庫產品部署在云端，并推出云原生數據庫。國內阿里云、騰訊云和華為云數據國內阿里云、騰訊云和華為云數據庫產品競爭力強，且在中國市場具備比較優勢。庫產品競爭力強，且在中國市場具備比較優勢。根據 Gartner 數據，201

78、8 年，阿里云數據庫收入高達 4.61 億美元，同比增長 115.77%，排名僅次于 AWS 和 Microsoft 成為全球第三大云數據庫廠商。騰訊云數據庫收入達 2.47 億美元，同比增長 123.09%，排名第六。華為憑借混合云優勢，實現數據庫收入 1.38 億美元，同比增長 94.22%，排名第七。2018年和 2019 年，阿里云連續兩年入選“挑戰者”象限。2020 年，阿里云首次挺進全球數據庫魔力象限的領導者象限， 這也是中國數據庫首次進入全球頂級數據庫行列， 此外騰訊云、華為云進入“特定領域者”象限。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免

79、責條款部分 16 圖 25：阿里、騰訊、華為云數據庫高速增長（單位：億美元） 圖 26：2020 年 Gartner 全球數據庫魔力象限 資料來源：Gartner，中信證券研究部 資料來源：Gartner 我們預計我們預計 2020 年年國內國內云數據庫增長云數據庫增長 33.2%至至 104 億元，貢獻億元，貢獻國內數據庫市場國內數據庫市場增量的增量的71.7%，同時，同時國內云廠商將占據中國云數據庫主要增長紅利國內云廠商將占據中國云數據庫主要增長紅利。根據 IDC 的報告，2019 年國內關系型云數據庫市場，國內云廠商占據約 3/4 的市場份額，其中阿里、騰訊、華為分別占據市場的 48.1

80、%、20.4%、10%。我們認為未來云數據庫高速增長趨勢明確，中國數據庫市場未來增長將持續受益于數據庫云化，行業顯現?；趪鴥仍茝S商數據庫收入極高的增速，我們保守估計，我們保守估計，到到 2024 年，中國云數據庫市場規模將增長至年，中國云數據庫市場規模將增長至 395 億元，億元，4 年年CAGR 39.6%，占國內市場比重提升至，占國內市場比重提升至 74%。 圖 27：2019 年公有云模式下中國關系型數據庫市場份額（單位：%） 圖 28：2020-2024E 中國云數據庫市場規模及預測（單位：億元） 資料來源：IDC，中信證券研究部 資料來源：IDC，中信證券研究部預測 國產替代：國產

81、替代：技術差距技術差距多大多大、替代進展如何、未來重點在哪、替代進展如何、未來重點在哪 問題一：問題一：國內國內外數據庫外數據庫技術技術有多大差距有多大差距 數據庫管理系統屬于美國“卡脖子”技術。數據庫管理系統屬于美國“卡脖子”技術。數據庫技術一直以來被認為是計算機基礎軟件中技術難度最高的領域，純論技術難度甚至高于操作系統（操作系統的難度更多是在于生態） 。在 2020 年中美爭端升級的背景下，中科院提出一份美國對中國關鍵技術的“卡脖子” 清單。 根據科技日報梳理， 中國被美國卡脖子的關鍵核心技術一共設計 35 個領域，-50.0%0.0%50.0%100.0%150.0%200.0%250.

82、0%300.0%350.0%400.0%450.0% - 50.00 100.00 150.00 200.00 250.00 300.00 350.00 400.00 450.00 500.002016201720182017YoY2018YoY48.10%20.40%10.40%7%3%2.50%8.60%阿里騰訊AWSOracle華為微軟其他0.0%10.0%20.0%30.0%40.0%50.0%0.0100.0200.0300.0400.0500.020192020 2021E 2022E2023E 2024E云數據庫市場規模本地部署市場規模云數據庫市場同比增速本地部署市場同比增速 前

83、瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 17 數據庫管理系統領域便位列其中。在 2020 年 9 月中國科學院“率先行動”計劃第一階段實施進展情況發布會上，中科院表示將把卡脖子清單變成科研清單，全面攻克技術難題。 表 4：涉及卡脖子技術的 35 項關鍵領域 序序號號 技術技術 序序號號 技術技術 序序號號 技術技術 序序號號 技術技術 序序號號 技術技術 序序號號 技術技術 序序號號 技術技術 1 高端光刻機以及相關技術 6 機器人核心算法 11 重型燃氣 輪機 16 ITO 靶材 21 高端焊接電源 26 激光雷達 31 掘進機主軸承 2 芯片

84、制造以及相關設計工程軟件 7 航空發動機 12 高壓柱塞泵 17 高端銑刀、高端軸承鋼 22 醫學影像設備元器件 27 高端軸承鋼 32 高強度不銹鋼 3 個人電腦和手機操作系統，以及相關工程軟件 8 觸覺傳感器 13 高壓共軌 系統 18 微球 23 超精密拋光工藝 28 航空鋼材 33 鋰電池隔膜 4 核心工業軟件 9 真空蒸鍍機 14 透射式電鏡和掃描電鏡 19 水下連接器 24 高端環氧樹脂 29 航空設計軟件 34 掃描電鏡 5 數據庫管理系統數據庫管理系統 10 手機射手機射頻器件頻器件 15 高端電容電高端電容電阻阻 20 燃料電池關燃料電池關鍵材料鍵材料 25 iCLIP 技術

85、技術 30 光刻膠光刻膠 35 適航適航 標準標準 資料來源：科技日報，中信證券研究部 在數據庫技術在數據庫技術的的前沿前沿研究領域中，研究領域中，中國中國已成為影響力最強的國家之一已成為影響力最強的國家之一。我們分析了數據庫領域三大頂級期刊之一的 VLDB（Very Large Data Base）2015 到 2020 年發表的論文，發現中國在數據庫技術研究的前沿領域中進步速度很快。VLDB 是數據庫管理系統領域最杰出研究和成果的實時傳播場所，也是各科研院所和企業數據庫技術的試金石。2020年 VLDB 一共刊登 63 篇論文，涉及的數據庫技術熱點方向包括異常檢測、數據庫存儲、云數據庫、機

86、器學習等方向。其中來自中國的學者和研究人員發表 23 篇，排在所有國家第一位，論文數占比 36.5%。2020 年共有 234 位作者在 VLDB 發表論文，其中中國學者23 位，占比 9.8%。而如果范圍擴大到華人作者，則占比提高至 38.4%。從業界發表論文角度，阿里和騰訊能夠較好代表中國數據庫技術的最高水平，其中阿里發表三篇論文，與谷歌、微軟、IBM 發表論文數相同。中國新興數據庫公司 PingCAP 也成功在 VLDB 發表論文，其最新產品 TiDB 4.0 的 HTAP 關鍵模塊 TiFlash 正是基于此論文推出。從頂尖會議論文發表數角度看，中國已成為數據庫技術前沿研究領域影響力最

87、強的國家之一。 圖 29：2020 年按國家分類 VLDB 論文發表數（單位：篇） 資料來源：Web of Science, 中信證券研究部 23210510152025 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 18 圖 30：2015-2020 年中美 VLDB 論文數目對比（單位：篇） 圖 31：2020 年 VLDB 部分企業發表論文數（單位：篇） 資料來源：Web of Science, 中信證券研究部 資料來源：Web of Science, 中信證券研究部 從從數據庫管理系統數據庫管理系統產品角度產品角度看看，中國，中國與國外與國外

88、仍然存在較大差距仍然存在較大差距，但隨著國產替代進程，但隨著國產替代進程加快，加快，預計預計中國產品成熟度將會迅速提升中國產品成熟度將會迅速提升。中國在數據庫技術的前沿研究中已具備較強的影響力，但數據庫管理系統是一項龐大的軟件工程，需要與客戶業務場景進行打磨，不斷迭代成品，積累代碼。Oracle 數據庫 12.2 版本有接近 2500 萬行代碼。產品不斷的積累和迭代造就了國外知名數據庫公司產品較高的成熟度和可靠性。而國內的數據庫產品往往在誕生之初就面對 Oracle、IBM 的激烈競爭，難以擁有接觸客戶核心業務場景的機會，因此產品迭代困難。 阿里、 騰訊的數據庫產品之所以能夠成為國內代表， 依

89、靠的是與自身電商、支付、社交等核心業務場景的不斷打磨，而其他數據庫公司之前難以擁有這樣的機會。但隨著中美貿易爭端加劇、 國產替代進程加快， 越來越多的國內企業開始提供核心業務場景，與數據庫公司共同推進數據庫產品研發。我們認為，隨著底層代碼積累與產品迭代，中國數據庫產品的成熟度和可靠性將會迅速提升。 問題二：問題二：國產替代進展程度國產替代進展程度如何如何 國產數據庫國產數據庫的明確目標是替代的明確目標是替代 Oracle 和和 IBM 數據庫數據庫，電信運營商、銀行金融、電力，電信運營商、銀行金融、電力等等重點領域進展較快重點領域進展較快。根據智研咨詢數據，2017 年國產數據庫僅占 14.2

90、7%的市場份額，有巨大的替代空間。數據庫行業國產化替代從制高點運營商、金融等往下展開。目前，金融和電力的國產數據庫替換已有一定數量案例，而運營商的國產化替代剛剛開始。 表 5：各行業國產化替代進程 行業行業 國產化替代國產化替代簡介簡介 互聯網 2008 年。阿里巴巴已經感到“IOE”提供的“大集中模式”不能適應公司業務快速擴張的節奏，IOE架構已經顯現出瓶頸。為了提高業務的可擴展性，2009 年，阿里巴巴首次提出“去 IOE”，即去IBM、 Oracle 和 EMC， 先是用廉價的 PC 服務器替代小型機， 以基于開源的自研數據庫替代 Oracle數據庫， 直到 2013 年， 淘寶核心系統

