1. 了不起的阿里！10多年「不務正業」後，這個部門擊敗美國萬億巨頭
不是西風壓倒東風，而是東風壓倒西風！
最近， 馬來西亞電商巨頭PrestoMall宣布，公司已拋棄甲骨文資料庫，轉而採用阿里雲自主研發的POLARDB雲資料庫。
為什麼要和阿里雲POLARDB雲資料庫牽手？效率更高，成本還更低！
事實上，早在去年12月初，PrestoMall已經完成資料庫向阿里雲POLARDB的整體遷移，遷移後PrestoMall的整體業務運轉流暢，IT成本還下降了40%以上。
而相比於阿里的POLARDB雲資料庫，甲骨文提供的傳統資料庫太貴了，也太落後了。
作為馬來西亞的第二大電商巨頭，PrestoMall這幾年發展迅速，3年來的營收增長超過250%，線上流量更是井噴式上漲；這時，PrestoMall卻發現一個悲哀的現實：老邁的甲骨文資料庫已經有些支撐不起公司的業務發展了，長此以往，公司的整體業務會因為資料庫管理落後而拉大和第一大電商lazada的差距。
而已經被阿里收購的商lazada的IT數據為什麼運轉得那麼出色？lazada的整體業務全部搬到阿里雲上了啊！
為此， PrestoMall決心跳出甲骨文這個大坑，經過多次考察後，最終選擇了和阿里雲POLARDB雲資料庫合作。
因為對於PrestoMall這樣的電商巨頭而言，阿里POLARDB雲資料庫的優勢非常明顯：它採用存儲計算分離、軟硬體一體化設計，天生是為滿足電商業務等大規模業務場景而來的：2019年雙11當天，POLARDB創下了每秒8700萬次的資料庫處理峰值新記錄。
在剛剛過去的第十屆中國資料庫技術大會上，榮獲世界 科技 大獎的阿里雲POLARDB再次獲選「年度最佳創新產品」，實力吊打甲骨文資料庫。
PrestoMall此時棄甲骨文資料庫而就阿里POLARDB雲資料庫，不失為一種明智的選擇。
如今， 時代的發展如風馳電掣，彷彿就在昨天，甲骨文還是那麼的無敵於天下！
上世紀70年代，此前一直為中央情報局設計Oracle資料庫的拉里·埃里森創立了「軟體開發實驗室」，隨後，因為那篇著名的資料庫論文，拉里·埃里森就以甲骨文資料庫為公司的資料庫命名。
公司遷入矽谷後，甲骨文的業務獲得高速增長，客戶中就包括埃里森此前的老僱主中情局。1984年左右，甲骨文進軍全球十多個發達國家和地區，並於1986年上市，上市當年，甲骨文的年收入達到5500萬美元。
1988年，甲骨文的營收超過1億美元，成為全球第四大軟體巨頭。幾年後，創始人拉里·埃里森成為僅次於比爾蓋茨的世界第二富人。
2000年，世界軟體領域的基本格局還是微軟、IBM、甲骨文三足鼎立。 到了2013年，甲骨文一舉超越IBM，成為僅次於微軟的全球第二大軟體巨頭。
當時，全球所有的互聯網巨頭，都離不開甲骨文的資料庫，比如說，阿里巴巴，它是甲骨文在亞洲的最大客戶。
甲骨文業務上的成功也為拉里·埃里森帶來巨大的財富，他花在購買遊艇、私人飛機上的資本高達數十億美元， 這哥們平時都是駕著米格29戰斗機上班，夠拽酷了吧？
2018年的福布斯全球富豪榜上，拉里·埃里森以4200億美元的身家排在全球第7，個人財富是馬雲、馬化騰的1.5倍。
但是最近這幾年，因為拉里·埃里森對雲計算的短視，全球資料庫市場的形勢開始急轉直下。
在甲骨文資料庫稱霸全球時，谷歌、亞馬遜、阿里巴巴先後開始 探索 雲計算技術。
面對對手們的積極轉型，拉里·埃里森還是不以為意，因為甲骨文在資料庫方面的優勢太大了，像馬雲所說的：「拿著望遠鏡也找不到對手」。拉里·埃里森還口出狂言：雲計算？我完全搞不懂這些傢伙在說些什麼，簡直是一派胡言！
當別人積蓄全力准備反戈一擊、立志取代甲骨文的時候，拉里·埃里森還陶醉在過去的舊夢中不願醒來，人世間最恐怖的事，莫過於此了！
而正是拉里·埃里森在雲計算方面的遲鈍和輕視，給了其他友軍脫穎而出的機會，追不上形勢的甲骨文則開始由盛轉衰。
