《计算机行业大数据系列(四):国内数据库行业需求深度分析下游多元需求驱动下国产数据库的崛起-231208(28页).pdf》由会员分享,可在线阅读,更多相关《计算机行业大数据系列(四):国内数据库行业需求深度分析下游多元需求驱动下国产数据库的崛起-231208(28页).pdf(28页珍藏版)》请在三个皮匠报告上搜索。
1、 敬请阅读末页的重要说明 证券研究报告|行业深度报告 2023 年 12 月 08 日 推荐推荐(维持)(维持)大数据系列(大数据系列(四四):国内数据库行业):国内数据库行业需求需求深度分析深度分析 TMT 及中小盘/计算机 本篇报告从产品类型及下游行业两个角度分析国内数据库市场需求趋势本篇报告从产品类型及下游行业两个角度分析国内数据库市场需求趋势。从产从产品类型角度看,品类型角度看,集中集中关系型关系型数据库数据库仍为主流仍为主流,但但在国产替代及大数据应用需求在国产替代及大数据应用需求推动下,推动下,新兴应用场景多元发展。新兴应用场景多元发展。下游客户方面,下游客户方面,随着随着数字化进
2、程数字化进程持续深化持续深化,金融金融、电信、政府、互联网、制造电信、政府、互联网、制造、能源、能源等等行业行业为数据库主要需求方为数据库主要需求方。数据库市场规模高增,国产化持续推进。数据库市场规模高增,国产化持续推进。根据大数据技术标准推进委员会,2022 年我国数据库市场规模(包含数据库周边生态)占全球 7.2%,约合403.6 亿元人民币。预计到 2027 年,我国数据库市场总规模将达到 1286.8亿元,市场年复合增长率为 26.1%。据墨天轮调查统计,超八成被调查者所在企业正在使用国产数据库产品,数据库国产化程度持续提高,代表厂商包括华为云 GaussDB、阿里云 PolarDB、
3、蚂蚁 OceanBase、TiDB、腾讯云TDSQL、人大金仓以及南大通用等,但同时 Oracle、微软 SQL Server、IBM DB2 等海外数据库仍占据相当份额。从产品类型角度看,在国产替代及大数据应用需求推动下,新兴数据库类型从产品类型角度看,在国产替代及大数据应用需求推动下,新兴数据库类型蓬勃发展。蓬勃发展。分数据模型看,目前我国数据库产品中,关系型数据库为 156个,占比 65.5%。但非关系型数据库创新活跃,随着数据类型持续变得繁多且分散,非关系型数据库需求逐步增加。分设计架构看,集中式数据库市场份额仍占据约 80%,但分布式数据库规模自 2019 年以来已增加 11 倍,随
4、着数据处理能力、高并发、高可用等需求提升,分布式架构市场规模高速发展,且已开始替换核心业务系统。分部署模式看,国内公有云部署数据库占比已超过本地部署数据库。分业务负载看,随着大数据应用分析需求提升,分析型数据库需求高增,结合事务与分析场景的 HTAP 数据库正成为我国数据库创新发展的一大趋势。分下游客户行业看:分下游客户行业看:金融行业数字化进程推动创新型业务发展,虽然传统核心系统仍搭建在传统集中关系型数据库上,但已有包括五大行在内的部分金融机构开始应用国产分布式数据库,且已有核心业务系统替换案例。电信行业集中式数据库仍占主导地位,近期运营商数据库信创招标提速将提升行业数据库国产化率。政府业务
5、方面,数字政府建设背景下大数据管理平台需求提升。根据 IDC 分析,2022 年我国数字政府一体化大数据管理平台规模达59.1 亿元人民币,增长率为 19.2%,呈现稳健增长态势,持续提升的政府数据应用推动背后数据库基础设施需求提升。互联网行业中云原生和分布式数据库已成为行业主流,根据 Forrester Consulting 调研,有 62%的受访者已经使用云上云原生关系型数据库以及分布式关系型数据库,大幅领先于传统关系型数据库。制造业存在数据库创新需求,目前工业领域数据量激增,数据库需求大,已有 30 多款时序数据库产品在新能源发电、储能智慧运维等场景中落地应用。能源行业数据库国产化替代已
