数据库革新拐点已来——MatrixOne Beta Program Recap
从 2021 年创业起,矩阵起源 MatrixOrigin 已经走过了 2 年。在今年的 2 月 22 日,我们也刚刚庆祝了 2 周年的生日。很多与我们一路走来,携伴同行的伙伴们也共同见证了 MatrixOne 从 0 到 1 的整个成长历程。
2023 年作为里程碑式的一年,MatrixOrigin 将以产品商业化闭环作为最重要的目标。为此,我们也在年初推出了 MatrixOne Beta Program——用户体验计划,邀请初期用户、合作伙伴以及外部开发者加入,深度参与到 MatrixOne 的迭代开发中来,为 MatrixOne 的商业化闭环出谋划策。
本周二,正式迎来了第一次主题为《MatrixOne 当前进展及 2023 年展望》的线上研讨会,我们邀请了数十位来自工业、建筑、科技、互联网等行业的伙伴,与 MatrixOrigin 产研团队进行了一次深入的交流与探讨。
本篇文章将会对研讨会的核心要点进行总结。
Key Takeaways
新基础设施和新应用类型带来了国内外数据库的革新需求,新的拐点已经到来;
MatrixOne 内核已基本完成整体架构搭建,将于 2023 年中期推出正式商业化版本;
MatrixOne Cloud 将于近期推出 Alpha 版本,即将邀请合作伙伴进行测试;
MatrixOne 部分场景的应用和实践,以 IoT 及 SaaS 场景为例。
国内外数据库行业趋势及挑战
新的拐点已到来
矩阵起源创始人王龙首先分享了其对数据库未来方向的思考。
数据库作为一个 IT 架构的中间层,下层是基础设施,上层是业务应用,对数据库的需求驱动会随着上下层的革新而变化。
在基础设施层,云原生的价值已经被企业广泛接受,基于容器和微服务的架构可以支持对物理资源的使用达到一个极为高效和敏捷的状态。
在应用层,企业普遍从小数据量的流程性应用开始转向大数据量的分析型应用,对实时性和智能化的需求也达到了前所未有的程度。
而在数据库这个中间层,目前对底层云原生技术的利用及对上层新应用的场景适应还是不足的,导致企业普遍在数据处理上花费大量成本,本该交给数据层解决的问题被推到了应用层,进而使得企业无法专注于自身的业务层开发,拖慢业务发展。
这也恰恰是矩阵起源看到的巨大时代机遇,我们希望可以通过数据库层的创新改变这个现状,帮助企业更高效更专注。
MatrixOne 产品进展 及 2023 年 Roadmap
接着矩阵起源产品总监邓楠回顾了整个 MatrixOne 的创新理念、MatrixOne 内核产品及公有云版本当前的进展,及 2023 年的整体 Roadmap。
MO 产品理念
为了打破数据孤岛问题,降低数据架构的复杂度,MatrixOne 始终围绕“超融合” 的理念,希望在数据库层面就实现全面且综合的能力,在面对多种数据应用,多种工作负载,多种异构基础设施的场景下,为用户提供一个极简的解决方案,令用户不需要再通过多个数据组件自建及维护一套复杂的 In-House 数据架构。
MO 内核进展及 2023 年计划
MatrixOne 的内核最近刚刚发布了 0.7 版本,已经具备了一个完整的分布式云原生 HTAP 数据库的基本能力。MatrixOne 与 MySQL 8.0 在语法与协议上完全兼容,常用的 SQL 功能,数据类型均已实现,与主流的 Java,Python,Golang 应用开发语言技术栈均保持兼容,同时提供基于乐观事务和快照隔离的 ACID 保证。除此之外,MatrixOne 也实现了如多租户,自带监控体系的独特功能。
在 2023 年 MatrixOne 将进一步提升优化整个系统的稳定性和性能,实现完整的流处理引擎,同时在备份还原、迁移工具、高阶 SQL 功能(存储过程,触发器,UDF,物化视图)等合作伙伴普遍关注的问题上进行优化和补齐。预计在 2023 年中 MatrixOne 内核将推出 1.0 版本(General Available),之后会根据第一批商业客户的测试情况进一步迭代、升级各项能力。
如下图,完整的 MatrixOne 将是一个可以应对绝大部分业务场景,具备全面能力的超融合数据库。从用户体验来说,可以归纳为:写得下、算得动、高速度、低成本、可扩展、简单易用、稳定可靠。
MO Cloud 进展及 2023 年计划
MatrixOne Cloud 是一个完全 Serverless 化的公有云托管数据库产品,用户不再需要关注数据库的基础设施部分,而只需关注如何使用数据库。与传统云数据库以节点售卖的形式不同,用户购买和使用的 Serverless 实例只有计算单元及存储空间两个计费单位,实例会随着用户的应用负载变化而自动调整匹配,在完全没有负载的情况下会降至零,真正做到免运维和按需付费。
