数据仓库的发展（粗）

一般来说，数据库承担着存储和计算的功能。早期数据库主要针对日常的事务处理，随着分析型应用的普及，分析型数据库应运而生，这个如今拥有数百亿美元存量并快速增长的市场，一直在吸引诸多公司加入。

比如，早年Oracle推出了Exadata，但因为只能储存在EMC这样的高端专有硬件上，成本高昂;且多节点共享存储设备，可拓展性差，往往只能支持十几个节点，灵活性不高。这种共享存储架构的数据仓库为第一代数据仓库。

针对这一问题，Teradata使用专有硬件实现了MPP(Massively Parallel Processing，大规模并行处理)数据库系统。EMC收购的Greenplum、 HP收购的Vertica等也是MPP架构，但是使用普通的x86服务器硬件，将各个计算节点的数据独立存在本地的硬盘上，将计算任务并行的分散到多个服务器和节点上。这些架构一般可以支持到上百个节点，但随着业务的复杂度和数据量提升，依然无法完全满足用户需求。这种MPP架构为第二代数据仓库。

为了解决MPP架构的可扩展性缺陷，以Hadoop为代表的数据库渐渐崛起。这些Hadoop数据库将数据存储在HDFS分布式文件系统上，扩展性强，可以延伸到上千个节点。但因为产品复杂度较高，但应用必须的ACID(Atomicity, Consistency, Isolation, Durability)特性支持弱，大多情况下性能和功能不如MPP系统，因此未能规模应用于企业核心场景。这种Hadoop SQL数据库(SQL-on-Hadoop)为第三代数据仓库。

伴随着云计算和AI的崛起，一系列新技术应运而生，云原生架构，存储与计算完全分离，大规模集群上事务特性的实现技术，可以同时解决MPP和Hadoop数据库的缺陷。OushuDB和Snowflake就是其中的两个代表产品，这类采用云原生架构设计的数据库为第四代数据仓库。新型数据库领域风起云涌。

Gartner认为云将主导数据库市场的未来，未来75%的数据库将被部署或迁移至云平台，只有25%的数据库会考虑部署在本地。