现在的大部分数据都是非结构化;不适用于关系行和列。通用的数据库将不适用。
NoSQL数据库(其中最普遍的是MongoDB)曾经被视为解决此问题的最明显方法,但是最近NoSQL热潮开始冷却。尽管MongoDB的未来也将受到这些更广泛趋势的影响,但是我们有理由认为它可能会超越其他NoSQL竞争对手。
NoSQL产品的兴衰
NoSQL产品增长的主要推动力在于:企业需要存储非结构化数据同时提供高度可扩展性、数据分发和可用性。NoSQL为IT部门提供更多数据存储替代方案,并允许他们自定义数据库架构,以满足每个应用程序独特的存储和处理要求。
NoSQL作为一类产品的诞生比大多数人意识的要更早。Neo4j(NoSQL图形数据库项目)始于2000年,2003年进行首次生产部署。在2005年至2010年之间,一系列NoSQL产品进入市场,包括MongoDB、CouchDB、Cassandra、Redis和HBase。
随着NoSQL平台的兴起,我当时领导了一个项目–为NoSQL数据库构建远程DBA支持实践的项目。我的目标是选择一种将会越来越受欢迎的产品。经过长时间的评估,我选择了MongoDB作为我们支持的第一个平台;我认为其无模式的结构和分片功能将使其成为强大的竞争对手。我还认为MongoDB的文档存储模型将适用于广泛的应用程序需求,而大多数其他NoSQL平台使用的模型似乎要狭窄得多。MongoDB的未来看起来最光明。
从那时起,NoSQL类产品完全遵循Gartner炒作周期。当IT社区开始对NoSQL感兴趣时,很多行业分析师宣称NoSQL平台最终将取代关系型产品,成为企业首选DBMS。Gartner将其形容为“过高期望的峰值期”。
当IT部门开始使用NoSQL平台构建和部署应用程序,他们便开始了解每种产品的真正功能。与所有趋向成熟技术一样,行业炒作和IT界夸大的假设最终让位于更现实的期望。这使得大多数NoSQL产品的增长率相应地下降。
尽管NoSQL产品不再像以前那样引起人们的极大兴趣,但MongoDB却仍在继续扩大市场份额。根据投资者网站The Motley Fool的文章显示,从2018年到2019年,该平台的Atlas DBaaS产品实现了400%的增长率-该供应商的总收入增长了71%,达到8550万美元。DB-Engines是对数据库管理系统的受欢迎程度进行排名的网站,它将MongoDB列为第五大最受欢迎的数据库供应商。
MongoDB充满挑战的未来
MongoDB的未来并不容易。当你比较市场产品时,你会发现,拥有最佳技术的供应商并不总是会赢得市场份额,甚至无法生存下来。当这些供应商必须与更大更根深蒂固的竞争对手的产品抗衡时,尤其如此。因为大型数据库供应商通常不会袖手旁观,让新兴NoSQL平台抢占其市场份额。
例如,亚马逊在2019年推出DynamoDB(一种与MongoDB兼容的数据库产品)。甲骨文声称18c完全支持文档存储模型和数据库分片。而Microsoft Cosmos DB是一种全球分布的多模型数据库服务,为文档存储模型提供支持。
尽管受到各种云举措的干扰,数据库管理系统行业的巨头仍将继续收购挑战其领导者地位的任何技术。他们将确保MongoDB等技术将成为其数据库产品的组成部分,而不是替代它们的产品。对于这些大型供应商而言,持续占据市场主导地位的关键在于,他们能够识别并收购将被广泛部署的技术,而不是利基技术。
为了从竞争对手中脱颖而出, MongoDB必须不断创新和集成新功能。这种不断的差异化将是其生存的绝对要求,而不是保证。每个数据库产品的每次新发行版都必须包含很多新功能。
数据库供应商必须添加新功能才能保持竞争力。这样一个竞争激烈的市场迫使所有软件供应商都必须最大化其产品的固有功能集。不断创新和集成新功能以使产品脱颖而出,这是是MongoDB持续发展的绝对要求。
我们一直都在努力坚持原创.......请不要一声不吭,就悄悄拿走。
我原创,你原创,我们的内容世界才会更加精彩!
【所有原创内容版权均属TechTarget,欢迎大家转发分享。但未经授权,严禁任何媒体(平面媒体、网络媒体、自媒体等)以及微信公众号复制、转载、摘编或以其他方式进行使用。】
微信公众号
TechTarget
官方微博
TechTarget中国
作者
翻译
相关推荐
-
Java、JDBC和Postgres
现在越来越多的企业开始部署PostgreSQL,为什么呢?当你看到这个许可开源数据库所提供的功能,你就不会对此 […]
-
5个元数据管理最佳实践
在数据驱动的环境中,元数据不仅仅是数据的副产品;还是综合数据治理战略的关键组成部分。企业需要适当的元数据管理, […]
-
Cockroach Labs增加矢量搜索,更新定价选项
Cockroach Labs 近日推出矢量搜索功能,旨在使客户能够访问和操作非结构化数据,以训练生成式人工智能 […]
-
如何使用数据治理成熟度模型
如果没有强大的数据治理,数据就无法产生有价值的见解以及改善决策。数据治理成熟度模型可帮助企业评估当前的成就水平 […]