6、深入核心系统,国家电网、中国华能集团、中国华电集团、中石油、中海油、中广核等大型能源企业均已采用国产数据库产品。风险提示:风险提示:技术发展不及预期;政策落地不及预期;行业竞争加剧风险技术发展不及预期;政策落地不及预期;行业竞争加剧风险 行业规模行业规模 占比%股票家数(只)275 5.4 总市值(十亿元)2897.8 3.8 流 通 市 值(十 亿元)2419.7 3.6 行业指数行业指数%1m 6m 12m 绝对表现 3.9-9.4 14.7 相对表现 10.2 1.1 29.0 资料来源:公司数据、招商证券 相关报告相关报告 1、AIGC 系列报告(五)大模型多模态应用深化,AIAgen
7、t 为应用普及提速2023-12-04 2、计算机行业 2024 年度投资策略数据驱动增量价值,静候百花齐放(更新)2023-12-04 3、大数据系列(三):数据要素专题深度供需交错发力,公共数据运营驱动数据要素价值释放2023-11-28 刘玉萍刘玉萍 S02 林语潇林语潇 研究助理 -200204060Dec/22Apr/23Jul/23Nov/23(%)计算机沪深300下游多元需求下游多元需求驱动驱动下国产数据库的崛起下国产数据库的崛起 敬请阅读末页的重要说明 2 行业深度报告 正文目录正文目录 一、国内数据库市场空间及行业格局.5 1、关系 VS 非关系:关系型
8、仍为主流,非关系型蓬勃发展.6 2、集中 VS 分布:集中式超八成,分布式应用持续增加.8 3、云 VS 本地:公有云数据库市场高速增长.10 4、事务 VS 分析:大数据应用带来分析型数据库需求提升.10 二、下游行业数据库需求变化.13 1、金融:数字化进程推动分布式数据库应用需求提升.14 2、运营商:集中式数据库仍为主导,新兴需求层出不穷.17 3、政务:数字政府建设进一步提升数据库需求.20 4、互联网:云原生和分布式数据库已成为互联网行业主流.22 5、制造业:数据库创新初露头角.23 6、能源:国产化替代持续发力.26 三、风险提示.27 图表目录图表目录 图 1:2022-20
9、27 我国数据库市场规模及增速.5 图 2:国产数据库分类.5 图 3:一图了解数据库各维度规模结构.6 图 4:关系型与非关系型数据库占比情况.6 图 5:非关系数据库各细分数据库占比情况.6 图 6:我国关系型数据库软件规模(亿美元).7 图 7:本地部署关系型数据库软件市场厂商份额(2022H2).7 图 8:公有云关系型数据库软件市场厂商份额(2022H2).7 图 9:集中式和分布式数据库市场份额占比情况.9 图 10:集中式与分布式数据库数量.9 图 11:2019-2022 国产分布式数据库规模与增速.9 图 12:2021-2023E 我国公有云和本地部署数据库市场规模(亿元)
10、.10 图 13:2022 年我国公有云和本地部署数据库市场规模占比.10 图 14:HTAP 数据库在关系型数据库占比情况.12 rUgUaXqUiVvY9UuWvXiZaQbP6MoMrRmOoNfQmNpNkPrQoN6MrRzRwMsPsOxNmPnQ 敬请阅读末页的重要说明 3 行业深度报告 图 15:2021-2025 我国数据库市场行业分布,运营商、互联网、金融、政府、制造、能源占比较大.13 图 16:金融行业使用数据库厂商分布情况.15 图 17:银行业国产数据库使用情况(受访者可多选).15 图 18:金融行业在使用传统集中式关系型数据库时面临的挑战.16 图 19:金融业
11、对分布式数据库的要求.16 图 20:电信行业数据部署方式分布情况.18 图 21:Forrester Consulting 对云数据库能力调研.19 图 22:我国数字政府一体化大数据管理平台投资概览图.20 图 23:Forrester Consulting 对互联网行业数据库使用率调研.23 图 24:制造业用户的数据库结构图.24 图 25:我国实时数据库市场规模(亿元).24 图 26:制造业公司数据库产品占比.25 图 27:2021 年能源行业数据库销售额(亿元).26 图 28:计算机行业历史 PEBand.27 图 29:计算机行业历史 PBBand.27 表 1:关系型数据