91、中的最后一臺 Oracle 數據庫下線， 阿里宣布成功完成去IOE。 電力 2010 年以來，國家電網公司以自主可控和國產化改造工作為信息系統安全工作的落腳點，持續提升公司信息系統的安全保障能力。2014 年，國家電網浙江電力在國家電網系統內首家完成去 IOE，并實現自主技術設備門戶上線切換試運行工作。 電信 2011 年，中國移動率先開展 UNIX 應用遷移的研究，浙江移動部分核心系統已于當年完成去 IE 的目標。2014 年中國移動開展第三代業務支撐系統的去 IOE，推動 BASS、CRM、BOSS 等業務在開源分布式架構的軟硬件改造，采用 MPP 數據庫的新架構。2013 年，中國聯通、

92、中國電信也在部分省份開展去 IOE 行動。江蘇電信提出“從 IOE”到 LAMP 轉變，中國聯通在北京，重慶，浙江，0510152025201520162017201820192020中國美國0123 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 19 行業行業 國產化替代國產化替代簡介簡介 黑龍江使用 Hadoop 分布式體系用以替代 IOE 架構。 銀行 2014 年，中國銀監會發布了 39 號文即關于應用安全可控信息技術加強銀行業網絡安全和信息化建設的指導意見。中國銀行、交通銀行、農業銀行、建設銀行以及工商銀行五大銀行和城商銀行都在積極投入“去

93、 IOE”的運動中。很多銀行在做互聯網金融等新興業務拓展時，已經在試水能安全可控的國產化數據庫產品。 資料來源：21 世紀經濟報道，國家電網報，程序園網站，中國銀監會，中信證券研究部 圖 32：中國數據庫市場國產數據庫規模及占比（單位：億元，%） 資料來源：智研咨詢，中信證券研究部 目前國產替代仍處于爭奪標桿案例階段，目前國產替代仍處于爭奪標桿案例階段，短期內數據庫廠商并不依靠授權費盈利，而短期內數據庫廠商并不依靠授權費盈利，而是是待待數據庫產品成熟并正式上線后收取維保費以及升級服務費數據庫產品成熟并正式上線后收取維保費以及升級服務費。由于目前國內數據庫技術仍在發展中，在性能、穩定性和安全性上

94、還與 Oracle 有一定差距，因此銀行金融、電信、電力等國產替代重點領域的客戶先提供核心業務場景，數據庫廠商則暫時免費提供軟件許可。數據庫產品上線以后不斷做測試、驗證、迭代和匹配，客戶和數據庫廠商雙方都需要不斷進行投入。等到數據庫產品成熟并正式上線后，數據庫廠商再收取維保費以及升級服務費（參考 Oracle 每年收取約授權費 22%的維保費） 。 從標桿案例來看，從標桿案例來看，不同類型數據庫廠商不同類型數據庫廠商現有現有客戶群體客戶群體略有略有不同不同，國產替代銀行金融領，國產替代銀行金融領域競爭較為集中域競爭較為集中。各家數據庫公司均瞄準銀行金融領域客戶，云廠商、新興廠商客戶范圍更廣，

95、華為、 傳統廠商與政府關系更為密切。 云廠商阿里和騰訊主要針對公有云生態客戶，通過云生態粘性和云數據庫遷移策略吸引客戶替換原有數據庫產品。阿里客戶范圍更廣，憑借螞蟻金服的金融業務場景打磨出關系型 OLTP 數據庫 OceanBase 瞄準國內銀行金融客戶，落地案例包括中國人保健康、南京銀行等。華為 GaussDB 和中興通訊 GoldenDB同樣分別有招商銀行和中信銀行案例落地。萬里開源客戶包括國家電網、中國移動和光大銀行。新興數據庫廠商 PingCAP 客戶包括中通快遞、微眾銀行、西山居、OPPO，巨杉數據庫客戶包括渤海銀行、廣發證券、廣發銀行、恒豐銀行和中國電信。傳統廠商武漢達夢在公安、國

96、土、司法、檢查、審計等各個政務領域均有垂直型解決方案落地。 中興通訊中興通訊 GoldenDB 實現對實現對中信銀行中信銀行核心系統的完全替換核心系統的完全替換，已經成為金融和電信領，已經成為金融和電信領域國產數據庫的代表域國產數據庫的代表。經過兩年時間的產品打磨，中興通訊 GoldenDB 實現對中信銀行總行核心系統和信用卡核心系統的完全替換，成功完成中國金融行業難度最高、挑戰最大的核心業務數據庫遷移改造工程。GoldenDB 完全上線后，已經平穩運行半年。在中信銀行103.0717.154.0%4.8%5.7%6.7%8.0%9.3%10.5%12.4%14.3%0.0%2.0%4.0%6

97、.0%8.0%10.0%12.0%14.0%16.0%020406080100120140200920102011201220132014201520162017國外數據庫國產數據庫國產數據庫市場占比 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 20 的標桿案例推動下，GoldenDB 又成功在上半年中標浦發銀行信用卡系統、東莞農商行信用卡系統，下半年中標渤海銀行，并將在貴州銀行、贛州銀行的核心業務系統投產。中興通訊還與銀聯數據服務有限公司達成合作，將 GoldenDB 用于銀聯數據的信用卡系統，而值得注意的是銀聯數據承載了國內 247 家銀行的信

98、用卡核心運營。 在銀聯數據成功投產意味著 247 家銀行的信用卡業務都將跑在 GoldenDB 上。此外，GoldenDB 還成功拿下中國移動 OLTP 分布式數據庫 40%的招標份額，勢頭強勁。 表 6：國產數據庫標桿案例（按客戶領域分類） 數據庫廠商數據庫廠商 互聯網互聯網 銀行金融銀行金融 電信電信 政府政府 其他其他 阿里oceanbase 中國人保健康互聯網中國人保健康互聯網保險云核心業務系統保險云核心業務系統數據庫數據庫 南京銀行 “鑫云+”互金平臺 浙江移動IT系統自主可控能力建設 杭州政府城市數據大腦 2.0 建設 上汽集團仿真計算云、億滋集團數字化升級、阿里云 ET 大腦 騰

99、訊 快手云端視頻服務、bilibili 直播與點播服務 建設銀行-騰訊金融科技聯合創新實驗室 中國聯通沃云中國聯通沃云Powered by Tecent Powered by Tecent CloudCloud 深圳市公安局民生警務解決方案 滴滴出行訂單快速分滴滴出行訂單快速分發業務發業務 華為GaussDB 國家測繪地理信息局地理信息綜合服務網站“天地圖” 工商銀行分布式架構大數據服務平臺 浙江移動與華為gaussDB 數據庫聯合創新項目 / 江淮汽車高并發真實車聯網業務 中興通訊GoldenDB 江蘇省農村信用社聯合社互聯網金融平臺 中信銀行信用卡核心中信銀行信用卡核心系系統和總行核心系統

100、統和總行核心系統 中國銀聯信用卡系統中國銀聯信用卡系統 浦發銀行信用卡系統浦發銀行信用卡系統 東莞農商行信用卡系統東莞農商行信用卡系統 / 廣東省農信檔案 管理系統 / 萬里開源 / 瑞銀信訂單交易系統瑞銀信訂單交易系統 光大銀行云繳費系統光大銀行云繳費系統 中國移動經營分析系中國移動經營分析系統統 國家氣象局突發預警系統 國家電網全業務數據國家電網全業務數據中心項目中心項目 PingCAP 知乎內容推送系統知乎內容推送系統 光大銀行關鍵業務系統光大銀行關鍵業務系統分布式數據庫分布式數據庫、中國銀行 Zabbix 監控方案 / 吉林祥云政務 大數據平臺 萬達網絡科技集團實時風控平臺 巨杉數據庫

101、 去哪兒網分布式數據去哪兒網分布式數據庫庫 民生銀行云架構升級 / 某市電子政務 平臺架構 / 星環科技 與騰訊視頻合作星環家庭影院系統 全國中小企業股份轉讓系統 中國聯通集團實時上下文處理平臺 上海市大數據中心數據交換共享平臺項目 同濟-星環“數據科學與大數據實踐平臺” 云和恩墨 墨天輪數據庫社區 華泰證券數據庫自動化運維方案 河北電信CRM3.0系統分布式架構下Paas平臺運維項目 三峽云計算中心高性能高彈性分層式數據庫一體機項目 北京天壇醫院核心數北京天壇醫院核心數據庫升級遷移項目據庫升級遷移項目 新疆電力 （營銷業務應用系統雙活改造） 武漢達夢 / 建設銀行業務收發文應用平臺 / 上海

102、浦東新區上海浦東新區 數據中心數據中心 海關金關 工程（二期）項目 南大通用 / 中國銀行總行中國銀行總行 大數據平臺大數據平臺 銀監會非現場檢查系統項目 中國移動總部集中經營分析系統、浙江移動大數據基礎平臺 天津市濱海新區工業信息資源管理系統 燃氣公司預警 指揮智慧平臺 人大金倉 / 光大銀行對公負債系統光大銀行對公負債系統數據庫項目數據庫項目 中國電信山東分公司綜合網管系統 北京市政務云平臺北京市政務云平臺、 電電子公文系統子公文系統 國家電網智能電網D5000 項目 神舟通用 國家互聯網中心某工程 A 系統 中國建設銀行粵龍云數據分析平臺項目 中國聯通全國中國聯通全國 集中綜合結算系統集

