深圳计算科学研究院核心骨干，崖山科技公司团队创始人之一、技术副总裁欧伟杰受邀InfoQ《C位面对面》，介绍100% 自研的崖山数据库YashanDB是如何突出重围的。

　　谈突围 “根”技术和产品力 缺一不可

　　InfoQ：据2023年初国内一家媒体的统计，国内目前有200多家数据库厂商。您认为国产数据库产业需要克服的关键难题是什么？YashanDB作为一款面世不久的数据库产品，有何独特之处或竞争优势？

　　欧伟杰：国产数据库现在面临三大主要挑战：第一，数据库系统作为基础软件领域，需要有非常深厚的理论积累，且理论仍在不断发展中，如果缺乏原创的基础理论支撑，将难以在国际层面实现技术引领；第二，数据库作为核心基础软件，其研发过程对团队的工程实现能力提出严苛要求。团队要能够从零自主构建系统，并深入掌握技术发展的方向，向用户提供安全、可靠且持续进化的产品，满足行业应用不断升级的需求；第三，需要有能够满足客户需求的强大产品力，技术是实现我们客户需求的手段，而做一个真正的产品需要把客户方方面面的需求都考虑周全。如果产品只能满足特定场景，一旦面向更大规模、更复杂应用场景需求，很难规模化复制，那产品力其实是不够的。

　　最后回到YashanDB自身，原创理论突破和核心技术全栈自研是我们的核心优势，也是我们的独特性所在。

　　上世纪的70 年代以来，在传统数据库理论的基础上催生了如Oracle等成熟产品，而随着大数据时代的发展，传统计算模式面临性能和算力瓶颈，亟需新的计算模式变革。崖山数据库系统（YashanDB）在经典数据库理论基础上实现了原创理论突破——如有界计算、近似计算、异步并行执行、跨模计算等，在面向海量数据的处理、大并发事务处理，以及不同模态数据的混合查询等不同场景时都具备领先优势，推动应用创新走向纵深。

　　那为什么要“从零开始”？就像市场上打造一个航空发动机，会选择将零部件交给其他厂商去做，但这样做难以把控发动机持续稳定高性能的运行，而我们在开发全自研基础软件的过程中，不基于开源自建，相当于所有原材料、零部件等全部自己研发、生产，要从数据库未来的演进中去深入思考、构建。这也是我们给客户的一种承诺，我们的产品是从第一行代码开始写，底层技术是可控的、服务支持是可控的，交付给客户的是一套完全自主可控的解决方案，让客户的国产化转型升级之路更有信心。

　　谈落地 一比一平替O 为客户提供“兜底能力”

　　InfoQ：据2023年初国内一家媒体的统计，国内目前有200多家数据库厂商。您认为国产数据库产业需要克服的关键难题是什么？YashanDB作为一款面世不久的数据库产品，有何独特之处或竞争优势？

　　欧伟杰：目前，我们产品已经与政务、金融、能源、交通、智能制造等关键行业建立了合作，包括深圳市政府、华润集团、深燃集团、深智城等代表性企业。

　　某个银行的项目为例，当时我们仅用3周时间完成快速迁移，上线多个业务系统，实现Oracle数据库平替。该银行的业务系统已在Oracle上稳定运行多年，希望通过一款国产数据库产品进行“改造”，但需要做到减少业务重写、系统平稳切换。“改造”工作将面临巨大的挑战，难度在于其业务逻辑主要通过Oracle数据库里大量内置的高级特性来实现，代码量十分庞大。对此，我们通过我们的崖山迁移平台YMP，自动化地对系统进行兼容性评估、数据迁移、一致性校验等工作，凭借对Oracle的高兼容度最终不到3人周即完成11万行代码的平滑迁移，大大缩短了客户原本数月的交付预期，创造了数据库国产改造新速度。迁移能力之外，性能表现更是验证数据库产品能力的核心指标。对此，我们的客户又提出了在同等硬件配置下做一个“性能PK”。与Oracle对比，在单业务流程中崖山数据库响应时间较Oracle快50%，大大提升业务处理效率，且并发吞吐量也是Oracle的1.3-2.4倍，意味着相同时间可以处理数倍业务请求，扩展了原有业务的处理上限。