多年後，亞馬遜AWS成為全球最大的雲計算公司，在亞洲，「不務正業」的王堅領導下的阿里雲也在2013年研發出能完美駕馭5000台伺服器的「飛天系統」，這意味著偌大的阿里巴巴集團從此再也不需要甲骨文資料庫了。
2016年左右，拉里·埃里森終於回過神來，開始布局雲計算，但為時已晚：亞馬遜AWS已絕塵而去，微軟、阿里雲在全球范圍也在無情吞食甲骨文資料庫的市場份額。與此同時，因為公司業務向雲計算的全面轉型，甲骨文不得不在營收大幅下滑的情況下，還要在全球范圍里大規模裁員，以集中優勢資源提升雲計算業務。
在此過程中，甲骨文不斷被一個個重要客戶拋棄，最後，連股神巴菲特也決定放棄它了。
2018年下半年，巴菲特曾買入了價值21億美元的甲骨文股票，但是在持有其股票僅幾個月後，巴菲特就將甲骨文股票悉數拋出，這樣的操作對於巴菲特是非常罕見的，說明連巴菲特已經看衰甲骨文了：我們知道巴菲特買股票有一個鮮明的特點，買了後就長期持有，從不考慮短期持有，比如說可口可樂，蘋果等股票，有些都是長期持有達數十年的。
甲骨文這些年的經歷也說明： 這是一個其興也勃焉、其亡也忽焉的裂變時代，在這個不斷變化的時代，你要麼優秀，要麼出局！
未來，大數據、雲計算、AI將成為驅動 社會 發展的核心引擎，那些在自主 科技 的尖端跳舞的公司：亞馬遜AWS、阿里雲、華為5G、特斯拉新能源車.....它們將以自己的勇氣重塑這個世界。
同時，那些看不到未來已來的人，將被這個時代狠狠拋棄！
作者：電商君
2. 資料庫開發工具有哪些
您好！作為資深資料庫管理開發人員，我使用 Navicat 作為資料庫管理開發工具，原因是它比較其他工具更穩定、安全、好用！
Navicat Premium 是一套可創建多個連接的資料庫管理工具，用以方便管理 MySQL、Oracle、PostgreSQL、SQLite、SQL Server、MariaDB 和 MongoDB 等不同類型的資料庫，它與阿里雲、騰訊雲、華為雲、Amazon RDS、Amazon Aurora、Amazon Redshift、Microsoft Azure、Oracle Cloud 和 MongoDB Atlas等雲資料庫兼容。你可以創建、管理和維護資料庫。Navicat 的功能足以滿足專業開發人員的所有需求，但是對資料庫伺服器初學者來說又簡單易操作。Navicat 的用戶界面 (GUI) 設計良好，讓你以安全且簡單的方法創建、組織、訪問和共享信息。
另外，目前他們應該也在支持國產阿里 OceanBase 資料庫。並且會在不久的將來支持Redis。
3. Oracle和OceanBase的主要性能參數對比有哪些
第一，我們要知道，阿里的OceanBase是分布式資料庫，分布式資料庫相比傳統的集中式資料庫有先天的優勢，性能優於集中式資料庫是必然的結果，理論上來講，分布式資料庫是傳統集中式資料庫性能的數倍甚至數十倍，但是我們看到的僅僅是兩倍的性能，可以說，從這一點上來看，阿里的分布式資料庫沒有體現出分布式資料庫的優勢，或者說，阿里的分布式資料庫技術還有很大的上升空間。 第二，從成本的角度來考慮，OceanBase的測試結果構建在近4億元系統的之上，平均每筆訂單成本6.25元人民幣。Oracle 11g的測試結果構建在3000萬美元的基礎上，平均每筆訂單成本7元人民幣。似乎打個平手，但這裡面就很值得玩味的了，Oracle無論是硬體還是軟體，都是基於自家生產，成本本來就很高，而阿里雲是基於PC Server，操作系統使用的免費的linux，成本理應很低，而現在的硬體成本相比2011年要便宜不止數倍的價格。資源使用效率上，OceanBase平均8928筆/核/2.5GHz，Oracle 11g平均17361筆/核/1.65GHz。這樣算下來的話，阿里的資源使用效率要遠遠低於Oracle， 且成本比Oracle高出很多。這就像我們的GDP一樣，總量領先，人均還有很大的差距，所以對於國內的軟體人來說，還需謙虛謹慎，繼續努力。 說到此，孰優孰略，相信你心裡應該有個數了4. 阿里出品otter-同步數據量6億涉及200+個資料庫實例之間的同步