103、中綜合結算系統 公安部辦公廳檔案局檔案系統項目、 德州市電子政務大集中項目 全軍信息化數據儲存全軍信息化數據儲存平臺平臺、 中國航天科技集團型號設計、測試、運維數據管理系統 資料來源：各公司官網，公司公告，CSDN，Wind 資訊，中信證券研究部 注：加粗案例為核心系統 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 21 問題三：國產數據庫公司問題三：國產數據庫公司未來戰略重點未來戰略重點在哪在哪 對于非開源數據庫廠商，對于非開源數據庫廠商，合作伙伴合作伙伴生態的核心生態的核心就是渠道就是渠道伙伴伙伴建設建設；對于開源項目，生；對于開源項目，生態建設

104、的核心態建設的核心是開發者社群維護和渠道伙伴是開發者社群維護和渠道伙伴建設建設： 合作伙伴生態是合作伙伴生態是 Oracle 早期占領中國市場的核心要素之一，也是國產數據庫廠商早期占領中國市場的核心要素之一，也是國產數據庫廠商未未來的來的戰略重點。戰略重點。數據庫管理系統是數據管理架構的底層產品，每個客戶核心系統架構都不同，意味著需要針對不同客戶做大量定制化的開發。集成商、二次開發商、IT 咨詢公司都是數據庫廠商生態伙伴體系中的重要參與者。生態伙伴體系建設能夠幫助企業快速實現業務擴張，同時最大程度減少成本的增長，使數據庫廠商能將有限的人員和資金投入到數據庫技術和產品的開發上。早在 2009 年

105、，Oracle 就推出合作伙伴網絡計劃（OPN） ，在當時被認為是十年以來最重大的進展。 Oracle 通過 OPN 計劃提升合作伙伴對 Oracle 跨產品線數據庫產品的理解，并通過建立認證體系提升合作伙伴實施和支持服務的技術和能力。Oracle 的合作伙伴體系劃分為鉆石級、白金級、黃金級、白銀級、分銷商五個等級，其中鉆石和白金級合作伙伴可以得到 Oracle 最高級別的合作和支持，并可以將自己公司的Logo 放在 Oracle 的官網上。目前國內廠商生態體系建設與 Oracle 相比有一定差距， 主要體現在合作伙伴數量以及服務支持能力上。 2013年Oracle大中華區OPN成員已達到24

106、12家，超過 90%的收入是通過合作伙伴取得的。而 2020 年中國擁有合作伙伴最多的武漢達夢也僅僅只有 101 家合作伙伴。其他的數據庫廠商合作伙伴均低于 50 家。 表 7：Oracle 生態合作伙伴計劃五級體系 級別級別 描述描述 鉆石級 可以獲得 Oracle 最高級別的合作 白金級 合作伙伴中的精英級，獲得高級別權限暗病 黃金級 擁有了解和經銷全線 Oracle 產品，這個級別的合作伙伴開始積累成為 Oracle 解決方案和服務專家。 白銀級 可以使用 Oracle 合作伙伴商務中心、支持服務、擴充的培訓課程以及開發許可證 分銷商 OPN 專項計劃的入門級。通過 Oracle 增值分

107、銷商計劃，合作伙伴無需合同或會員費就可以經銷Oracle 產品，同時可以使用在線培訓和銷售工具 資料來源：Oracle PartnerNetwork 官網，中信證券研究部 圖 33：各公司官網列示的生態合作伙伴數量（單位：個） 圖 34：武漢達夢渠道體系 資料來源：各公司官網，中信證券研究部 資料來源：武漢達夢官網 對于數據庫開源項目，開發者社群維護和渠道伙伴建設均處于核心地位。對于數據庫開源項目，開發者社群維護和渠道伙伴建設均處于核心地位。開發者社區是開源項目活力的來源，也是立身之本。國外著名的數據庫 MySQL、PostgreSQL 經過多3629101102645170204060801

108、00120 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 22 年發展仍然保持強大的生命力，不管是個人開發者還是企業開發者都保持持續的貢獻。開源數據庫項目對管理者的社群維護能力提出極高的要求， 也帶來技術更新快、 產品迭代快、人才聚集、風險分散等優勢。國內開源數據庫項目以華為 GaussDB 和 PingCAP TiDB 為代表，其中 PingCAP TiDB 項目在 GitHub 上已總計獲得超過 25000 顆星，近 1200 位開源代碼貢獻者。全球知名開源組織云原生計算基金會 CNCF 在 2019 年年度報告提到，PingCAP 在 2019

109、 年 CNCF 全球代碼貢獻排行榜中名列第六。此外，開源數據庫項目在注重開發者社群維護的同時，也同樣需要重視商業合作伙伴的建設，才能實現開源項目商業化的目標。 圖 35：TiDB 社區 資料來源：TiDB 社區官網 市場空間測算市場空間測算: 預計預計 2024 年中國數據庫市場達年中國數據庫市場達 533 億億元元， 國產替代空間超， 國產替代空間超400 億元億元 1. 中國整體數據庫市場規模測算中國整體數據庫市場規模測算 中國龐大數據量與較小數據庫市場規模中國龐大數據量與較小數據庫市場規模之間之間明顯錯配。明顯錯配。2020 年中國數據庫市場規模在 30 億美元/200 億元左右，同比增

110、速 22%，且增速不斷提升。根據 IDC 預測，2020 年亞太數據庫市場規模 87.2 億美元，中國占亞太市場比重為 30%；全球市場規模 487 億美元， 中國占全球市場比重 5.35%； 而 2020 年全球數據量為 49ZB， 中國的數據量達到 8ZB，占全球比 16%。中國數據量龐大，但數據管理的核心基礎軟件數據庫市場占比卻較低，出現明顯的錯配。 為了更好地解釋這種錯配現象以及測算未來空間，我們引入單位數據管理投入的概念為了更好地解釋這種錯配現象以及測算未來空間，我們引入單位數據管理投入的概念。單位數據管理投入=數據量/數據庫軟件投入=數據量/數據庫市場規模。根據 IDC 和希捷數據

111、，2019 年全球產生數據量 40ZB，對應數據庫市場規模 493 億美元，則 2019 年管理每ZB 數據需要投入 12.33 億美元。根據 IDC 數據，我們測算得到 2019-2024 年全球單位數據管理投入，以及 2019 年和 2020 年中國單位數據管理投入。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 23 圖 36：全球數據庫市場增速和數據量增速（單位：%） 圖 37：中國與全球單位數據管理投入（單位：億美元/ZB） 資料來源：IDC（含預測），中信證券研究部 資料來源：IDC，中信證券研究部預測 從數據我們發現，中國單位數據量管理

112、成本遠低于全球。有兩種可能：一種是數據庫技術先進， 數據管理效率高， 單位數據管理投入低， 還有一種可能是對數據管理程度不夠、數字化建設不足， 所以單位數據管理投入低。 我們認為第二種原因更符合中國的現實情況。 假設： 中國單位數據投入將在未來和全球單位數據投入趨同假設： 中國單位數據投入將在未來和全球單位數據投入趨同， 即全球單位數據投入， 即全球單位數據投入/中國單中國單位數據投入的倍數減小并趨近為位數據投入的倍數減小并趨近為 1。 基于以上邏輯，我們預測到基于以上邏輯，我們預測到 2024 年中國數據據庫市場規模為年中國數據據庫市場規模為 533 億元，億元，2020-2024年年 CA

113、GR 為為 27.7%，單位數據管理投入 16.51 億元，中國市場占全球數據庫市場比重提升至 11%，全球/中國單位數據投入比值減小到 2.2。其中，關系型數據庫市場規模達到383.5 億元，占比 72%；非關系型數據庫市場 149.2 億元，占比 28%。而在部署模式上，預計 2024 年中國云數據庫市場規模將增長至 395.5 億元，4 年 CAGR 39.6%，占國內市場比重提升至 74%。預計傳統部署數據庫市場規模為 137.2 億元，4 年 CAGR 9.3%，增速和占比均逐漸減小。此外，假設未來在穩態情況下，中國與全球單位數據管理投入比值為 1，則中國數據庫市場規模估計可達 11

114、72 億元。 圖 38：中國數據庫市場規模預測（單位：億元，%） 資料來源：智研咨詢，中信證券研究部預測 -10.0%0.0%10.0%20.0%30.0%40.0%50.0%60.0%20202021E2022E2023E2024E中國數據量YoY全球數據庫市場YoY全球數據量YoY12.32509.93888.04847.12666.37625.59853.14032.55410.00002.00004.00006.00008.000010.000012.000014.0000201920202021E 2022E 2023E 2024E全球單位數據管理投入中國單位數據管理投入200.55

115、32.70.0%5.0%10.0%15.0%20.0%25.0%30.0%35.0%0.0100.0200.0300.0400.0500.0600.0200920102011201220132014201520162017201820192020 2021E 2022E 2023E 2024E中國數據庫市場規模yoy 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 24 圖 39：關系與非關系型型數據庫市場規模及預測（單位：億元，%） 圖 40：云/部署模式數據庫市場規模及預測（單位：億元，%） 資料來源：智研咨詢，中信證券研究部預測 資料來源：IDC

