多模数据库成数据库未来趋势，助力AI进化“人类智能”

面对新基建驱动而即将造成的数据量井喷现象，当下的数据库模式将不能够足以支撑，尤其考虑到AI正逐步落地的情况。

--全球每天生产的数据有多少？

--非常多。

依据Raconteur统计的数据，到2025年，全球每天预计有463 EB数据产生，相当于每天产出约2．1亿张DVD碟;IDC发布的《数据时代2025》报告中也预测，全球每年产生的数据从2018年的33 ZB增长到175 ZB（1 ZB=1024 EB），以25 MB/秒的网速进行下载，需要的时间为18亿年。

随着数据量的暴增，问题逐渐暴露。

数据规模大、类型多，一站式服务需求激增

截至目前，针对海量数据的处理，业内既有的数据产品多只能解决某一类问题，譬如Hive应用于结构化数据、面向数据存储的文档数据库MongDB、专注于复杂搜索需求的ElasticSearch以及图数据库Neo4J等等。与此同时，围绕多种数据类型的存储与处理需求，业内也搭建了一种混搭架构，涉及多种不同的数据库技术，以解决不同的数据问题。

只不过，我们也可以注意到，各个数据库可以说是各自为政的，这也使得客户在需要使用多种数据库产品时，需要自己重新架设一层，以解决需求被满足时所产生的附加问题，包括数据如何在不同数据库之间导进导出、数据在不同库中的一致性保持、整体运维等等。

仅从文字的描述来看，就可以知道，数据库的单一独立使用和混合使用各有优劣，前者操作简单但供给不足以满足实际应用场景的多样化需求，后者虽然能够满足客户围绕数据产生的多样化需求，但是操作不便、运维复杂等问题也是不可忽视的。

就当下而言，混合架构或许尚能够应对来自产业内的多样化数据需求，但是长久以往下去并不是一个办法，尤其是随着新基建的到来，于国内数据库的发展也带来了极大的挑战。针对这个问题，腾讯云数据库副总经理王义成指出了三点：

1、数据量出现全面井喷，如何满足相应运算与分析的实时进行？

2、业务融合多样化发出挑战，数据库是否能够接受在不同的业务中心、数据中心、基础设施之间去做相应的部署和融合？

3、老龄化逐步演进，数据库人才缺口可能更大，数据库供应商如何为用户提供多种自动化服务，以及能否为用户的多种服务需求提供自动运维服务，实现整个数据的自动化治理？

从这些挑战来看，鉴于数据库与数据库之间的不兼容，为了避免复杂操作性、实现成本有效降低等目的，一个面向数据层面的一站式服务平台显然成为一个刚需。简单来讲，在这个一站式数据服务平台或数据库中，用户希望能够以简单的操作方式调用多数据库的资源，并处理多种数据模型等等。

数据库未来趋势？提名“多模数据库”

在提及数据库在新基建背景下将面临的挑战时，他也指出了这一产品的两点趋势，一点关乎数据库分配模式，“在数据量再扩几倍的情况下，还能保持TP与AP的整体稳定性和性能，这是一个大趋势，大家也会在这个点上继续去深耕。”

第二点上，王义成则表示随着5G的到来，可能会有更多模式的数据库会出来，包括图数据库或是更为稀奇的数据模式。

“数据库的下一个模式会向多模方向发展。数据库的存储模式是不同的，但真正对于应用访问来说，或者对于应用处理来说，需要一个更加经典化、更加统一的标准接口让上层应用能够去访问。”王义成表示，“我认为，应对5G带来的应用爆发、数据爆发，多模可能是一个大的趋势点。”

多模数据库究竟是怎样的？与现有的混合架构模式而言，它的优势体现在哪里？

简单来讲，多模数据库最终体现的是一种数据模式的统一，主要形式有两种：

一种是数据存储为统一模式，可以在这一层面暴露多种协议接口类型，比如一套数据存储，可以暴露Mongo的访问模式，暴露MySQL的访问模式;

另一种则是集中存储，将不同类型的数据库存储道一个整体通用的数据平台，再用一个up层，或者用一个接口层去兼容多种协议，让所有的应用都能够更为方便的集中于自身的数据处理跟统一。

相较于混合架构而言，多模数据库在进行统一整合、将操作极简化的同时，也降低了数据在不同库之间来回迁移的成本和风险等。“多模数据库有可能是未来中长期相对比较的趋势。”王义成说到。

多模数据库驱动下，助力AI逼近“人类智能”

从前面行业内人士的讲解来看，在数据库赛道中，利好多多的多模数据库已然成为被看好的下一个趋势。当前，在多模数据库赛道中，包括腾讯在内，华为、阿里等大型云服务商也已经推出或即将推出有关产品。

在一些行业赛道中，尤其是那些传统行业，他们的数据多是分散在各个业务系统中，这也为他们的数据化、智能化变革道路中增添了难度。如果一个产品能够帮助他们更快地整合数据，并能够提供抽象化的应用接口，这必然是利好的。

用王义成的话来说，使用多模数据库的目的之一，是解决用户不同调用的使用习惯，助力用户使用。而当谈及落地，“多模数据库”于AI的智能提升而言可谓一大助力。

众所周知，AI与人类智能差距之一就是“多模态信息的智能化理解”，这其中包括视觉、声音、符号语言、嗅觉和触觉等信息。如果能够像人类利用多模态数据学习知识一样，让AI也拥有多模态数据的学习能力，AI的智能程度必然将大大获得提升。

然而，就目前而言，多模态AI还存在不少技术难点，其中就涉及到多模态数据的融合。具体来看，一个软件或算法模型的进步是较为容易的，但当多个算法叠加在一起，难度的升级将会是成倍的，尤其在面对图像、语音、触感等非文本数据时。

就这一点来看，多模数据库与AI可以看作是相辅相成的：利用AI算法，数据库将能够在现有基础上获得进一步的优化;反过来，正是因为能够调用多个数据库，以及兼具的统一性，多模数据库将能够为AI算法模型提供训练平台，以及融合数据处理平台，让AI系统的决策更为全面和智能。
责编AJX