12、库代表厂商及代表产品.7 表 2:部分非关系数据库类型及特点.8 表 3:非关系型数据库代表产品.8 表 4:分布式数据库代表厂商及产品.9 表 5:云原生数据库代表厂商及产品.10 表 6:OLAP 与 OLTP 差异对比.11 表 7:OLTP 行业应用案例.11 表 8:OLAP 行业应用案例.11 表 9:HTAP 数据库代表厂商.12 表 10:HTAP 关键技术总览与优缺点比较.13 表 11:各大行业数据库应用需求.13 表 12:金融数字化业务全新发展态势.15 表 13:金融行业 IT 基础架构演变趋势.15 表 14:金融系统分布式数据库应用需求.16 表 15:主流银行国
13、产分布式数据库应用案例.17 敬请阅读末页的重要说明 4 行业深度报告 表 16:电信行业三大数据域.17 表 17:数据库针对电信行业未来发展战略所需关注的技术.18 表 18:图数据库在电信行业应用中的优势.19 表 19:电信行业国产替换重点案例.20 表 20:近期政务领域政策.21 表 21:政企在技术层面的业务发展.21 表 22:政务行业国产替代重点案例.21 表 23:互联网对数据库性能需求.22 表 24:互联网行业数据库应用.22 表 25:近年来制造业政策.23 表 26:流程工业与离散制造对实时数据库的需求共通.24 表 27:制造行业典型系统及数据库类型分布情况.25
14、 表 28:近年来能源业数字化与智能化政策.26 敬请阅读末页的重要说明 5 行业深度报告 一、一、国内数据库市场空间及行业格局国内数据库市场空间及行业格局 根据大数据技术标准推进委员会,2022 年全球数据库市场规模为 833 亿美元,我国数据库市场规模(包含数据库服务、安全等周边生态)为 59.7 亿美元(约合 403.6 亿元人民币),占全球 7.2%。预计到 2027 年,我国数据库市场总规模将达到 1286.8 亿元,市场年复合增长率(CAGR)为 26.1%。其中,IDC 统计 2022 年国内关系型数据库市场规模为 34.3 亿美元,同比增长 23.9%;按照历史关系/非关系数据
15、库比例推算,2022 年整体国内数据库产品市场规模约为 40亿美元。图图 1:2022-2027 我国我国数据库数据库市场市场规模及增速规模及增速 资料来源:CCSA TC601 大数据技术标准推进委员会、招商证券 数据库可按数据模型、数据库可按数据模型、设计架构、部署模式设计架构、部署模式和业务负载特征进行分类。和业务负载特征进行分类。1)按数据模型:分为关系型数据库、非关系型数据库(NoSQL);2)按设计架构:分为集中式数据库、分布式数据库;3)按部署模式:分为本地数据库和云数据库;4)按业务负载特征:分为 OLTP 数据库、OLAP 数据库和 HTAP 数据库。图图 2:国产数据库分类
16、:国产数据库分类 资料来源:沙利文、招商证券 403.60 540.40 678.80 843.70 1044.50 1286.80 33.9%25.6%24.3%23.8%23.2%0%5%10%15%20%25%30%35%40%02004006008001,0001,2001,40020222023e2024e2025e2026e2027e中国数据库市场规模(亿元)yoy 敬请阅读末页的重要说明 6 行业深度报告 图图 3:一图了解数据库各维度规模结构:一图了解数据库各维度规模结构 资料来源:IDC、赛迪、招商证券;1、关系关系 VS 非关系:关系型仍为主流,非关系型蓬勃发展非关系:关系
17、型仍为主流,非关系型蓬勃发展 关系型数据库仍为主流数据库类型。关系型数据库仍为主流数据库类型。根据大数据技术标准推进委员会统计,目前我国数据库产品中,关系型数据库为 156 个,占比 65.5%。非关系型数据库中种类繁多,其中键值数据库以 24%占比位列第一,图数据库/文档数据库/时序数据库以 15%占比位列第二,全文搜索数据库以 8%占比位列第三。图图 4:关系型与非关系型数据库占比情况:关系型与非关系型数据库占比情况 图图 5:非关系数据库各细分数据库占比情况非关系数据库各细分数据库占比情况 资料来源:CCSA TC601 大数据技术标准推进委员会、招商证券 资料来源:CCSA TC601