116、，中信證券研究部預測 2. 國產替代空間測算國產替代空間測算 2019 年僅關系型數據庫市場就有約年僅關系型數據庫市場就有約 65 億元的國產替代空間。億元的國產替代空間。根據智研咨詢數據，2019 年中國關系型數據庫市場規模約 136.4 億元， 占總數據庫市場 83%。 根據 IDC 數據，2019 年傳統部署模式的關系型數據庫市場占比 59%，云模式部署的關系型數據庫市場占比 41%。傳統模式部署下國外廠商市場份額占比為 66.8%。公有云模式下，國外廠商市場份額占比 19.9%。則假如完全替代，僅 2019 年關系型數據庫市場的國產替代空間約 65億元。 根據上一節中國數據庫市場整體規

117、模的測算， 預計 2024 年中國數據庫市場規模 533億元。假設假設 2024 年國產年國產數據庫占比提升至數據庫占比提升至 80%，則國產替代空間高達，則國產替代空間高達 426 億元。億元。 美股數據庫公司估值啟示美股數據庫公司估值啟示 估值現狀：估值現狀：美股市場目前傾向給予更符合行業演進趨勢、持續獲得市場份額的數據庫廠商以更高水平的估值：根據彭博一致預期，NoSQL 云數據庫的引領者 MongoDB 目前的 PS（CY2020E）為 37x，云數據倉庫的領導者 Snowfalke 的 PS（CY2020E）水平更是達到 139x；而份額持續下滑的 Cloudera、Teradata

118、的 PS（CY2020E）水平則分別為5x 和 1.3x，估值分化趨勢明顯。 表 8：核心主業為數據庫產品的廠商估值水平 股票代碼股票代碼 公司名稱公司名稱 當前市值（百萬美元）當前市值（百萬美元） PS 2019-2022E CAGR 2019 2020E 2021E 2022E MDB.O MongoDB 21,118 50.1 36.6 28.7 22.3 31.0% SNOW.N Snowflake 78,770 297.5 135.9 72.0 44.0 89.0% CLDR.N Cloudera 4,329 5.5 5.0 4.6 4.2 9.3% TDC.N Teradata 2

119、,430 1.3 1.3 1.3 1.3 0.4% 資料來源：Wind，彭博一致預期，中信證券研究部 160.4383.540.1 149.2 0.0%10.0%20.0%30.0%40.0%50.0%0.0100.0200.0300.0400.0500.0600.0201920202021E 2022E 2023E 2024E關系型數據庫市場規模非關系型數據庫市場關系型市場同比增速非關系型市場同比增速0.0%10.0%20.0%30.0%40.0%50.0%0.0100.0200.0300.0400.0500.0201920202021E 2022E 2023E 2024E云數據庫市場規模本

120、地部署市場規模云數據庫市場同比增速本地部署市場同比增速 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 25 圖 41：全球 OLAP/數據倉庫市場份額獲得者 Top 5（2019） 資料來源：IDC，中信證券研究部 圖 42：全球 OLAP/數據倉庫市場份額丟失者 Top 5（2019） 資料來源：IDC，中信證券研究部 圖 43：全球 NoSQL 市場份額獲得者 Top 5（2019） 資料來源：IDC，中信證券研究部 圖 44：全球 NoSQL 市場份額丟失者 Top4（2019） 資料來源：IDC，中信證券研究部 估值方法估值方法：與其他軟件/

121、SaaS 企業類似，根據企業在不同發展階段所表現出來的財務特征差異，需要我們對應采用相應的、能夠反映企業盈利本質的估值定價方法。在企業發展早期，在 FCF、運營利潤等盈利指標缺失或者階段性參考意義不足的情況下，營收規模&增速是一個較好的替代指標；而進入平穩增長階段之后，現金流、運營利潤則是更為合理的指標；在增長停滯階段，投資者則可能更為關注股東回報（回購、派息）等。 表 9：估值定價方法 發展階段發展階段 財務特征財務特征 估值方法估值方法 早期 營收高增長 EV/S、P/S，更多關注營收增速等 中期 盈利能力提升， 主要指標趨于穩定 EV/FCF 、P/FCF，更多關注現金流、運營利潤等 后

122、期 業務進入成熟期，增長停滯 PE、股息率等，關注股東回報（回購、派息）等 資料來源：中信證券研究部 估值水平影響因素：估值水平影響因素：而回歸企業價值本質，我們認為營收增速、盈利能力同樣是決定市場對于數據庫企業估值水平的主要因素。1）當企業處于高速增長階段時，企業盈利能0.0%0.5%1.0%1.5%2.0%2.5%3.0%3.5%MicrosoftAWSGoogle阿里巴巴Snowflake-3.5%-3.0%-2.5%-2.0%-1.5%-1.0%-0.5%0.0%OracleTeradataIBMClouderaSAP0.00%0.20%0.40%0.60%0.80%1.00%1.20

123、%1.40%1.60%-3.00%-2.50%-2.00%-1.50%-1.00%-0.50%0.00%AWSMapRIBMOracle 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 26 力通常不足，成長性為估值水平的核心驅動因素。我們可以看到，當 Cloudera 的營收同比增速由 40%顯著下降至近期 10%左右的水平時，公司股價亦伴隨大幅下跌；而得益于MongoDB 營收持續快速的增長，公司股價同樣保持快速上行。此外，相較于 MongoDB，市場也愿意給予成長性更為突出的 Snowflake 以更高的估值水平。2）當企業到達平穩增長階段時，

124、我們認為盈利能力將成為估值水平主要驅動因素。 參照 Salesforce、 ServiceNow等公司的發展歷程，我們可以看出，對于穩定增長的企業，盈利能力的提升對于估值端的驅動作用會更為明顯。 圖 45：Cloudera 股價表現（右，美元）、營收同比（左）增速相關性 資料來源：Wind，中信證券研究部；注：剔除收購 Hortonworks 的影響 圖 46：MongoDB 股價表現（右，美元）、營收同比（左）增速相關性 資料來源：Wind，中信證券研究部；注：剔除收購 mLab 的影響 024681012141618200%5%10%15%20%25%30%35%40%45%營收同比增速股

125、價0501001502002500.0%10.0%20.0%30.0%40.0%50.0%60.0%70.0%80.0%營收同比增速股價 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 27 圖 47：Salesforce 運營利潤率（左）、股價（美元，右）表現 資料來源：彭博，中信證券研究部 圖 48：Service Now 運營利潤率（左）、股價（美元，右）表現 資料來源：彭博，中信證券研究部 投資建議投資建議 全球數據庫市場受到云數據庫驅動，穩步增長，IDC 預計 2024 年全球數據庫市場規模達 739 億美元，其中云數據庫市場規模將達到 40

126、4 億美元，占比提升至 55%。云云化化趨趨勢勢明確明確下，重點推薦占據云時代卡位優勢的云廠商亞馬遜、微軟；一直引領全球數據庫技下，重點推薦占據云時代卡位優勢的云廠商亞馬遜、微軟；一直引領全球數據庫技術進步的谷歌、云原生數據倉庫廠商術進步的谷歌、云原生數據倉庫廠商 SnowFlake 和非關系型云數據庫代表和非關系型云數據庫代表 MongoDB。 中國數據庫市場受到云數據庫和國產替代雙重催生迎來結構性機遇，增長提速，行業顯現。國產化替代賦能國產數據庫廠商搶占行業增量，同時能夠對存量進行替換，未來空間巨大。 我們預測到 2024 年中國數據據庫市場規模為 533 億元， 國產替代空間高達 426

127、億元。建議關注國產數據庫龍頭公司，重點推薦建議關注國產數據庫龍頭公司，重點推薦完成中國目前最大難度銀行核心系統替換完成中國目前最大難度銀行核心系統替換項目項目的中興通訊，重點關注的中興通訊，重點關注萬里開源萬里開源和公有云廠商阿里和公有云廠商阿里巴巴巴巴、騰訊、騰訊，以及，以及分布式數據庫技分布式數據庫技術領術領先、產品創新的一級市場優質數據庫廠商先、產品創新的一級市場優質數據庫廠商 PingCAP、巨杉數據庫、云和恩墨、星環、巨杉數據庫、云和恩墨、星環科技?？萍?。 2010/62011/62012/62013/62014/62015/62016/62017/62018/62019/60204

128、060801001201401601802000.00%5.00%10.00%15.00%20.00%25.00%經營利潤率（Non-GAAP）賽富時（CRM.N）2012/062013/062014/062015/062016/062017/062018/062019/0605010015020025030035040045000.050.10.150.20.250.32012Q22012Q32012Q42013Q12013Q22013Q32013Q42014Q12014Q22014Q32014Q42015Q12015Q22015Q32015Q42016Q12016Q22016Q32016Q

129、42017Q12017Q22017Q32017Q42018Q12018Q22018Q32018Q42019Q12019Q22019Q32019Q42020Q1經營利潤率（Non-GAAP）Service Now(NOW.N) 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 28 表 10：重點推薦公司估值預測和評級 簡稱簡稱 收盤價收盤價 (交易貨幣交易貨幣) PE PS 評級評級 20E 21E 22E 20E 21E 22E MongoDB* 355.56 / / / 37.35 29.32 22.72 / Snowflake* 283.83 /

130、/ / 139.69 74.65 45.55 / 阿里巴巴 240.4 24.9 20.0 16.4 6.1 5.0 4.2 買入 騰訊控股 583.5 32.1 27.4 22.7 8.2 6.6 5.5 買入 中興通訊 34.51 39.7 28.8 23.6 7.8 8.7 9.7 買入 亞馬遜 3,218.51 75.9 56.2 41.2 4.3 3.6 3.1 買入 微軟 217.9 24.1 20.3 17.5 7.2 6.4 5.6 買入 谷歌* 1,740.05 33.8 28.0 23.7 8.0 6.6 5.6 / 資料來源：彭博，中信證券研究部預測 注：*為彭博一致預期