otter已在阿里雲推出商業化版本 數據傳輸服務DTS， 開通即用，免去部署維護的昂貴使用成本。DTS針對阿里雲RDS、DRDS等產品進行了適配，解決了Binlog日誌回收，主備切換、VPC網路切換等場景下的同步高可用問題。同時，針對RDS進行了針對性的性能優化。出於穩定性、性能及成本的考慮，強烈推薦阿里雲用戶使用DTS產品。DTS產品使用文檔
阿里巴巴B2B公司，因為業務的特性，賣家主要集中在國內，買家主要集中在國外，所以衍生出了杭州和美國異地機房的需求，同時為了提升用戶體驗，整個機房的架構為雙A，兩邊均可寫，由此誕生了otter這樣一個產品。
otter第一版本可追溯到04~05年，此次外部開源的版本為第4版，開發時間從2011年7月份一直持續到現在，目前阿里巴巴B2B內部的本地/異地機房的同步需求基本全上了otte4。
名稱：otter ['ɒtə(r)]
譯意： 水獺，數據搬運工
語言： 純java開發
定位： 基於資料庫增量日誌解析，准實時同步到本機房或異地機房的mysql/oracle資料庫. 一個分布式資料庫同步系統
原理描述：
1. 基於Canal開源產品，獲取資料庫增量日誌數據。 什麼是Canal, 請點擊
2. 典型管理系統架構，manager(web管理)+node(工作節點)
a. manager運行時推送同步配置到node節點
b. node節點將同步狀態反饋到manager上
3. 基於zookeeper，解決分布式狀態調度的，允許多node節點之間協同工作.
5. 阿里巴巴使用什麼MPP資料庫
資料庫和搜索引擎這塊是屬於阿里的核心機密，也是盈利關鍵，如果不是內部核心人員的話是很難弄清楚的
6. 阿里辦公電腦用的什麼
用來存儲的大資料庫，也就是網路雲盤。雲電腦其實是利用雲計算技術在遠程虛擬出一個和個人電腦相同的主機，用戶網路訪問時，能獲得和使用個人電腦相同的使用體驗。
7. 業務通知用什麼資料庫存儲比較好
業務數據，包括用戶，訂單等數據，要求數據嚴格准確和一致
規模如果是在千萬級，或者不超過10億級，80%選用MySQL來存儲
規模如果再10億-萬億，目前HBASE為主
以上兩種是免費資料庫，但對於Oracle，DB2，SQL Server付費資料庫(巨貴)，主要使用在銀行和電信，因為對數據一致性，准確性，容災備份要求更嚴格。
因為商業資料庫的昂貴，互聯網公司一般用不起，感興趣可以了解下10年前阿里發起的去IOE的故事，即去掉IBM,Oracle,EMC，代替以開源軟體再次開放的系統，開創新數據新時代。
日誌數據，包括用戶所有線上行為數據，瀏覽，搜索，點擊等，存儲在HDFS上
這類數據，相比訂單和支付數據，規模要成10倍-1000倍增長。比如，我瀏覽10個店鋪寶貝才轉化一個訂單數據。但該類數據，不會要求太多性能和苛刻的准確性，甚至可以容忍丟小部分日誌數據。這部分數據，會放到HDFS上來存儲。即一種分部式文件存儲系統，存儲成本很低，如果查詢的話，就可以直接使用hive等工具，寫SQL查詢。
8. 阿里雲分布式資料庫服務DRDS誰使用過 簡單講講！
淘寶開源的TDDL和cobar的結合，放到了阿里雲上就是DRDS，是商品，服務，可以購買使用的。可以在阿里雲官網上注冊免費試用。
=====================================================