18、 大数据技术标准推进委员会、招商证券 我国我国关系型数据库规模持续增长,未来空间广阔。关系型数据库规模持续增长,未来空间广阔。根据 IDC 显示,2022 年我国关系型数据库软件市场规模为 34.3 亿美元,同比增长 23.9%;预测到 2027 年,我国关系型数据库软件市场规模将达到 102.7 亿美元,2022-2027 的 5 年市场年复合增长率(CAGR)为 24.5%。66%34%关系型数据库非关系型数据库24%15%15%6%8%3%2%15%7%3%1%键值数据库图数据库文档数据库列存数据库全文搜索图数据库RDF存储原生XML数据库时序数据库面向对象数据库多值数据库向量数据库 敬
19、请阅读末页的重要说明 7 行业深度报告 图图 6:我国我国关系型数据库软件规模(亿美元)关系型数据库软件规模(亿美元)资料来源:IDC、招商证券 我国我国本土关系型数据库已崛起。本土关系型数据库已崛起。国产关系型数据库产品已越来越广泛地被使用到关键行业和企业核心系统中替换其它存量数据库,华为、腾讯、人大金仓、阿里云等本土数据库品牌占关系型数据库市场份额已较大,尤其在公有云部署数据库领域优势显著。表表 1:关系型数据库代表厂商及:关系型数据库代表厂商及代表代表产品产品 公司公司 产品产品 某头部国产数据库厂商 DM8 蚂蚁 Oceanbase 华为 GaussDB 腾讯 TDSQL-C 阿里 P
20、olarDB 中兴 GoldenDB PingCAP TiDB 人大金仓 KingbaseES 南大通用 GBase 资料来源:蚂蚁官网、阿里官网、华为官网、腾讯官网、中兴官网、PingCAP 官网、人大金仓官网、南大通用官网、招商证券 图图 7:本地部署关系型数据库软件市场厂商份额:本地部署关系型数据库软件市场厂商份额(2022H2)图图 8:公有云关系型数据库软件市场厂商份额:公有云关系型数据库软件市场厂商份额(2022H2)资料来源:IDC、招商证券 资料来源:IDC、招商证券 非关系型数据库非关系型数据库适合适合处理处理大规模的非结构化数据大规模的非结构化数据。非关系型数据库通常分为四
21、个类别:键值数据库、列式数据库、文档型数据库和图数据库,目前最流行的非关系型数据库包括 MongoDB、Cassandra、Redis 等等,广泛应用于大数据、34.3102.7020406080027EOracle华为微软某头部数据库厂商SAPIBM腾讯人大金仓阿里云南大通用其他阿里腾讯亚马逊华为天翼云百度Oracle微软金山云中国移动其他CAGR 24.5%敬请阅读末页的重要说明 8 行业深度报告 云计算、物联网、移动应用等领域。表表 2:部分非关系数据库类型及特点:部分非关系数据库类型及特点 分类分类 数据模型数据模型 键值数据库 这一类数据库主要会使用到一个哈希表
22、,这个表中有一个特定的键和一个指针指向特定的数据。列式数据库 通常是用来应对分布式存储的海量数据。传统应用、互联网、大数据领域(key 指向多个列)。文档型数据库 文档型数据库的灵感是来自于 Lotus Notes 办公软件的,而且它同第一种键值存储相类似该类型的数据模型是版本化的文档,半结构化的文档以特定的格式存储,比如 JSON。文档型数据库可以看作是键值数据库的升级版,允许之间嵌套键值。而且文档型数据库比键值数据库的查询效率更高。图数据库 图形结构的数据库同其他行列以及刚性结构的 SQL 数据库不同,它是使用灵活的图形模型,并且能够扩展到多个服务器上。NoSQL 数据库没有标准的查询语言
23、(SQL),因此进行数据库查询需要制定数据模型。许多 NoSQL 数据库都有 REST 式的数据接口或者查询 API。资料来源:阿里云、招商证券 表表 3:非关系型数据非关系型数据库代表产品库代表产品 类型类型 代表公司代表公司 市场渗透率市场渗透率 成熟度成熟度 多模型数据库 OpenLink Software(Virtuoso 7.2.7)、Amazon(DynamoDB)超过 50%的目标受众 成熟主流 列簇型 Powerset(HBase 2.3.4)、Yandex(ClickHouse v23.4.1.1943)目标受众的 20%至 50%成熟主流 数据湖 Databricks(Da