131、，股價為 2021 年 1 月 5 日收盤價。 國產數據庫國產數據庫：三商競逐，格局未定：三商競逐，格局未定 設備商巨頭：設備商巨頭：中興通訊、中興通訊、華為華為 中興通訊中興通訊 GoldenDB：覆蓋銀行金融領域客戶全系列產品：覆蓋銀行金融領域客戶全系列產品 中興通訊是全球領先的綜合通信信息解決方案提供商中興通訊是全球領先的綜合通信信息解決方案提供商，成立于 1985 年，是在香港和深圳兩地上市的大型通信設備公司。中興通訊通過為全球 160 多個國家和地區的電信運營商和政企客戶提供創新技術與產品解決方案，讓全世界用戶享有語音、數據、多媒體、無線寬帶等全方位溝通。中興通訊在數據庫領域具備超過

132、十八年的技術積累，自 2002 年開始先后自主研發文件數據庫、內存數據庫、分布式數據庫等產品并大規模服務電信領域產品，2014 年率先拓展金融行業分布式數據庫，該產品完全自主研發并獲得 100 多項相關專利。 圖 49：中興通訊數據庫發展 資料來源：墨天輪 中興通訊中興通訊 GoldenDB 分布式數據庫分布式數據庫是是業界唯一覆蓋全系列銀行及全類型業務的國產業界唯一覆蓋全系列銀行及全類型業務的國產金融級金融級操作型操作型分布式數據庫分布式數據庫。GoldenDB 中興通訊面向 ICT 領域的戰略產品之一， 具備 18年研發積累，獲得授權專利超 100 件，是唯一 50 項評測全部滿分通過信通

133、院分布式事務數據庫能力認證的產品，引領中國金融科技基礎領域的創新發展。針對銀行 OLTP 業務， GoldenDB 為業務帶來傳統單機數據庫無法提供的計算及擴展能力，具有 Share Nothing 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 29 全分布式架構、高效可靠的容災能力、不停服務的在線擴容、金融級實時一致的分布式事務、金融級可靠性、功能完備的備份恢復、SQL 兼容等功能優勢，提供高可用、高可靠、資源調度靈活的數據庫服務。GoldenDB 金融數據庫支持在十億級規模銀行賬戶上完成百萬數據庫同時讀寫，輕松完成 40000 筆銀行交易，在中信

134、銀行信用卡和賬務核心業務系統已成功投產。此外，GoldenDB 還廣泛應用于互聯網金融、政務應用等。 GoldenDB 致力于打造端到端的開放新生態，帶動上下游產業鏈發展。致力于打造端到端的開放新生態，帶動上下游產業鏈發展。GoldenDB 主備式數據庫與GoldenDB分布式數據庫均已和國產主流操作系統、 芯片等完成適配及認證。其中，GoldenDB 主備式數據庫已與 UOS、中興新支點等國產操作系統完成聯調和認證工作， 并支持龍芯、 兆芯、 飛騰等國產芯片以及曙光、 中科可控、 長城等國產服務器。 GoldenDB分布式數據庫已經完成與中標麒麟、銀河麒麟、普華、深度、凝思、方德、中興新支點

135、等國產操作系統完成聯調和認證工作，并支持龍芯、兆芯、飛騰等國產芯片以及曙光、中科可控、長城等國產服務器。 GoldenDB 分布式數據庫產品在公司支持下，持續增加投入，分布式數據庫產品在公司支持下，持續增加投入，向更基礎、更高端的領向更基礎、更高端的領域延伸，域延伸，提升戰略地位，構建國產數據庫生態圈，致力于打造中國數據庫產品第一品牌。提升戰略地位，構建國產數據庫生態圈，致力于打造中國數據庫產品第一品牌。在云方面， 中興通訊 uSmartCloud 云數據中心基于 OpenStack 開放架構， 以彈性、 靈活、高效、安全等特點為客戶提供端到端解決方案，實現物理資源、虛擬資源、容器資源的統一管

136、理，中興通訊將以其云操作系統、數據庫、OS 為核心抓手繁榮生態。 華為華為 GaussDB：高斯數據庫已開源，培養國內數據庫生態：高斯數據庫已開源，培養國內數據庫生態 華為云在數據庫產品上戰略投入超過華為云在數據庫產品上戰略投入超過 13 年年，從基于開源數據庫的自研到數據庫全自，從基于開源數據庫的自研到數據庫全自研， 其數據庫產品廣泛應用于互聯網、 物聯網、 電商、 金融和游戲等行業。研， 其數據庫產品廣泛應用于互聯網、 物聯網、 電商、 金融和游戲等行業。 根據 Gartner2020年 4 月發布的報告，華為云全球 IaaS 市場份額排名上升至第六，增速高達 222.2%，全球增速最快，

137、中國市場排名前三。根據 Gartner2020 年報告，華為云憑借 GaussDB 系列數據庫產品入選魔力象限的“特定領域者”象限。華為云踐行開放、合作、共贏的理念，匯聚鯤鵬、Al、loT、數據庫、安全等各領域及眾多行業應用合作伙伴，攜手打造昇騰和鯤鵬產業生態。目前，華為云已上線 210 余個云服務、210 余個解決方案、3500 余個云市場商品，已攜手 13000 余個商業伙伴和 5000 余家技術伙伴。 華為云提供的數據庫服務主要包括三大類：關系型數據庫服務，非關系型數據庫服務華為云提供的數據庫服務主要包括三大類：關系型數據庫服務，非關系型數據庫服務以及數據庫工具服務。以及數據庫工具服務。

138、 關系型數據庫和非關系型數據庫均可分為開源和自研兩大類。 其中，自研數據庫統一為 GaussDB 系列，開源數據庫則可以分為 RDS 和 DDS 社區版。華為云數據庫業務在亞太地區，尤其是中國市場實現規?；渴?，其中超過一半的客戶來自公共管理、電信、金融保險等行業。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 30 圖 50：華為云數據庫服務全景圖 資料來源：公司官網 華為云數據庫的產品按是否自研可以歸為三大類：華為云數據庫的產品按是否自研可以歸為三大類： 1）基于開源）基于開源打造的數據庫服務打造的數據庫服務：華為 RDS for MySQL、R

139、DS for PostgreSQL 服務、DDS文檔數據庫服務 （文檔類型Mongo） ， 聚焦最基礎的云原生的開發對云數據庫的要求，讓客戶遷移到華為云更加容易。華為 RDS 主要面向數據規模較小，性能要求一般的業務場景，提供極致性價比的解決方案。 2）立足創新）立足創新和自研打造的云原生數據庫和自研打造的云原生數據庫 GaussDB：GaussDB 系列基于存算分離架構，提供秒級擴容、秒級故障恢復、數據強一致性等能力。一方面擁抱并兼容 MySQL 等生態，另一方面打造自己的 openGauss 生態，主要面向政企客戶，強調高性能、高可靠、高安全等方面訴求。 3）華為數）華為數據庫工具服務據庫

140、工具服務，統一支持開源數據庫服務和自研數據庫服務，為客戶提供上云數據遷移復制、數據管理服務等。 圖 51：華為 GaussDB 系列 資料來源：華為公司官網 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 31 華為云的戰略方向大體可分為華為云的戰略方向大體可分為以下三點以下三點：（1） 持續戰略投入， 軟硬協同。 華為云 GaussDB布局全球 7大區域研究所， 擁有近千名數據庫專業人才。 并基于統一的DFV存儲架構與RDMA高速網絡等底層硬件的積累和軟硬協同，打造了極致穩定與性能的數據庫能力。 （2）生態全開源，聚力創新。華為云一方面積極擁抱開源生

141、態，統一架構，避免客戶從原先傳統封閉數據庫生態，再走向另一個新的封閉生態；另一方面開源自主生態 openGauss，加速生態培養和人才培養，積極創新，打造繁榮與安全的生態。 （3）服務全場景，助力客戶輕松上云。華為云 GaussDB 提供了全場景、全開放的數據庫生態選擇，為客戶量身打造了數據庫架構+應用+數據一體化的遷移方案。 新興數據庫廠商：萬里開源、新興數據庫廠商：萬里開源、PingCAP、云和恩墨、星環科技、巨杉數據、云和恩墨、星環科技、巨杉數據庫庫 萬里開源萬里開源：MySQL 團隊再出發團隊再出發 萬里開源成立于萬里開源成立于 2000 年年 10 月月，是專注于國產、自主可控數據庫

142、及，是專注于國產、自主可控數據庫及 Linux 操作系統操作系統產品研發的國家高新技術企業。產品研發的國家高新技術企業。通過與 MySQL、TurboLinux 的技術積累及自主研發與應用經驗，萬里開源數據庫及操作系統產品在功能、性能、穩定性、易用性等方面均處于行業先列，并應用于能源、通信、金融、政府、交通等多個行業。2019 年萬里開源技術團隊有 100 余人。 GreatDB Cluster 是萬里數據庫自主研發的一款分布式關系型數據庫是萬里數據庫自主研發的一款分布式關系型數據庫，具有動態擴展、數據強一致、集群高可用、HTAP（以操作型為主，分析型占小部分） 、云原生、強易用性等眾多特性，