隨著互聯網時代的到來，計算機要管理的數據量呈指數級別地飛速上漲，而我們卻完全無法對用戶數做出准確預估。我們的系統所需要支持的用戶數，很可能在短短的一個月內突然爆發式地增長幾千倍，數據也很可能快速地從原來的幾百GB飛速上漲到了幾百個TB。如果在這爆發的關鍵時刻，系統不穩定或無法訪問，那麼對於業務將會是毀滅性的打擊。
伴隨著這種對於系統性能、成本以及擴展性的新需要，以HBase、MongoDB為代表的NoSQL資料庫和以阿里DRDS、VoltDB、ScaleBase為代表的分布式NewSQL資料庫如雨後春筍般不斷涌現出來。
本文將會介紹阿里DRDS的技術理念、發展歷程、技術特性等內容。
DRDS設計理念
從20世紀70年代關系資料庫創立開始，其實大家在資料庫上的追求就從未發生過變化：更快的存取數據，可以按需擴縮以承載更大的訪問量和更大的數據量，開發容易，硬體成本低，我們可以把這叫做資料庫領域的聖杯。
為了支撐更大的訪問量和數據量，我們必然需要分布式資料庫系統，然而分布式系統又必然會面對強一致性所帶來的延遲提高的問題，因為網路通信本身比單機內通信代價高很多，這種通信的代價就會直接增加系統單次提交的延遲。延遲提高會導致資料庫鎖持有時間變長，使得高沖突條件下分布式事務的性能不升反降（這個具體可以了解一下Amdahl定律），甚至性能距離單機資料庫都還有明顯的差距。
從上面的說明，我們可以發現，問題的關鍵並不是分布式事務做不出來，而是做出來了卻因為性能太差而沒有什麼卵用。資料庫領域的高手們努力了40年，但至今仍然沒有人能夠很好地解決這個問題，Google Spanner的開發負責人就經常在他的Blog上談論延遲的問題，相信也是飽受這個問題的困擾。
面對這個難題，傳統的關系資料庫選擇了放棄分布式的方案，因為在20世紀70~80年代，我們的資料庫主要被用來處理企業內的各類數據，面對的用戶不過幾千人，而數據量最多也就是TB級別。用單台機器來處理事務，用個磁碟陣列處理一下磁碟容量不夠的問題，基本上就能解決一切問題了。
然而，信息化和互聯網的浪潮改變了這一切，我們突然發現，我們服務的對象發生了根本性變化，從原來的幾千人，變成了現在的幾億人，數據量也從TB級別到了PB級別甚至更多。存在單點的單機系統無論如何努力，都會面對系統處理能力的天花板。原來的這條路，看起來是走不下去了，我們必須想辦法換一條路來走。
可是，分布式資料庫所面對的強一致性難題卻像一座高山，人們努力了無數個日日夜夜，但能翻越這座山的日子看來仍然遙遙無期。
於是，有一群人認為，強一致性這件事看來不怎麼靠譜，那徹底繞開這個問題是不是個更好的選擇？他們發現確實有那麼一些場景是不需要強一致事務的，甚至連SQL都可以不要，最典型的就是日誌流水的記錄與分析這類場景。而去掉了事務和SQL，介面簡單了，性能就更容易得到提升，擴展性也更容易實現，這就是NoSQL系統的起源。
雖然NoSQL解決了性能和擴展性問題，但這種繞開問題的方法給用戶帶來了很多困擾，系統的開發成本也大大提升。這時候就有另外一群人，他們覺得用戶需要SQL，覺得用戶也需要事務，問題的關鍵在於我們要努力地往聖杯的方向不斷前進。在保持系統的擴展性和性能的前提下，付出盡可能小的代價來滿足業務對資料庫的需要。這就是NewSQL這個理念的由來。
DRDS也是一個NewSQL的系統，它與ScaleBase、VoltDB等系統類似，都希望能夠找到一條既能保持系統的高擴展性和高性能，又能盡可能保持傳統資料庫的ACID事務和SQL特性的分布式資料庫系統。
DRDS發展歷程
在一開始，TDDL的主要功能就是做資料庫切分，一個或一組SQL請求提交到TDDL，TDDL進行規則運算後得知SQL應該被分發到哪個機器，直接將SQL轉發到對應機器即可（如圖1）。
圖1 TDDL資料庫切分
開始的時候，這種簡單的路由策略能夠滿足用戶的需要，我們開始的那些應用，就是通過這樣非常簡單的方式完成了他所有的應用請求。我們也認為，這種方案簡單可靠，已經足夠好用了。