　　对此YashanDB交出了一份满意的答卷，在替换原有的数据库系统后，YashanDB不仅保障了迁移过程的平滑安全，更在多个关键指标上实现了性能的提升，是“1比1”平替的较好选择，对客户来说是个“降本增效”的事情。

　　InfoQ：前不久，YashanDB 举办了 2023 新品发布会，我们看到了团队在技术、产品方面取得了很多突破，尤其是共享集群产品。YashanDB共享集群其实是瞄准核心系统替代的一款产品，团队为什么认为该产品可以突破目前国产替代的困境？它具备哪些关键优势？

　　欧伟杰：核心系统的高可用能力和业务连续性是用户最为关心的问题，共享集群可以实现当某个节点出现故障时，其他节点无感接管业务的能力，这对业务本身而言上了“双保险”。

　　1：1平替是分布式数据库的重大挑战之一。具体来说，分布式数据库和共享集群在“高可用”方面的底层逻辑是不一样的——共享集群的数据是一体的，所有节点是完整的数据集合，而分布式的单个实例是一个数据分片，二者的业务复杂性不在一个层次上。那么对于传统业务，特别是银行的核心交易系统，存在多系统之间的业务交集，其复杂性相当之高。如果要把这种基于集中式的业务改造成一个分布式的业务，对传统业务而言是一个颠覆式的改造，风险很高。所以，对用户来说，共享集群是实现“1：1”平替较为理想的方案。

　　作为商业数据库的技术的制高点，共享集群到底难在哪里？共享集群本身的难度在于它的存储组织，会涉及到数据的存储、事务处理等，是交易型系统的核心底层机制。如果在开源技术的基础上去开发，受限于其架构和技术路线，往往很难实现共享集群这一形态。实现共享集群，需要对存储等底层机制和核心技术有完全的掌控。

　　在去年，我们经过原型验证和多次迭代，成功推出共享集群产品，提供面向应用无状态的计算扩展能力，透明多写多读，像使用集中式一样简单方便；另外，在高效处理的数据规模、事务处理吞吐量和高可用能力等关键指标实现与国际标杆Oracle并跑并迈向领跑，高可用能力方面，RPO（数据丢失量）为 0，能够确保故障切换不丢数据，故障恢复时间 RTO 小于 20 秒；同时，替换过程业务不中断、上层应用无改造，完全满足核心系统对高可用的要求。当前产品也已经应用在金融、运营商等国计民生领域中，有效降低“断供”风险，真正实现高端应用场景1：1平替。

　　谈趋势 跨模计算已成为AI时代的下一个重要考验

　　InfoQ：现在业界对于多模态数据的处理也做了很多探讨，那么YashanDB对多模态数据的处理的整体的思考和洞察背后的逻辑是什么？

　　欧伟杰：我最早接触到的一款多模数据库产品是微软的Cosmos DB，它虽然是多模数据库产品，但每一种模态的数据是基于烟囱式的方式，彼此之间不进行交互，这是原有多模数据库产品的一个局限性。但我们现在更多提到是“跨模态”，即不同模态的数据之间进行交互、计算。就像这几年大家都提到的“湖仓一体”，它在一定程度上可以实现跨模态，但要对两个模态数据进行计算，需要先统一成同一模态，再进行计算，这在实时性、转换成本方面还是比较高的，因此“湖仓一体”也存在一定的局限性。而针对这一问题，YashanDB的原创跨模计算理论，在研究更多不同模型之间的对象关联，基于跨模实体链接技术，提供基于语义联结的统一查询方法，避免数据模型转换，提升查询效率，真正实现了海量多源多模异构数据的高性能查询。

　　同样的，AIGC也涉及多模态或者跨模计算，也依赖一定的语义联结。建立语义联结，一种方式是给图片、文本打标签，以产生某种匹配；另一种方式就是通过encoder，把不同模态的数据变成语义上对等的一些向量，进而通过向量的相似性计算得出语义距离。但这些方式基于机器学习模型也有一个弊端——存在不可解释性。而针对这一问题，YashanDB把机器学习和规则相结合，可以实现增量计算，避免了前面所说的两种模态数据之间的全量转换和计算，从而实现计算成本及实时性最小化，这将对传统跨模计算技术产生颠覆性突破。