基于开源数据库开发国产商用数据库产品的一些理解

　　最近同学群里谈论国产基础软件比较多，网上“从华为数据库到阿里数据库世界第一,亩产一万斤的浮夸何时休”这篇文章也多有转发。我在数据库方面熟悉一些，最近8年主要参与分析型数据库GBase 8a MPP的相关研发，将一些内容整理后分享给大家。

1、基于开源数据库开发商用数据库产品有无法律上的障碍？

　　首先来在百度百科https://baike.baidu.com/item/开源协议的图片。

 

图 1 常见的开源协议

　　显而易见，软件公司只要遵循相应的开源协议，就符合法律和相应的道义。对于国内软件厂商，肯定不想将商用产品的代码开源，所以引用BSD、MIT、Apache协议的居多，都是可以进行闭源的二次开发和发布的，如果是基于GPL/LGPL/Mozilla的开源协议，他们常常有对应的商用协议，只要给对应公司适当的费用也可以用于商用。

　　至于强行修改协议，冒名顶替的，在基础软件不太常见，从开发工程师本身来说，一般乐得遵循对应的协议。

　　顺便说一句，在数据库领域，Mysql、Mariadb系列都是GPL协议（GPL协议的传染性），Postgresql系列是BSD协议，其中GreenPlum是Apache协议。所以国产数据库的基础以Postgresql系列软件为主，分布式数据库以其中GreenPlum为主。

　　回答为什么国产数据库常常基于开源数据库开发的原因，最主要的自然是成本，能站在巨人肩膀上，还非得从零开始的话，对于要盈利的公司是不现实的。另外最近10年中，数据库本身可以说没有革命性/颠覆性的新理论、新算法的出现，（Stonebraker创建Vertica是2005年）按我以前同事孟祥斌的说法，最近一次革命性的变化还是OLAP（分析型）数据仓库业务中粗糙集索引技术在列存数据库的应用，从而诞生了Sybase IQ、Vertica等一系列OLAP产品。

　　我个人认为从2000年以后，是客户应用驱动了数据库的发展，无论是列存数据库、图数据库、全文数据库、KV数据库还是Hadoop生态的诸多产品，除了Oracle在事务数据库上一骑绝尘，其他产品都是因为某些特性满足了某些业务应用，从而在细分市场上得以发展，无论是阿里还是南大通用，数据库厂商都是拿Oracle“砸挂”，一说就是比Oracle快XXX倍，其实就是Oracle本来就不适合那个业务场景。

　　如在一个几十亿行的数据表上增加、删除一列，Oracle也许要好几天，而列存数据库连1秒都不用，这种对比就没有太大意义，但是实际业务中却又很常见，而根本原因是该业务场景压根儿不应该用Oracle，如Stonebraker所说的单一模式不能包打天下。

扫描二维码关注公众号，回复： 7674097 查看本文章

　　与之相对应的，“集成”，“混搭”，“融合”倒是有技术可行性，将各个数据库融合打通，方便开发、运维，降低整体运行成本的方案和产品在近年多有出彩之处。

2、类似的问题，基于开源数据库开发商用数据库有无道德上的障碍呢？

　　日常中，让大家感到恶心的是国内基于开源软件开发的OS、数据库软件都是用着开源代码，打着“完全自主知识产权”的名义非法占用国家经费以及过度市场宣传的案例。

　　“非法占用国家经费”是那些负责审批的领导和专家关注的范围，自然由法律来惩罚，“过度市场宣传”确实欺骗了我们大众的感情，可这是那些低级客户的问题，就像有人非买“脑白金”一样，但是不怕，低级客户选择错了，肯定由其上级或者最终用户惩罚，关键基础软件尤其是数据库软件这种比例还是很低的，原因下面再补充。

　　我们可以谈谈 “完全自主知识产权”这个口号。我个人认为这是某位大领导/大专家一起兴起，想到的一个词，他完全没有法律和道义上的含义，就象“欢渡春节”。实际上哪怕你在Linux上写一个“Hello World！”，

#include <stdio.h>
int main(void)
{
  printf("Hello World!\n");
  return 0 ;
}

都要用到如下链接库

 

  图 2 Hello World的依赖库

　　那么理论上，我们在版权声明中应该声明，此软件用到了诸如glibc等GPL协议的软件库。在Windows平台上也是如此，即使能把所有库静态链接，本质不会发生什么变化。

　　相信国家也理解了“完全自主知识产权”是个伪命题，现在这种说法官方说的少了，而是开始宣传“自主可控”，“安全可信”，即最近金额高达几千亿规模AK（安可）项目，后来国家发现类似阿里的合资或者上市公司无法参与，后又有“实际控制人”的说法。

3、案例解析

　　案例：南大通用在2015年经工信部（中华人民共和国工业和信息化部）撮合从IBM花巨资购买了Informix数据库的源代码（IBM在中国共卖了3份源码），当时我们崔总（崔维力）与工信部某领导确认，经Informix源代码改后的GBase 8t关系型数据库（后来改名GBase 8s）算不算国家的“自主可控”、“安全可信”产品，该领导明确表示“算”，在后来我们用此产品参加国家安全、军事等领域的项目，证明确实算作AK软件。

　　推而广之，基于开源代码并号称能完全掌握：可修改bug、增强安全（符合国密XXX），可以优化，可提供技术支持和定制开发，也符合法律条文（没有违背开源协议、软件著作权登记和软件专利）的数据库软件，都可以申请为AK数据库。