然而，當我們服務的應用從十幾個增長到幾百個的時候，大量的中小應用加入，大家紛紛表示，原來的方案限制太大，很多應用其實只是希望做個讀寫分離，希望能有更好的SQL兼容性。
於是，我們做了第一次重大升級，在這次升級里，我們提出了一個重要的概念就是三層架構，Matrix對應資料庫切分場景，對SQL有一定限制，Group對應讀寫分離和高可用場景，對SQL幾乎沒有限制。如圖2所示。
圖2 資料庫升級為三層架構
這種做法立刻得到了大家的認可，TDDL所提供的讀寫分離、分庫分表等核心功能，也成為了阿里集團內資料庫領域的標配組件，在阿里的幾乎所有應用上都有應用。最為難得的是，這些功能從上線後，到現在已經經歷了多年雙11的嚴酷考驗，從未出現過嚴重故障（p0、p1級別故障屬於嚴重故障）。資料庫體系作為整個應用系統的重中之重，能做到這件事，真是非常不容易。
隨著核心功能的穩定，自2010年開始，我們集中全部精力開始關注TDDL後端運維系統的完善與改進性工作。在DBA團隊的給力配合下，圍繞著TDDL，我們成功做到了在線數據動態擴縮、非同步索引等關鍵特徵，同時也比較成功地構建了一整套分布式資料庫服務管控體系，用戶基本上可以完全自助地完成整套資料庫環境的搭建與初始化工作。
大概是2012年，我們在阿里雲團隊的支持下，開始嘗試將TDDL這套體系輸出到阿里雲上，也有了個新的名字：阿里分布式資料庫服務（DRDS），希望能夠用我們的技術服務好更多的人。
不過當我們滿懷自信地把自己的軟體拿到雲上的時候，卻發現我們的軟體距離用戶的要求差距很大。在內部因為有DBA的同學們幫助進行SQL review，所以SQL的復雜度都是可控的。然而到了雲上，看了各種渠道提過來的兼容性需求，我們經常是不自覺地發出這樣的感嘆：「啊？原來這種語法MySQL也是可以支持的？」
於是，我們又進行了架構升級，這次是以兼容性為核心目標的系統升級工作，希望能夠在分布式場景下支持各類復雜的SQL，同時也將阿里這么多年來在分布式事務上的積累都帶到了DRDS裡面。
這次架構升級，我們的投入史無前例，用了三年多才將整個系統落地完成。我們先在內部以我們自己的業務作為首批用戶上線，經過了內部幾百個應用的嚴酷考驗以後，我們才敢拿到雲上，給到我們的最終用戶使用。
目前，我們正在將TDDL中更多的積累輸出到雲上，同時也努力優化我們的用戶界面。PS：其實用戶界面優化對我們這種專注於高性能後端技術的團隊來說，才是最大的技術挑戰，連我也去學了AngularJS，參與了用戶UI編。
DRDS主要功能介紹
發展歷史看完了，下面就由我來介紹一下目前我們已經輸出到雲上的主要功能。
【分布式SQL執行引擎】
分布式SQL引擎主要的目的，就是實現與單機資料庫SQL引擎的完全兼容。目前我們的SQL引擎能夠做到與MySQL的SQL引擎全兼容，包括各類join和各類復雜函數等。他主要包含SQL解析、優化、執行和合並四個流程，如圖3中綠色部分。
圖3 SQL引擎實現的主要流程
雖然SQL是兼容的，但是分布式SQL執行演算法與單機SQL的執行演算法卻完全不同，原因也很簡單，網路通信的延遲比單機內通信的延遲大得多。舉個例子說明一下，我們有份文件要從一張紙A上謄寫到另外一張紙B上，單機系統就好比兩張紙都在同一個辦公室里，而分布式資料庫則就像是一張紙在北京，一張紙在杭州。
自然地，如果兩張紙在同一個辦公室，因為傳輸距離近，逐行謄寫的效率是可以接受的。而如果距離是北京到杭州，用逐行謄寫的方式，就立刻顯得代價太高了，我們總不能看一行，就打個「飛的」去杭州寫下來吧。在這種情況下，還是把紙A上的信息拍個照片，【一整批的】帶到杭州去處理，明顯更簡單一些。這就是分布式資料庫特別強調吞吐調優的原因，只要是涉及到跨機的所有查詢，都必須盡可能的積攢一批後一起發送，以減少系統延遲提高帶來的不良影響。