143、滿足業務高并發、高擴展性、高安全性等需求，完整支持事務特性，產品穩定性強、高可靠方案完備，實現了面向國產化軟硬件平臺定向性能優化，適用于大數據量存儲的場景（如 IT、信息行業） 、對數據強一致性要求較高的場景（如金融行業） 、事務型場景（如電商交易平臺）和分析型場景（如運營商的報表系統） ，目前已廣泛應用在金融、能源、電信、政府等領域。 圖 52：GreatDB Cluster 關鍵技術特性介紹 資料來源：公司官網，中信證券研究部 萬里開源正著力于萬里開源正著力于打造渠道和生態、打造渠道和生態、推動產品研發和落地。推動產品研發和落地。在推動產品研發和落地方面，萬里開源致力于占領行業制高點，20

144、20 年計劃在國家電網、中國移動、銀行等實現行業突破，著力推動適用于各行業的數據庫產品的自主創新開發、落地應用，并最終實現 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 32 OLTP 數據庫的能力內化，助力降本增效。截至目前，萬里數據庫已在中國移動總部和北京、西藏、山東、廣東、河南、四川等多個省市落地。 PingCAP(平凱星辰平凱星辰)：雄心的一半是耐心：雄心的一半是耐心 國內領先的企業級開源分布式數據庫廠商，致力于為全球行業用戶提供穩定高效、安國內領先的企業級開源分布式數據庫廠商，致力于為全球行業用戶提供穩定高效、安全可靠、開放兼容的新型數據基

145、礎設施。全可靠、開放兼容的新型數據基礎設施。PingCAP 成立于 2015 年，公司創始人為開源黑客、知名開源項目 TiDB/TiKV/Codis 創作者劉奇、資深 IT 工程架構師黃東旭以及聯合創始人崔秋，目前團隊研發人員超 200 人。2020 年 11 月，公司完成 D 輪融資，融資金額 2.7億美元，公司估值超 10 億美元，并吸引了全球頂尖投資機構的支持。此次 D 輪融資由紀源資本、Access Technology Ventures、晨曦投資、時代資本、五源資本共同領投，貝塔貝塔斯曼亞洲、Coatue、天際資本、昆侖資本、摯信資本、經緯中國跟投。 表 11：PingCAP 融資歷

146、程 融資輪次融資輪次 融資金額融資金額 時間時間 投資機構投資機構 D 輪 2.7 億美元億美元 2020-11-17 GGV 紀源資本、Access Technology Ventures、晨曦投資、時代資本、五源資本、貝塔斯曼亞洲、Coatue、天際資本、昆侖資本、摯信資本、經緯中國 C 輪 5000 萬美元萬美元 2018-9-12 五源資本、復星集團、華創資本、經緯中國、云啟資本 B 輪 1500 萬美元萬美元 2017-6-13 華創資本、經緯中國、峰瑞資本、險峰長青 K2VC、云啟資本 A 輪 700 萬美元萬美元 2016-9-4 經緯中國、峰睿資本、初心資本、云啟資本 天使輪

147、數百萬人民幣數百萬人民幣 2015-12-9 經緯中國、險峰長青 K2VC 資料來源：PingCAP 公司官網，中信證券研究部 PingCAP 主要產品為主要產品為 TiDB 分布式關系型數據庫系列，并于今年五月推出新一代云分布式關系型數據庫系列，并于今年五月推出新一代云原生分布式數據庫原生分布式數據庫 TiDB4.0。TiDB4.0 作為 HTAP 混合事務分析數據庫，打破了 OLTP 和OLAP 的壁壘， 在全面支持關鍵在線交易業務的同時， 讓業務數據得以被實時分析和處理，極大提升業務決策和平臺構建效率。此外，作為開源分布式數據庫，TiDB 彈性伸縮的架構具備天然的云屬性。 通過 Kube

148、rnetes， TiDB 可以部署在任何公有云、 私有云和混合云上，極大降低用戶的總體擁有成本（TCO） 。PingCAP 還針對云環境推出 TiDB Cloud 產品，依托云 TiDB 可以通過水平擴展擁有近乎無限的存儲容量和計算能力。 圖 53：PingCAP 六大特點 資料來源：PingCAP 公司官網 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 33 建成建成中國最大的開源社區，中國最大的開源社區，構建人才護城河，構建人才護城河，不斷迭代不斷迭代產品技術產品技術。截止 2020 年 10月，TiDB 項目在 GitHub 上已總計獲得超過

149、25000 顆星，近 1200 位開源代碼貢獻者。全球知名開源組織云原生計算基金會 CNCF 在 2019 年年度報告提到，PingCAP 在 2019 年CNCF 全球代碼貢獻排行榜中名列第六。PingCAP 通過開源社區建立與人才的粘性，并定期舉辦線下 Hackathon（黑客馬拉松） ，逐漸建立起以 PingCAP 社區為中心的生態，并通過篩選得到一批技術狂熱愛好者，在回饋社區的同時形成 PingCAP 的人才護城河。 圖 54：TiDB 社區 資料來源：PingCAP 公司官網 公司定位全球數據庫科技公司，海外營業收入超國內，商業化進程加速。公司定位全球數據庫科技公司，海外營業收入超國

150、內，商業化進程加速。從 2019 年服務 Shopee 開始，PingCAP 走向海外，目前海外營收已超越國內。PingCAP 在不同國家均有頭部客戶和標桿案例， 比如日本最大的在線支付公司 Paypay、 越南獨角獸公司 VNG、東南亞最大電商 Shopee、 法國最大在線視頻公司 Dailymotion 等。 公司認為好的產品就應該同行全球，所以從一開始 PingCAP 的定位就是全球數據庫科技公司。在經歷前兩年的沉淀期后，公司商業化進程加速，已經擁有超 100 家客戶，且平均客單價超百萬，營業收入增速超 300%。 我們認為， 公司距離實現目標仍然有漫漫長路要走，“雄心的一半是耐心”是公

151、司創始人對現狀的總結。 圖 55：TiDB 部分客戶案例 資料來源：PingCAP 公司官網 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 34 云和恩墨：專注云和恩墨：專注 DT 大數據技術，圍繞數據資產持續創新大數據技術，圍繞數據資產持續創新 云和恩墨是全球化數據資產端到端解決方案提供商云和恩墨是全球化數據資產端到端解決方案提供商， SQL 優化是優化是其其王牌能力王牌能力， 并并擁有擁有業內領先的數據庫一體機。業內領先的數據庫一體機。 云和恩墨由 Oracle ACE 總監蓋國強成立于 2011 年， 目前已完成三輪融資，融資金額未披露，投資者

152、包括泓生資本、中網投、杭州金投產業等，5 團隊人員規模超 600 人。2018 年，云和恩墨榮獲“中國大數據創新企業億元俱樂部” ；2020年，云和恩墨成為數據庫領域首家全面通過信通院數據庫服務能力評估的企業，并在數據庫規劃設計和運維運營方向達到了最高級。 云和恩墨致力云和恩墨致力于開發全生命周期運營的軟件產品體系， 從數據承載、 運維、 數據安全、于開發全生命周期運營的軟件產品體系， 從數據承載、 運維、 數據安全、數據變更到數據質量和效率支撐數據，主張建設統一的數據變更到數據質量和效率支撐數據，主張建設統一的 DBaas 數據平臺。數據平臺。其產品包括基于華為 openGauss 開源數據

153、庫開發的 MogDB、zData（數據庫一體機） 、zCloud（數據庫云服務管理平臺） 、 MyData （MySQL 數據庫一體機） 、 SQM （SQL 質量管控平臺） 、 BethuneX（數據庫實時監控和智能巡檢平臺） 、ZDBM（數據庫備份一體機） 、Cloudarrow（監控和分析云上資產平臺）等。云和恩墨的數據庫一體機具有安全性、保持數據一致性和業務連續性、低成本、靈活性等特點。2020 年，云和恩墨基于華為 openGauss 開源數據庫，圍繞高可用、 安全、 自動化運維、 數據庫一體機、 SQL審核優化等企業需求， 推出了openGauss企業級數據庫產品 MogDB，并致

154、力于打造最易用的 openGauss 商業發行版。2020 年，云和恩墨和民生銀行一起聯袂獲得了華為頒發的 openGauss 超級用戶大獎。 云和恩墨在為客戶提供解決方案時，會在應用上線之前進行整個流程的優化，包括數云和恩墨在為客戶提供解決方案時，會在應用上線之前進行整個流程的優化，包括數據庫優化、據庫優化、SQL 優化等。優化等。SQL 優化是云和恩墨的王牌能力。目前公司已經獲得全國 28 個省市近 500 個關鍵行業客戶的認可，其中覆蓋銀行、保險，通信、電力、政府、商業服務業、 制造業等行業。 此外， 云和恩墨已經在新加坡成立分支機構， 并開始布局東南亞市場，積極拓展海外業務。目前，云和

155、恩墨已經在新加坡成立數據科學研究院，旨在通過數據科學人工智能技術讓數據庫的運維變成智能化，幫助企業解決業務問題。未來，云和恩墨仍堅持圍繞數據時代客戶面臨的挑戰持續創新和研發，完善貫穿業務智能、開發管控、云管平臺、分布式存儲和基礎運維的端到端產品和服務。 圖 56：云和恩墨部分客戶案例 資料來源：云和恩墨公司官網，中信證券研究部 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 35 星環科技：涵蓋云基礎平臺、分布式關系型數據庫、數據開發與智能分析、超星環科技：涵蓋云基礎平臺、分布式關系型數據庫、數據開發與智能分析、超融合一體機的綜合大數據廠商融合一體機的

