当有人问：数据库分哪几类？

我们通常的回答是：关系型的和非关系型的。

这个答案没毛病，但是略显简单粗暴。如果深究一下，非关系型数据库还有很多种型。

有种分类方法，把数据库分成了8个大类：你没看错，是数据库库库库库库库库！

为什么要分这么细呢？因为时代不同了，现代化应用对数据处理的要求越来越苛刻。

传统的关系型数据库，发展了几十年，遵从ACID原则，强关联、数据一致性，擅长事务处理。

事务处理这个功能很重要，比如用银行卡转账，必须保证对方账户钱增加的同时，而你的账户对应滴减少了，中间出了差错，数据库就要“回滚”。

多少年来的金融级交易，都离不开关系型数据库的支撑，而企业大量的ERP、CRM系统，都是靠关系型数据库扛着的。

可是，随着社交、电商、IoT等业务和应用蓬勃发展，数据尤其是非结构化数据爆发增长，传统关系型数据库有点独木难支。

于是，数据库进入了八仙过海，各显神通的时代，不同的数据库在各自的岗位上，提供了独特的价值。

举个例子，在电商的场景下，用户的主要身份信息账号密码等，一般存在关系型数据库里。

但用户的“购物车”，有人放了1件商品，有的剁手党可能会放100件商品，用关系型数据库存储就很不灵活。

这时候，键值数据库就派上了用场，用“键值对”来存储用户的购物车信息，水平可以任意扩展。

再比如在交通和制造场景下，数据需要按照时间顺序进行存储，这里的时间不只是一个度量标准，不是一个字段，而是一个坐标的主坐标轴。

这时候，就需要时间序列数据库，有点像我们的常见的股票交易数据，横轴是时间，纵轴是不同时间下的所有数据。

再比如社交网络应用，需要快速查找某人与某人的关系。

此时如果使用图数据库，可以快速get到结果，但是用关系型数据库，需要大量的查询时间，甚至超时。

总之，应用千差万别，数据丰富多彩，要想应用跑的爽，就要投其所好，选最合适的数据库。

而且如今，大多数现代应用，都不是单一类型数据库来支撑，往往众人拾柴，各干自己擅长的一部分。

所以，对于架构师来说，根据自家业务，把数据库选好、规划好很重要，同时，还要有DBA来配置和管理数据库。

想想就很头大！

有没有供应商，能够提供一揽子解决方案呢？

还真有，这就是AWS，上面提到的8种类别的数据库，AWS全部提供！

AWS能提供的数据库类型和引擎太多，我们就挑几类来讲讲吧。

首先还是说关系型数据库，虽然数据库分类这么多，但站C位的还是“关系”，大多数系统的主数据都还是用关系型数据库。

AWS的托管式RDS服务，提供了多种引擎。

不管开发者习惯用哪种，商用的Oracle、SQL Server，开源的MySQL、MariaDB、PostgreSQL，在AWS上都能找到。

同时，AWS还提供了一套自家特色RDS方案，这就是著名的「极光」数据库——Amazon Aurora。

Aurora提供MySQL和PG两种兼容引擎，跨3个AZ最多提供15个读副本、6份数据拷贝，跨区横向扩展读写，跨区复制。

“极光普照”之下，吞吐量是MySQL的5倍、PG的3倍，成本却只有传统商业级数据库的十分之一。

看到“3AZ”，是不是担心部署和管理很复杂？没关系，Aurora是全托管的，所有操作，云上帮你全简化。

同时，Aurora跟AWS上的机器学习、BI、分析类的组件可以深度集成，你甚至不需要专业的机器学习知识，用标准的SQL语句就能进行机器学习预测了。

著名的虎牙直播，就采用了Aurora数据库解决方案，相对静态的信息，使用Aurora存储，动态的信息则使用DynamoDB存储。

除了性能比MySQL好太多以外，故障恢复也是极速的，异常状态下，10s内就能自动实现故障转移，终端用户无感知。

另外，虎牙直播的Nimo TV是出海业务，利用AWS全球数据库功能，可以就近部署，提升用户本地体验。

我们再来说说AWS上的其它非关系型数据库吧。

当下最流行的缓存数据库是Redis和Memcached，AWS提供ElastiCache，兼容这两种引擎，为实时应用提供亚毫秒延迟。

如果谈到文档数据库，大家肯定会对MongoDB很熟悉，AWS的DocumentDB提供对MongoDB的兼容能力。

不止于兼容，DocumentDB比标准的MongoDB托管服务快两倍，支持自动故障转移，并在3个AZ上提供6份数据副本。

AWS上的图数据库托管服务叫做Neptune，可存储数十亿的“关系”，查询起来，延迟是毫秒级别的。

Amazon Neptune被广泛应用于社交网络、知识图谱、生命科学、IT运维等领域。

还有宽表数据库Amazon Keyspaces，分类账数据库Amazon QLDB，以及刚刚上新的时序数据库Amazon Timestream……

总之，只有想不到的，没有AWS做不到的。

讲到这里，我想大家对AWS云上数据库服务的类型和能力，大概都心中有数了。

这两年，我也看到越来越多本地部署的数据库，被云上数据库替代和“碾压”。

那么，如果你也有了数据库上云的想法，如何才能方便、安全、快捷地把本地数据“搬”上云呢？

AWS提供了一系列DMS服务：从线下到云上、从库到库、库结构转换……，数据复制可实现近乎0停机时间，以保障业务不中断，客户无感知。

这种迁移服务靠谱不？Amazon自己就是最好的成功案例。

亚马逊公司100多个业务团队，各种复杂的、在线的、高并发的业务，电商、广告、视频、游戏、支付，原来总共使用了7500多个甲骨文数据库，数据多达75PB。

如今，这些数据库全部被迁移、分流到AWS多种云数据库上了。

自己家的云数据库到底香不香？迁移后数据库成本降低60%，管理工作减少了70%，而对于重要的应用，性能提高40%！

这就是活生生的云数据库最佳实践呀！

云上数据库库库库库库库库，八仙过海。

AWS，就是那片云海！