【按需資料庫集群平滑擴縮】
DRDS允許應用按需將新的單機存儲加入或移出集群，DRDS則能夠保證應用在遷移流程中實現不停機擴容縮容。
圖4 DRDS按需進行平滑擴縮
在內部的資料庫使用實踐中，這個功能的一個最重要應用場景就是雙11了。在雙11之前，我們會將大批的機器加入到我們的資料庫集群中，抗過了雙11，這批機器就會下線。
當DRDS來到雲上，我們發現雙11其實不僅僅隻影響阿里內部的系統。在下游的各類電商輔助性系統其實也面對巨大壓力。在雙11前5天，網聚寶的熊總就找到我說，擔心撐不過雙11的流量，怕系統掛。於是我們就給他介紹了這個自動擴容的功能怎麼用，他買了一個月的資料庫，掛接在DRDS上。資料庫能力立刻翻倍，輕松抗過了雙11，也算是我印象比較深刻的一個案例了。
因為我們完全無法預測在什麼時間點系統會有爆發性的增長，而如果在這時候系統因為技術原因不能使用，就會給整個業務帶來毀滅性的影響，風口一旦錯過，就追悔莫及了。我想這就是雲計算特別強調可擴展能力的原因吧。
【小表廣播】
小表廣播也是我們在分布式資料庫領域內最常用的工具之一，他的核心目的其實都是一個——盡可能讓查詢只發生在單機。
讓我們用一個例子來說明，小表廣播的一般使用場景。
圖5 小表廣播場景
圖5中，如果我想知道買家id等於0的用戶在商城裡面買了哪些商品，我們一般會先將這兩個表join起來，然後再用where平台名=」商城」 and buyerID = 0找到符合要求的數據。然而這種join的方式，會導致大量的針對左表的網路I/O。如果要取出的數據量比較大，系統延遲會明顯上升。
這時候，為了提升性能，我們就必須要減少跨機join的網路代價。我們比較推薦應用做如下處理，將左表復制到右表的每一個庫上。這樣，join操作就由分布式join一下變回到本地join，系統的性能就有很大的提升了，如圖6所示。
圖6
【分布式事務套件】
在阿里巴巴的業務體系中存在非常多需要事務類的場景，下單減庫存，賬務，都是事務場景最集中的部分。
而我們處理事務的方法卻和傳統應用處理事務的方案不大一樣，我們非常強調事務的最終一致性和非同步化。利用這種方式，能夠極大地降低分布式系統中鎖持有的時間，從而極大地提升系統性能。
圖7 DRDS分布式事務解決套件
這種處理機制，是我們分布式事務能夠以極低成本大量運行的最核心法門。在DRDS平台內，我們將這些方案產品化，為了DRDS的分布式事務解決套件。
利用他們，能夠讓你以比較低的成本，實現低延遲，高吞吐的分布式事務場景。
DRDS的未來
阿里分布式資料庫服務DRDS上線至今，大家對這款產品的熱情超出了我們的預期，短短半年內已經有幾千個申請。
盡管還在公測期，但是大家就已經把關繫到身家性命的寶貴在線數據業務放到了DRDS上，我能夠感受到這份沉甸甸的信賴，也不想辜負這份信賴。
經過阿里內部幾千個應用的不斷歷練，DRDS已經積累出一套強大的分布式SQL執行引擎和和一整套分布式事務套件。
我也相信，這些積累能夠讓用戶在基本保持單機資料庫的使用習慣的前提下，享受到分布式資料庫高性能可擴展的好處。
在平時的DRDS支持過程中，我面對最多的問題就是，DRDS能不能夠在不改變任何原有業務邏輯和代碼的前提下，實現可自由伸縮和擴展呢？十分可惜的是，關系資料庫發展至今，還沒有找到既能保留傳統資料庫一切特性，又能實現高性能可擴展資料庫的方法。
然而，雖不能至，吾心嚮往之！我們會以「可擴展，高性能」為產品核心，堅定地走在追尋聖杯的路上，並堅信最終我們一定能夠找尋到它神聖的所在。
作者簡介：王晶昱，花名沈詢，阿里巴巴資深技術專家。目前主要負責阿里的分布式資料庫DRDS（TDDL）和阿里的分布式消息服務ONS（RocketMQ/Notify）兩個系統。
9. 為什麼阿里百度騰訊用mysql
mysql是免費的，所以很多企業網站都是使用mysql資料庫