MatrixOne Cloud 公有云产品目前处于 Alpha 版本研发阶段,目前已经在 AWS 上进行了完整的适配,预计 3 月会正式推出,届时我们将邀请合作伙伴进行测试。后续,MatrixOne Cloud 还将陆续适配阿里云、华为云等国内云厂商,预计今年下半年也会推出 1.0 General Available 版本。
如下图,完整版的 MatrixOne Cloud 会给用户带来极致简单的体验,用户再也不用关心数据库负载、容量、性能等底层问题,只需要关注自己的业务和账单即可。
MO 部分场景应用实践
* 以 IoT 及 SaaS 场景为例
IoT 应用
在传统实体行业全面拥抱数字化的背景下,IoT 行业应用开始出现井喷式增长,在制造、建筑、环保、农业等领域里有大量的实体资产和生产过程开始数字化。而这也带来了新的技术挑战,包括:海量的设备和传感器接入带来的写入压力;持续流入的海量数据带来的负载压力;对海量数据进行实时分析带来的性能压力等。
为了应对这些挑战,企业往往需要自己粘合一套含多个数据库产品的系统,来分别应对不同的压力。在 MatrixOne 的全面能力支持下,企业将可以大幅简化系统架构,大幅提高系统的整体性能及实时性。
SaaS 应用
在全球市场范围内,SaaS 已经是云计算市场中最大的一块蛋糕。而近年来中国的企业软件 SaaS 化也在如火如荼地进行中,与此同时,企业软件 SaaS 化在数据库领域又面临着诸多新的挑战。
首先在业务规模上,以往本地部署的项目只是面对单一客户,SaaS 化以后需要用同一套系统服务大量客户,以前简单的系统架构将很难应对更大量的数据和更多用户并发访问的冲击,对系统的可扩展性就提出了更高的要求。其次,SaaS 化必须考虑的多租户模型在传统架构下将面临高隔离性低维护性或者高维护性低隔离性的两难选择。而在 MatrixOne 天然的多租户能力及 Serverless 的架构下可非常轻松地解决这些问题。
圆桌讨论
企业数据库应用场景及挑战
最后,参会的伙伴们一起参加了主题为《企业数据库应用场景及挑战》的圆桌讨论,这里将参会伙伴的部分精彩观点做了摘要。
Q : 您的业务场景及当前数据库的应用情况?
A :“在大数据分析场景中,金融领域的客户不管是用基于 Hadoop 的大数据全家桶方案还是基于传统 IBM,Oracle 的数据仓库方案,都面临着成本、运维、系统复杂等问题。整个行业也都在寻找基于 HTAP 的,能把存储、数仓建模、实时报表、交互式查询完全统一起来的解决方案。”
-来自某深耕金融行业的伙伴
“在电子制造领域,客户对数据的认识越来越深,对数据库的要求越来越多,比如对实时性的要求,对物联数据的长期留存,对海量历史数据的追溯分析等等,我们现在用的数据库很杂,有 MySQL、MongoDB、Clickhouse,这个对我们开发人员来说有不少上手难度,而且在交付的项目里又需要额外的维护成本。我就一直希望有一个数据库能把这些东西都融合起来。”
-来自某电子制造行业的 ISV 服务商伙伴
“工业领域的数据孤岛现象是相当严重的。我们经常开发一个 Scada 数据采集系统,数据放在我们自己的 MySQL 里,但是客户那边应用系统里也有一个 MySQL,我们不得不又要通过应用层去整合这些数据。我们开发的应用系统,又要面临着跟客户的 ERP 系统、BI 系统、数字孪生系统等等去做接口打通和对接的问题。”
-来自某制造行业资深专家伙伴
Q : 数据库的瓶颈给业务带来了多大的阻碍?
A : “我们是一家产业链大数据服务的公司,我们对数据库带来的问题体会还是很深的。我们要给客户提供经过精细加工的数据,数据质量就是我们的核心竞争力。而我们搭建的数据处理平台差不多需要 5-6 个数据库组件,我们的开发团队里差不多每个人都得花 20-30% 的时间去处理数据库相关的各种运维问题,导致没法发挥完整的生产力”。
-来自某产业链大数据服务公司 CEO
“对金融客户来说,两地三中心基本是标准需求。但是现在基于 Hadoop 的这套大数据方案很难去支撑这种需求,而导致客户宁可继续用传统的数据库方案,而继续忍受性能之苦。”
-来自某深耕金融行业的伙伴
小编语:如果您在业务场景和生产中也面临各式各样的数据库问题,欢迎加入 MatrixOne Beta Program,与来自工业、建筑、科技、互联网等数十个行业的专家进行探讨。
参会伙伴们的反馈与意见一方面帮助 MatrixOrigin 团队坚定了信心,相信 MO 沿着现有的路线,将产品完整打磨好一定能带给客户价值;另一方面也为 MatrixOne 产品的前进指明了方向,让我们对哪些问题在业务上更棘手,优先解决哪些问题有了更清晰的了解。
再次感谢所有参与本次研讨会的合作伙伴,未来我们将会把用户研讨会持续举办下去,从线上走到线下,走到客户的身边去,敬请期待。
版权声明: 本文为 InfoQ 作者【MatrixOrigin】的原创文章。
原文链接:【http://xie.infoq.cn/article/b45437932b4017d644604beab】。文章转载请联系作者。
评论