24、tabricks)目标受众的 20%至 50%早期主流 时序型 InfluxData(InfluxDB 3.0)/Timescale(Timescale DB)目标受众的 20%至 50%早期主流 分布式数据库 PingCPA(TiDB7.0.0)、奥 星 贝 斯(OceanBase 3.2.3)目标受众的 5%至 20%早期主流 图型 Neo Technology,Inc.(Neo4j 5.9)目标受众的 5%至 20%成长期 数据湖仓 Snowflake Computing(Snowflake)目标受众的 5%至 20%成长期 向量型 Pinecone Systems,Inc(Pineco
25、ne 2.1.2)/Zilliz(Milvus)/星环科技(Hippo)目标受众不到 1%萌芽期 数据来源:Gartner、招商证券(注:根据 Gartner 定义,发展时间较长,数据库则进入成熟期;若市场渗透率达到目标受众的 20%及以上,则为主流)2、集中集中 VS 分布:集中式超八成,分布式应用分布:集中式超八成,分布式应用持续增加持续增加 我国我国数据库市场整体以传统集中式数据库为主,占比超数据库市场整体以传统集中式数据库为主,占比超 80%。根据艾瑞咨询统计,我国集中式数据库市场份额仍占据约 80%,分布式数据库部署占约 20%。虽然分布式数据库现阶段占比较低,但随着未来市场对快速增
26、长的海量数据处理能力、高并发处理能力、动态拓展能力以及多副本高可用等方面的需求,分布式数据库的规模自 2019 年以来也在逐年增加,截止至 2022 年 11 月,国产分布式数据库规模已达到 2019 年规模的 11 倍。敬请阅读末页的重要说明 9 行业深度报告 图图 9:集中式和分布式数据库市场份额占比情况:集中式和分布式数据库市场份额占比情况 图图 10:集中式与分布式数据库数量:集中式与分布式数据库数量 资料来源:艾瑞咨询、招商证券 资料来源:墨天轮、招商证券 图图 11:2019-2022 国产分布式数据库规模与增速国产分布式数据库规模与增速 资料来源:艾瑞咨询、招商证券 分布式数据库
27、的运用场景依旧以非核心业务为主,绝大部分核心领域依然依赖分布式数据库的运用场景依旧以非核心业务为主,绝大部分核心领域依然依赖集中式数据库集中式数据库。传统集中式数据库具有简单易用的优点,可满足绝大多数行业与业务场景中的数据处理需求,尤其在小规模数据量的场景中,集中式数据库表现优异。分布式数据库因其分布架构的特殊性,可以承载更大规模的数据量,随着近年来企业数字化转型的不断深入,各类应用场景对数据库的高并发处理能力、可扩展性等方面有了更高的需求,而信创环境下的国产替代趋势也将对国产分布式数据库的需求使用增加助力。表表 4:分布式数据库代表厂商及产品分布式数据库代表厂商及产品 公司公司 产品产品 蚂
28、蚁 OceanBase 华为 GaussDB 腾讯 TDSQL PingCAP TiDB 中兴通讯 GoldenDB 巨杉数据库 SequoiaDB 资料来源:蚂蚁官网、华为官网、腾讯官网、PingCAP 官网、中兴官网、巨杉官网、招商证券 80%20%集中式数据库分布式数据库8579分布式集中式3%62%45%0%50%100%150%200%250%300%350%400%02040608019.112020.112021.112022.11国产分布式数据库(个)增长率(%)敬请阅读末页的重要说明 10 行业深度报告 3、云云 VS 本地:公有云
29、数据库市场高速增长本地:公有云数据库市场高速增长 数据库可按部署方式分为公有云与本地部署,根据大数据技术标准推进委员会测算,2021-2023 年间我国公有云市场规模增速明显高于本地部署,预计 2023年公有云数据库与本地部署数据库在我国的市场规模分别为 323.16 亿元与217.24 亿元。图图 12:2021-2023E 我国我国公有云和本地部署数据库市场规公有云和本地部署数据库市场规模(亿元)模(亿元)图图 13:2022 年年我国我国公有云和本地部署数据库市场规模公有云和本地部署数据库市场规模占比占比 资料来源:CCSA TC601 大数据技术标准推进委员会、招商证券 资料来源:CC
