SequoiaDB应用场景与行业划分

本文主要描述了SequoiaDB的应用场景与行业划分。其中应用场景包括大数据、内容管理、客户信息管理、全局视图、数据库即服务、物联网、移动应用、产品目录与风险管理。行业划分包括了金融、电信、政府、零售以及娱乐。

1 用户场景

1.1 大数据（Big Data）

大数据一般指的是满足“海量数据”、“多样化数据”以及“时效性数据”这三种特性之一的数据处理方式。使用传统的关系型数据库很难满足这三个领域的任一方面，因此行业现在正在以“大数据”技术描述能够处理这类问题的解决方案。

这类问题的典型场景包括“点击流分析”、“日志处理”、“舆情分析”等具体项目。

在处理大数据问题时，用户主要会面临三个V的挑战，也就是“海量数据”、“多样化数据”以及“时效性数据”这三种特性。使用SequoiaDB能够从动态数据类型解决多样化数据的问题，能够以水平切分的方式解决海量数据的问题，并以其高性能和高可扩展性满足时效性数据处理的需求。

在很多情况下，大数据应用需要NoSQL与Hadoop技术相结合以满足三个V的全部需求，以搭建能够承载批量分析与实时查询的混合大数据平台。作为国内首家通过Cloudera技术认证的NoSQL数据库产品企业，SequoiaDB与Hadoop不论在功能、性能、安全性还是稳定性上均通过了国际领先的Hadoop企业的官方认证，能够完全满足企业级用户与互联网用户对大数据的需求。

1.2 内容管理（Content Management）

内容管理系统指的是一些存储并提供内容与元数据查询的系统。这类系统一般包括电子商务网站、在线内容发布商、文档视频管理和归档系统等。

现在大部分的初级内容管理系统能够处理简单的文档和元数据，而下一代的内容管理方案则需要处理更多的数据类型，对其进行动态展现并支持在线播放处理等功能。

在内容管理系统中，用户主要面临的挑战在于“敏捷的开发模式”、“多态数据类型”、“无结构的元数据处理”和“可扩展的存储架构”。其中SequoiaDB的JSON数据模型能够很好地支持“敏捷的开发模式”、“多态数据类型”、“无结构的元数据处理”，而其分布式架构则满足“可扩展的存储架构”。

1.3 客户信息管理（Customer Data Management）

客户信息管理系统指的是存储企业关于用户、会员、客户等元数据信息，可能还会包含销售渠道、客户反馈、信用管理等附加功能。基本所有的企业都会有类似功能的系统，包括用户关系管理（CRM）、游戏用户数据、个人简历、访问管理系统（IAM）和企业资源管理系统（ERP）等。

传统的客户信息管理系统基于关系型数据库，提供了存储客户基本信息的功能。而对于下一代的应用程序来说，存储客户的全方位信息、上下游销售机会、客户行为分析等功能很难使用传统关系型数据库所满足。

尤其是“敏捷的开发模式”、“结构化半结构化的数据模型”、“实时的数据访问和分析”以及“可扩展的系统架构”都是关系型数据库无法满足的难点。而SequoiaDB的数据模型与分布式架构完全可以满足这些需求。

1.4 全局视图（Single View）

全局视图类的应用中，系统将来自不同数据源的数据整合在一起，为用户提供一个统一的中央化视图入口（Portal），为企业提供对客户、厂商、系统、供应链、风险管理等不同角度的全方位视图。

为了实现这类业务，系统必须能够与各种其他业务系统进行对接，能够承载各种各样的数据类型，同时能够对不同维度和粒度的数据进行分析。

因此，SequoiaDB的JSON数据模型能够进行快速开发并与其他任何数据类型进行对接，不需要做数据模型的二次转化。而SequoiaDB同时可以对JSON中任意子对象中的字段进行索引，可以做到不同维度和粒度的精确查找分析。最后，其分布式架构能够满足不断增长的数据量的需要。

1.5 数据库即服务（Database As A Service）

DBaaS毫无疑问是数据库未来的发展方向之一。中小型的互联网企业将不再会花大量的成本搭建自己的机房，而是直接租用IDC或其他IaaS厂商提供的基础云计算平台。

在云计算平台上，客户可以根据数据的容量和性能要求，对数据平台进行动态变更和维护。

但是这一切想法如今都在面临着挑战。首先，从关系型数据库的体系结构就可以看出，关系模型根本不适合进行水平分布和动态调整。其次，当用户希望使用DBaaS存放多种类型数据时，关系型数据库又只能存储结构化数据。