4、关于数据库方面的软文

　　软文常出现在一些IT新闻网站、自媒体，乃至软件公司的官方网站上，它是市场推广的一种模式，就像马季相声《吹牛》，有正着吹的，反着吹的，有贬低别人吹的，有贬低自己吹的，大家就看一个热闹就好了。

　　核心是我们软件工程的定义，软件的核心是为客户/用户带来价值，现在国内基础软件非常难，完全是买方市场，在项目中POC测试（Proof of Concept，用户场景验证测试）阶段非常长，我们常常做一个项目需要一两年才能部署，就是客户/用户会将它们所有的APP都跑很长时间，一直到所有的功能和性能满足需求，并且还会提出大量的定制需求，然后几个产品都测一轮或者几轮，才会开始招标，如果运气好中标了，给你签协议，部署，再运行很长时间后才会给你钱（没有暴富的机会，这就是资本市场抛弃数据库等基础软件的重要原因之一），分布式数据库项目常常会出现A公司在一个项目中辛辛苦苦两三年，将所有的移植、优化POC都做完，然后被B公司抢单的现象。

　　所以至少是目前，真实客户不会为这些软文打动的，当然这也是国内基础软件竞争惨烈的一个表现。我们和美国不同，DOD一直花大笔钱培养和管理软件市场，我们是大量三产公司左手倒右手，去年参与一个XX系统项目，是涉及几十家公司的大项目，只有南大通用一家非XX三产，所以国家在IT投入很大，实际效果还需要时间来验证。包括这次国家大笔投入的AK，因为鼓励各省市的本地公司，所以这两年出现了几十家新的数据库公司（估计其他子领域新成立的针对AK的软件公司也很多吧），AK的最终结果，我们只能说拭目以待。

　　基础软件厂商的软文常常不是给大众看的，是给自己公司的同事看的，自己鼓励一下自己，最近南大通用也在规划软文呢，欢迎同学们扔砖。

5、关于数据库评测

　　无论是工信部的测试还是类似这次阿里参加TPCC的测试都是营销手段，随着国内软件市场招投标的推动，各家企业都在不断推高入围的门槛。近年来国家有很多这样的机构，南大通用数据库参加的中国信息通信研究院（简称信通院）测试最多。至于质量如何，大家参考软件著作权申请时的测试就可以了，认认真真走流程已经是表现最好的了。

　　国外的TPC系列测试（TPC-C针对事务性数据库，TPC-H，TPC-DS针对分析型数据库，还有针对Hadoop平台的测试），他们的特点是公开性比较好，标准中包含了数据生成、评估工具，其中选择的场景比较典型，还能不断演进，如TPC-H逐渐不具有代表性后，就推出更高级的TPC-DS。其实前两年星环科技也大力宣传在TPC-DS第一的测试结果，可能大家不太注意罢了。参考资料：央视三大频道权威栏目集中报道，星环科技全球首个通过TPC-DS测试

　　其次就是各种排名了，国内赛迪、信通院为代表，只能说排名相对公平，最近几年为了多收钱，将数据处理行业添加了很多维度，导致划分的足够细，进入排行榜的企业很多，给人的感觉含金量下降了。

　　国外从大来说是Gartner的权威性要好一些，它本身针对技术趋势的研究也多一些，下图是2018年和2019年Gartner发布的数据管理方向的魔力象限（注：进入Gartner和进入Gartner魔力象限是两件事呀，发现巨杉还一直宣传自己入选Gartner呢，实际上是入选Gartner列表，确实也很了不起）。国内进入的就是南大通用、华为、阿里（其中华为和阿里在云方面加分比较多）。在2018年之前发布的报告，国内数据库厂商有过星环数据库、巨杉数据库，这两年没有了。这种评选产品实力很重要，但评选本身也是非常耗钱和精力，小的或者不太专业的数据库公司是没办法参与的。

 

图 3 Gartner2018年初发布的报告

　　在2018年的报告中，阿里（Alibaba Cloud）和华为（Huawei）的体量比南大通用（GBase）大，技术先进性不如GBase。在2019年的报告中，华为就超过了南大通用。原因之一就是崔维力先生意外辞世，在2018年南大通用公司和产品都没有稳定发展。

　　另外这两年的图形中，大家都可以看到Oracle遥遥领先，国产数据库还都没有进入领导者象限的，大家还需要努力呀。

 

图 4 Gartner2019年初发布的报告

　　其次数据库排名还有https://db-engines.com，权威性差一些，谨供参考吧。

小结

1、 使用开源数据库或者以开源数据库为基础开发自己的数据库，只要按协议办事，就合规合法，也没有什么可丢人的。

2、 骗国家经费的难逃法网，骗大家感情的数据库软件还算是比较少的。

3、 数据库软件是买方市场，POC测试是重要成本，客户一般不会因为厂商的市场宣传就减免测试。

4、 网络软文就是给大家一乐，不要太认真。

5、 国家大力推动AK软件，具体效果需要时间来证明。

6、 国内评测和排名的质量一般，国外Gartner质量好一些，门槛也较高，但这些的直接效益就在招投标的供客户参考罢了。

7、 "不积跬步,无以至千里;不积小流,无以成江海",阿里的这次进步是国产基础软件的一次扎扎实实的进步，如果说其有些自吹自擂，那就让这些值的自吹自擂的进步来的多一些吧。

下一篇文章再讲解南大通用分析型数据库GBase 8a MPP的演进之路，以及我们和开源软件的一些纠结。感谢大家花时间看这篇短文。