156、綜合大數據廠商 星環科技是目前國內極少數掌握企業級大數據星環科技是目前國內極少數掌握企業級大數據 Hadoop 和和 Spark 核心技術的核心技術的數據庫數據庫公司公司。 公司已布局全品類數據庫產品， 并與大數據、 云計算、 人工智能等前沿科技相融合，持續保持技術領先。 星環科技是曾任英特爾亞太區數據中心的CTO孫元浩于2013年成立，目前已完成 11 輪融資，其中 D+輪完成融資 5 億元，投資機構包括中金資本、渤海中盛、國際級產業投資資金等。公司現有團隊人數超兩百人，其中技術研發人員占到近 80%。公司以上海為總部，在北京、廣州等國內多個城市和新加坡、美國等多個海外國家均設有區域總部或辦

157、事機構。 星環科技已經建立了五大產品系列星環科技已經建立了五大產品系列：基于容器的智能大數據云平臺 Transwarp Data Cloud（TDC） 、一站式大數據平臺 Transwarp Data Hub（TDH） 、智子人工智能平臺Transwarp Sophon、分布式數據庫（閃存數據庫 ArgoDB, 圖數據庫 StellarDB）和超融合大數據一體機TxData Appliance， 并擁有多項專利技術。 星環科技的產品具有極致的性能、高可拓展性、多種結構的數據處理、容錯性、支持 PB 級別海量數據批處理等優勢， 星環科技是業界第一個使用容器編排技術實現大數據和星環科技是業界第一個

158、使用容器編排技術實現大數據和 AI 服務彈性化的公司服務彈性化的公司，其產品借助容器技術可以無縫鏈接私有云、混合云和邊緣計算，為三者提供統一的計算平臺，全面實現 AI、云和大數據的融合，全方位幫助用戶對數據進行高效處理及精準的預測性分析。 2016 年被 Gartner 評為全球最具有前瞻性的數據倉庫及數據管理解決方案廠商， 2017年被 IDC 評為中國大數據市場領導者，2018 年，星環科技成為 12 年來全球首個完成TPC-DS 測試并通過官方審計的數據庫廠商。 圖 57：星環科技一站式大數據平臺 Transwarp Data Hub ( TDH ) 資料來源：星環科技公司官網 星環科技

159、現已經擁有超過星環科技現已經擁有超過 2,000 家用戶，覆蓋金融、政府、能源、交通、教育、制造家用戶，覆蓋金融、政府、能源、交通、教育、制造業、運營商、傳媒等二十多個行業業、運營商、傳媒等二十多個行業，客戶包含財政部、中證監測、中央國債登記結算有限公司、中國人民銀行、招商證券、易方達基金等，并且已完成了對多個國外廠商產品的遷移和替換，如 Teradata、Cloudera、IBM。此外，星環 TDH 是目前國內落地案例最多的一站式 Hadoop 發行版。未來，星環科技將在 Hadoop 之上與云、AI 技術繼續互相結合，堅持數據驅動，持續推出和完善適用于大數據的各類軟件平臺、數據庫等，并關注

160、行業場景和推出行業大數據解決方案。同時，星環科技繼續秉承“平臺+生態”規?；l展戰略， 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 36 圍繞數據打造一個大生態，著力推進與生態伙伴的合作深度與廣度，在技術生態上不斷向上下游延展。 圖 58：星環科技部分客戶案例 資料來源：星環科技公司官網，中信證券研究部 巨杉數據庫：深耕銀行金融領域，超巨杉數據庫：深耕銀行金融領域，超 50 家銀行客戶家銀行客戶 巨杉大數據是一家深耕銀行、非銀金融領域的分布式關系型數據庫廠商，是國內首家巨杉大數據是一家深耕銀行、非銀金融領域的分布式關系型數據庫廠商，是國內首家入選入

161、選 Gartner 數據庫魔力象限的廠商。數據庫魔力象限的廠商。公司于 2012 年創立，創始人包括唐栩以及聯合創始人王濤；其中聯合創始人兼 CTO 王濤曾是 IBM DB2 Lab 的核心研發人員，擁有超過十年的數據庫核心架構設計、數據庫引擎研發、企業及數據庫應用的經驗。公司一共進行五輪融資：2020 年 10 月公司 D 輪融資由中金資本領投，元禾重元與越秀產業基金跟投。 巨杉數據庫巨杉數據庫 SequoiaDB V5.0 與上一版本相比性能、與上一版本相比性能、 穩定性、安全性和易用性得到穩定性、安全性和易用性得到全方面升級。全方面升級。其自研的原生分布式存儲引擎支持完整 ACID，具備

162、彈性擴展、高并發和高可用特性，支持 MySQL、PostgreSQL、 SparkSQL 和 MariaDB 等多種 SQL 訪問形式，適用于核心交易、數據中臺、內容管理和實時數據等應用場景。 圖 59：SeqipoaDB V5.0 技術特點 資料來源：巨杉數據庫公司官網 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 37 巨杉擁有數百家企業用戶，并在超過巨杉擁有數百家企業用戶，并在超過 40 家大中型銀行的核心生態系統中應用家大中型銀行的核心生態系統中應用，營收，營收超億元超億元。巨杉數據庫一直保持著快速發展和持續創新。巨杉數據庫的技術領先性、金融

163、級穩定性、安全性以及產品市場成熟度都得到了行業的高度認可。目前，巨杉數據庫付費企業級客戶與社區用戶總數超過 1000 家，并已在超過 50 家 500 強級別的銀行、保險、證券等大型金融機構核心生產業務上線。 圖 60：巨杉數據庫部分應用場景 資料來源：巨杉數據庫公司官網 公有云廠商：阿里云、騰訊云領銜公有云廠商：阿里云、騰訊云領銜 阿里云：全球數據庫領導者阿里云：全球數據庫領導者 阿里云創立于阿里云創立于 2009 年，是全球領先的云計算及人工智能科技公司，為年，是全球領先的云計算及人工智能科技公司，為 200 多個國家多個國家和地區的企業、開發者和政府機構提供服務。和地區的企業、開發者和政

164、府機構提供服務。阿里云的產品集中于操作型數據庫和分析型數據庫，以及其他基于云的服務，廣泛應用于新零售、金融、數字政府、教育、醫療健康、制造、交通物流等行業，業務主要在中國和亞洲，并在不斷開拓歐洲和北美市場。阿里云被廣泛的生態伙伴所集成，全球合作伙伴數量超過 10000 家，服務戶超過 10 萬家。在技術領域，阿里云是國際開源社區貢獻最大的中國公司。2020 年財報中阿里云計算收入同比增長 62%。 根據根據 IDC 2019 年年 Q3 報告，阿里云在中國云計算市場有報告，阿里云在中國云計算市場有極強極強領導力，市場份額位居領導力，市場份額位居中國第一中國第一。據 Gartner 報告，201

165、8 年，阿里云以 19.6%的市場占有率成為了亞太市場第一；2019 年，在全球云計算市場中，新興市場只有阿里云脫穎而出，位列全球第三。2020年，阿里云成為首家入選 Gartner 全球數據庫領導者象限的中國公司。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 38 圖 61：阿里云數據庫十年 資料來源：阿里云公司官網，中信證券研究部 阿里的數據庫產品種類豐富阿里的數據庫產品種類豐富，涵蓋了所有操作型和分析型的云數據庫，在關系型和非關系型 DMBS 中提供了多種選擇。產品主要包括 OceanBase、POLARDB、AnalyticDB等。 Oce

166、anBase 始創于 2010 年。 OceanBase 對傳統的關系數據庫進行了開創性的革新，在普通硬件上實現金融級高可用，在金融行業首創“三地五中心”城市級故障自動無損容災新標準， 同時具備在線水平擴展能力， 創造了 6100 萬次/秒處理峰值的紀錄。 OceanBase具有數據強一致、高可用、高性能、在線擴展、高度兼容 SQL 標準和主流關系數據庫、低成本等特點。2019 年 10 月，OceanBase 以 6088 萬 tpmC 值的成績，打破數據庫基準性能測試的世界紀錄，榮登 TPC-C 基準測試性能榜首。 POLARDB 是阿里云開發的新一代云原生是阿里云開發的新一代云原生關系型

167、關系型數據庫數據庫， 助力客戶滿足其實時存儲和計算的要求，并根據使用彈性及拓展性收費。與其他開源關系型數據庫管理系統相比，POLARDB 處理交易及查詢請求的吞吐量和性能均有顯著提升。另外阿里云也開發了分布分布式線上分析型數據庫式線上分析型數據庫 AnalyticDB，支持超大規模數據的實時交互、復雜分析。 表 12：阿里云的數據庫產品 類別 產品 簡介 關系型數據庫 云數據庫 RDS （ApsaraDB RDS） 支持 MySQL，PostgreSQL，SQLServer，MariaDB 和 PPAS 等引擎。 云原生關系型數據庫 PolarDB 目前兼容三種數據庫引擎：MySQL、Post

168、greSQL、高度兼容 Oracle 語法。計算能力最高可擴展至 1000 核以上，存儲容量最高可達 100T。PolarDB 融合了商業數據庫穩定、可靠、高性能的特征，同時具有開源數據庫簡單、可擴展、高速迭代的優勢，適合各個行業公司的創新業務使用。 非關系型數據庫 云數據庫 支持 Redis，MongoDB，HBase 和 Cassandra 等引擎。 時序數據庫 InfluxDB 版 是一種免運維，穩定可靠，可彈性伸縮的在線時序數據庫服務。廣泛應用于互聯網基礎資源監控，容器監控，業務運營監控分析，物聯網設備遠程實時監控，工業安全生產監控，生產質量評估和故障回溯。提供時序數據自動化采集，壓縮