因此，SequoiaDB的非结构化数据模型能够满足数据库即服务的基础需求，同时其分布式架构和集群管理机制使其能够轻易地部署并运行在云平台之上。

1.6 物联网（Internet of Things）

如今的社会中，我们被各种各样的传感器所围绕。商场中的RFID，走在路上的电子摄像头，家里面的路由器等，都渐渐连接到网络中，形成了M2M，并最终演变到IoT（Internet of Things）。这类应用具有强时效性、动态数据类型等特性，并且在移动应用、零售、供应链管理、制造行业、医疗、安防等一系列行业中扮演者重要的角色。

为了实现IoT，单纯的数据库是远远不够的。M2M传感器会产生原本无可想象的海量数据，需要在后台被实时处理、分析并存储。而IoT平台中的数据库自然是核心中的核心，优秀的数据库可以加速并支撑越来越大的物联网系统，而低效的数据库只会成为这类应用的阻碍。

那么，SequoiaDB在物联网中能够扮演什么角色呢？敏捷开发、存储海量数据、提供高性能的时效性数据访问、存储不同来源不同格式的数据、实时操作处理、实时监控等一系列特性都使SequoiaDB成为这类物联网应用程序后台数据库的首选。

1.7 移动应用（Mobile）

智能电话基本已经成为人手一份的标配。现在已经很少看到有人使用过去Nokia的砖头机，大家要么使用Android，要么使用Apple。而智能电话之所以流行，在于其提供数以十万计的不同的应用，而每种成功的移动互联网应用都需要具备快速迭代、弹性扩张等基本需求。

试想，在如今互联网竞争激烈的年代，使用传统关系型数据库会大大减慢应用程序迭代的频率，使其无法快速响应用户的需求。同时，这类应用程序都本着“收集用户所有信息”的目的，将海量的数据直接存储进后台的数据库。

因此，在移动应用类型的场景中，SequoiaDB能够使应用程序开发团队快速迭代，第一时间开发出打动用户的产品。

1.8 产品目录（Product Catalog）

产品目录在传统的关系型数据库中需要非常复杂的模型才能够实现。尤其是当该目录需要经常根据业务的变化产生变更时，每次变更在传统数据库里面都涉及到无数应用程序逻辑和数据模型的调整。

这类应用涉及到很多电子商务与零售业的系统，现在这些应用很多都开始采用NoSQL技术存储相关的信息（例如一号店使用了MongoDB存储产品信息）。

在产品目录的场景中，SequoiaDB的动态数据模型使应用程序的开发和维护都大幅度化简。文档类数据库的特性使得每一条记录都可以拥有完全不同的数据格式，同时也提供丰富的查询语言，为用户提供非常方便灵活的开发接口。

1.9 风险管理（Risk Management）

风险管理是所有金融行业的核心系统。这类系统为企业实时监控所有的交易和现金流，并评估是否任何交易存在风险。而除了金融行业，很多政府安防等其他行业也都会利用这类系统，对海量的关于国计民生的数据进行实时统计和分析。

风险管理类应用的核心是实时性。如果任何可以交易发生24小时后才被发现则毫无任何意义。因此，SequoiaDB对数据实时处理的能力保障数据在入库时能够被第一时间被处理，同时其可扩展性的架构能够保障在任何规模的数据集中，都可以通过水平扩张的形式提升系统的处理能力。

2 行业划分

2.1 金融

金融行业在国内有可能是除了互联网行业外，对新型数据存储技术接收最为迅速的行业。金融行业的后台业务面临着复杂的监管需求，并由于阿里巴巴的“互联网金融”的压迫在被迫转型。

因此，很多金融行业的应用都开始借鉴互联网应用的商业模式，并从技术上也开始引进来自互联网的技术进行改革。

金融行业中几个对新型数据库具有高度需求的解决方案包括：

1）风险管理：SequoiaDB灵活动态的数据类型使风险管理应用能够将不同的业务数据轻松地在一起存储并分析。例如，企业能够通过建立统一的风险管理视图来监控股票、债券、贷款、信用卡等业务，并能够通过最终用户的标示信息将这一系列不同业务的数据进行关联，可以做到交叉分析并做到风险预测。

2）市场管控：金融行业面临着大量数据的冲击。例如中国某大银行每年的核心交易数据就有近100TB。如何存储并处理这些数据，如何能够从这些大量的交易数据中，针对某笔可疑交易进行分析，都是现有系统无法承受的。而使用SequoiaDB则可以使用分布式存储运算的方式，对这些海量的交易数据进行检索和实时访问，用来进行反洗钱等市场监管操作。

2.2 电信

随着电信市场格局越发清晰，国内的三家运营商也不得不各自寻找新的业务突破点。电信行业在国内甚至比金融还要早地引入了大数据系统，依靠大数据的威力分析每个省数以亿记的用户产生的信息。

而移动互联网的兴起也产生了新的利润增长点。如今各个运营商也都推出了各自的消费者云平台，例如应用商店、文件共享等服务。SequoiaDB对这类应用能够提供非常灵活和可扩展的数据模型。同时用户的上传文件，包括其文件内容本身和其元数据信息（例如文件权限等）也都可以被存储在SequoiaDB中。

而在应用商店等这类系统中，产品目录也可以很好地利用SequoiaDB实现。系统往往需要经常进行更新，而数以十万百万计的产品会随着应用的变更，修改其各自的产品所在目录。这种操作对于传统的关系型数据库需要极为精密的数据模型调整，而当使用SequoiaDB这种NoSQL数据库时，由于其数据结构与应用程序逻辑紧密结合，可以在不进行复杂的数据模型映射时，简单地调整应用程序逻辑，就可以将新的业务快速部署上线。

而当我们打电话给电信的客服人员时，客服人员需要在第一时间根据拨入的电话号码查找到该机主的个人信息。在大数据当道的时代，业务提出了新的需求：能不能除了给我机主的个人信息，同时我需要看到有没有可能对该机主推荐新的服务套餐。譬如这个用户连续几个月上网流量超出了套餐限额，完全可以在与机主交流的过程中向他推荐更高级的套餐。这类信息使用传统数据库很难完成，必须借助SequoiaDB这类新一代的存储平台与大数据技术实现。

2.3 政府

尽管政府机关的电子政务系统暂时还没有过多地涉及大数据和NoSQL，但是政府的众多安防工程已经将大数据技术纳入采购的范畴。例如我们之前和北京市交通委交流过的一个项目，其目的在于实时监控全北京的可疑车辆，根据每个重要交通路口摄像机所拍摄到的车牌信息，通过计算匹配一些预设的可疑模式（例如如果一天内在天安门附近经常往来停留的车辆）会做出自动预警。

如今每个城市中都有无数的摄像头树立在各个交通干道，任何城市中的犯罪分子行踪都能够从他犯罪的那一刻，根据每个街道路口的摄像头回放出来。但是现在这类的罪犯追踪都需要大量的人力资源，而使用大数据技术可以做到犯罪分子的人脸识别，并对附近的交通路口摄像头进行自动判别跟踪，最终定位到罪犯的最后落脚地。

这种技术根本不可能使用传统关系型数据库完成。首先，传统关系型数据库不可能存放并分析视频或照片等信息；其次，传统关系型数据库也不可能存放一个城市中所有摄像头捕捉到的画面。因此，必须借助NoSQL或分布式文件系统机制，才能够从技术上满足这类安防系统的需求。

2.4 零售

在当今电子化的社会，消费者更期待在商店中个性化的消费体验。例如，当你进入香奈儿专卖店的时候，如果员工能够直接叫出你的名字，并且熟知你过去的喜好和品位，能够精确地向你推荐你最喜欢的产品组合时，你一定会深深地对这种消费体验着迷。

这几乎是所有零售店的终极目标。但是传统的IT体系已经渐渐成为达到这个目标的拦路虎：所有的信息都是相互独立隔离的，后台的系统无法在各个系统之间将数据联合处理，真正360度认清一个消费者的全部信息。

使用SequoiaDB可以借助其灵活的数据模型，从各个业务系统中统一数据，将所有的信息统一到SequoiaDB平台中，使用新一代的分析模型对这些数据进行统一分析规划，并结合移动互联网应用做到客户身份的智能识别，客户购买行为的自动分析，与客户消费的智能推荐。

同时，越来越多的传统零售业也在向电子商务转型。现在如果一个零售店没有相应的网点的话，会被这个市场很快淘汰。因此，如何归档分类商店中数以万计的不同产品，如何做到精准的进存销管理，这些都是传统零售店向电子商务转型的关键。

SequoiaDB能够在这类应用中扮演重要角色，其动态数据类型向应用程序的开发者提供了友好的接口，非常方便灵活地定义出海量应用商品的目录，并加快新功能开发并推向市场的时间。

2.5 娱乐

大部分人一提到娱乐，可能会想到游戏、电影、旅游等一系列场景。而这些行业如今都在面临着传统关系型数据库的局限性。例如拿旅游行业来说，面临越来越多国内国外的游客，如何分析这些用户的喜好，制定价格合理的套餐，都需要用数据来说话。而传统的关系型数据库一来无法有效地处理海量的数据，二来又没有很好的方式将各种业务的数据统一到一起（例如旅游会涉及到机票、酒店、租车、游轮等一系列业务）。

而对于游戏行业更是如此。游戏内容策划、将策划方案迅速实现并推向市场的时间就是游戏成功与否的生命线。行业内的一个优秀的创意，可能一周以后便不再是你自己独有的想法了。因此，游戏的快速开发，产品迅速地迭代，都是游戏行业最重视的方面。而SequoiaDB的JSON数据模型正是为了解决关系型数据库中僵化的模型而做出的调整，能够帮助广大游戏厂商拜托数据模型的困扰，在第一时间把策划方案推到用户的桌面。