169、存儲，類 SQL 查詢，多維聚合計算和數據可視化分析能力。 時間序列數據庫 TSDB 是一種集時序數據高效讀寫，壓縮存儲，實時計算能力為一體的數據庫服務，可廣泛應用于物聯網和互聯網領域，實現對設備及業務服務的實時監控，實時預測告警。 圖數據庫 是一種支持屬性圖模型，用于處理高度連接數據查詢與存儲的實時可靠的在線數據庫，支持TinkerPop Gremlin 查詢語言，可以幫助用戶快速構建基于高度連接的數據集的應用程序。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 39 云原生多模數據庫 Lindorm 兼容 HBase/Cassandra、Open

170、TSDB、Solr、SQL、HDFS 等多種開源標準接口。適用于任何規模、多種模型的云原生數據庫服務，支持海量數據的低成本存儲處理和彈性按需付費，是互聯網、IoT、車聯網、廣告、社交、監控、游戲、風控等場景首選數據庫，也是為阿里巴巴核心業務提供支撐的數據庫 其他 云數據庫專屬集 MyBase 專為企業級用戶定制優化的解決方案，支持 MySQL、PostgreSQL、SQLServer、Redis 數據庫。具有云資源獨享、支持資源超分配，自主可運維、開放部分數據庫和 OS 權限等特點。更加安全，用戶既享受到云數據庫服務的便捷靈活，又滿足企業對數據庫合規性、安全性和高性能的要求。 云原生數據倉庫

171、AnalyticDB 支 持 高 并 發 低 延 時 查 詢 的 新一 代 云 原 生 數 據 倉 庫 ， 支 持標 準 SQL2003 ， 兼 容PostgreSQL/Greenplum，高度兼容 Oracle 語法生態，具有自有計算和極速響應、穩定和安全、高并發訪問、動態升降配和彈性擴縮容等優勢。 云數據 ClickHouse 分布式實時分析型列式數據庫服務。高性能，開箱即用，企業特性支持。應用于流量分析，廣告營銷分析，行為分析，人群劃分，客戶畫像，敏捷 BI，數據集市，網絡監控，分布式服務和鏈路監控等業務場景。 云原生數據湖分析 DLA 完全彈性的架構，提供一站式的數據湖分析與計算服務，

172、支持 ETL、機器學習、流、交互式分析； 可以分析與集成對象存儲 （OSS） 、 數據庫 （PostgreSQL/MySQL 等） 、 NoSQL （Lindorm、TableStore、MongoDB 等）數據源的數據；功能包括：數據入湖，元數據管理與自動發現，支持雙引擎：SQL（兼容 Presto）、Spark。 資料來源：阿里云公司官網，中信證券研究部 2020 年年，阿里云宣布進入阿里云宣布進入 2.0 時代，架構升級成為云平臺時代，架構升級成為云平臺+數字原生操作系統。數字原生操作系統。以飛天云平臺為基礎，裝上數字原生操作系統，在其上增加“云釘一體”和“云端一體”的核心操作系統層。

173、升級后的阿里云 2.0 就像 Windows 讓電腦走進千家萬戶一樣， 讓人類和云計算的交互更加容易，讓云能夠普及到更多企業、更多人。 阿里積極助力行業數字化轉型阿里積極助力行業數字化轉型。近半年，阿里云推動工商銀行遷移到分布式數據庫平臺、啟動新華保險的數字化轉型、與浙江大學共同打造高校教學科研新模式、與四川成都繞城高速共同打造智慧高速數字化引擎、助力國家稅務總局打造智慧稅務大數據平臺、助力飛鶴用戶增長率和活躍度迅速提升等，助力各行業數字化轉型。 騰訊云：云數據庫廠商中騰訊云：云數據庫廠商中 IaaS 增速最快增速最快 2010 年年，騰訊，騰訊云平臺部成立云平臺部成立，成立以來已經，成立以來

174、已經構建包括數據庫、云原生、構建包括數據庫、云原生、AI、大數據、大數據、物聯網、 音視頻技術等在內完備的物聯網、 音視頻技術等在內完備的 PaaS 產品體系產品體系。 騰訊云的用戶群涵蓋了 30 多個行業，主要為金融、政府、電商、游戲等，其中包括各種規模的公司。目前，騰訊云已經服務了國內超過 70%的游戲公司，市占率行業第一。經過多年積累，騰訊云數據庫已經擁有了一套完整解決方案，成功服務的客戶數已經超過 50 萬，其中，90%以上的業務是在亞洲完成的，并且主要在中國。 全球全球 top5 廠商中廠商中 IaaS 增長最快的云計算廠商，增速超過增長最快的云計算廠商，增速超過 100%。今年四月

175、 Gartner發布的全球云計算市場份額排名報告顯示，騰訊云從 2017 年全球 18 位、2018 年全球第6 位，上升到了 2019 年全球第 5 位，并且是全球 top5 廠商中 IaaS 增長最快的云計算廠商，增速超過 100%。據 Gartner 報告，騰訊云數據庫增速達 123%，為國內所有數據庫廠商中最快，全球范圍內連續兩年增速保持前三。2020 年，騰訊云數據庫入選年，騰訊云數據庫入選 Gartner云數據庫管理系統魔力象限，被評為特定領域者。云數據庫管理系統魔力象限，被評為特定領域者。 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分

176、40 圖 62：騰訊云數據庫整體解決方案支撐 資料來源：騰訊云公司官方微信公眾號 騰訊云數據庫擁有一套完整解決方案騰訊云數據庫擁有一套完整解決方案金融級分布式數據庫 TDSQL、云原生數據庫 CynosDB、開源數據庫 TBase、時序數據庫 CTSDB、圖數據庫 TGDB、流計算平臺Oceanus、數據庫一體機 TData、為游戲設計的分布式數據存儲服務 TcaplusDB。騰訊云憑借完善的產品生態矩陣， 近年來 TDSQL 和 TBase 相繼實現了幫助客戶完成銀行傳統核心系統、保險機構核心系統數據庫首次國產化替換等的突破。 表 13：騰訊云數據庫產品 類別類別 產品或解決方案產品或解決方

177、案 簡介簡介 關系型數據庫 云數據庫 TencentDB 兼容 MySQL、MariaDB、SQL Server、PostgreSQL 等協議。 分布式關系型數據庫 云數據庫 CynosDB 高性能高可用的企業級分布式云數據庫，100%兼容 MySQL 和 PostgreSQL，實現超百萬級 QPS 的高吞吐，128TB 海量分布式智能存儲，保障數據安全可靠。 分布式 HTAP 數據庫 TBase TBase 集高擴展性、高 SQL 兼容度、完整的分布式事務支持、多級容災能力及多維度資源隔離等能力于一身，采用無共享的集群架構，提供容災、備份、恢復、監控、安全、審計等全套解決方案，適用于 GB級

178、-PB 級的海量 HTAP 場景。 TencentDB for TDSQL 具備強一致高可用、全球部署架構、分布式水平擴展、高性能、企業級安全等特性，同時提供智能 DBA、自動化運營、監控告警等配套設施，目前 TDSQL 已經為超過 500+的政企和金融機構提供數據庫的公有云及私有云服務。 NoSQL數據庫 云數據庫 TencentDB 兼容 Redis、MongoDB、Memcached 等協議。 時序數據庫 CTSDB 分布式、可擴展、支持近實時數據搜索與分析的時序數據庫。提供高效讀寫、低成本存儲、強大的聚合分析能力、實例監控以及數據查詢結果可視化等功能。整個系統采用多節點多副本的部署方式

179、，有效保證了數據的高可用性和安全性。 游戲數據庫 TcaplusDB 結合游戲特點，平衡性能和成本，專為游戲數據存儲打造，在游戲行業中具有領先優勢。依托騰訊云遍布全球五大洲（亞洲、歐洲、北美洲、南美洲、大洋洲）的基礎設備服務節點，游戲開發商只需接入一次，便可在全球使用。 數據庫軟硬一體 數據庫一體機 TData 是融合了高性能計算、熱插拔閃存、Infiniband 網絡、RDMA 遠程直接存取數據的數據庫解決方案，為用戶提供高可用、易擴展、高性能的數據庫服務，適用于 OLAP、OLTP 以及混合負載等各種應用場景下的極限性能需求，支持 Oracle、SQL Server、MySQL 和 Pos

180、tgreSQL 等各種主流數據庫。 資料來源：騰訊云公司官網，中信證券研究部 業務協調將助力騰訊業務協調將助力騰訊云云 DBMS 的開發的開發。騰訊作為全球最大的游戲公司，擁有巨大的資源。且騰訊云數據庫和騰訊其他業務協同效應強大，TcaplusDB 這個在游戲行業領先的數據庫也為騰訊其他 DBMS 的開發提供了指導，使其不僅僅是現有 DBMS 技術的“快速 前瞻研究系列報告前瞻研究系列報告 862021.1.8 請務必閱讀正文之后的免責條款部分 41 追隨者” 。 騰訊云積極攜手合作伙伴共建數據庫生態騰訊云積極攜手合作伙伴共建數據庫生態。目前騰訊云的數據庫生態合作伙伴中既有海量數據、愛可生、云和恩墨等老牌數據庫服務商，也有東華軟件、北明軟件、中科軟科技等金融領域近兩年的明星集成商。未來，騰訊云希望吸引更多的合作伙伴一起加入，共同開拓國產數據庫生態。 近期， 騰訊云發布面向混合云的云數據庫新品 TDSQL 一體機柜，讓企業在本地 IDC 環境下獲得與公有云上一致的云數據庫產品體驗。 并發布了 “諾亞計劃” ，計劃未來招募超過 50 家重點合作伙伴，每年提供超過 100 場定向培訓，全面加速國產數據化進程和行業生態發展。