30、SA TC601 大数据技术标准推进委员会、招商证券 云数据库相比传统数据库,在成本、易用性、可用性、可调节性、可扩展性与云数据库相比传统数据库,在成本、易用性、可用性、可调节性、可扩展性与并行处理能力等多个方面均有明显优势,均得益于云计算特有的并行处理能力等多个方面均有明显优势,均得益于云计算特有的“资源池化资源池化”特特点。点。相比于传统集中式数据库对硬件设备的高要求与维护修复时的高难度,云数据库使用户可以根据实际应用情况灵活调整,也无需额外购买基础软硬件设施,亦不需要专业人员(DBA)的部署,在使用与维护层面上节省了人工与物力,同时,由于大多数云数据库都支持热备架构,故有更高的容灾性,可
31、以实现故障秒级自动切换,使备份与恢复动作更加快捷便利。但由于,在现阶段中,云产品的发展尚未达到高度成熟,云环境尚未发展完全,以及市场对混合部署的需求的清晰程度不够高,使现在云数据库在性能优化、数据质量、数据迁移、数据融合与操作应用规范标准方面仍有进步空间。现阶段云数据库主要包括两种:现阶段云数据库主要包括两种:一种是托管在云厂商上的“传统”数据库,例如MongoDB、Redis 等都可以进行云托管;另一种是基于云环境的云原生数据库,例如阿里云的 PolarDB 等,华为的 GaussDB,腾讯的 TDSQL 等。表表 5:云原生数据库代表厂商及产品:云原生数据库代表厂商及产品 公司公司 产品产
32、品 蚂蚁 Oceanbase PingCAP TiDB 阿里 PolarDB 资料来源:蚂蚁官网、PingCAP 官网、阿里官网、招商证券 4、事务事务 VS 分析分析:大数据应用带来分析型数据库需求提升:大数据应用带来分析型数据库需求提升 OLAP 与与 OLTP 系统作用于存储和处理大量数据系统,其功能存在较大差异。系统作用于存储和处理大量数据系统,其功能存在较大差异。OLAP(联机分析处理系统)主要应用于分析聚合数据,而 OLTP(联机事务处161.19184.45217.24144.59219.15323.0400500600202120222023本地部署公有云
33、54%46%公有云本地部署 敬请阅读末页的重要说明 11 行业深度报告 理 系统)一般是处理数据库事务;在数据架构上,OLAP 优先数据读取后写入操作,而 OLTP 优先数据读写;在性能上,OLAP 处理时长为几分钟到几小时不等,而 OLTP 为毫秒或更短。表表 6:OLAP 与与 OLTP 差异对比差异对比 条件条件 OLAP OLTP 用途用途 分析大量数据以支持决策 帮助管理和处理实时交易 数据来源数据来源 使用来自多个来源的历史和汇总数据 使用来自单一来源的实时和交易数据 数据结构数据结构 使用多维(多维数据集)或关系数据库 使用关系数据库 数据模型数据模型 使用星型架构、雪花架构或其
34、他模型 使用标准化或非规范化模型 数据量数据量 存储需求较高,一般为 TB 和 PB 级别 存储需求相对较低,一般为 GB 级别 响应时间响应时间 响应时间较长,通常以秒或分钟为单位 响应时间较短,通常以毫秒为单位 应用应用 适合分析趋势、预测客户行为和确定盈利能力 适合处理付款、管理客户数据和处理订单 资料来源:AWS、招商证券 基于不同数据库的不同特性,他们有着不一样的应用场景:OLTP 数据库,或联机事务处理数据库,是一种专注于支持高度交互性、实时数据库,或联机事务处理数据库,是一种专注于支持高度交互性、实时性和高并发性能的数据库类型。性和高并发性能的数据库类型。它在各种行业中被广泛应用
35、,以满足日常业务需求。大多数企业级数据库产品,例如 Oracle Database、Microsoft SQL Server、Gauss100、OceanBase 都以支持 OLTP 为主要关注点。它们提供了强大的事务处理功能,支持 ACID(原子性、一致性、隔离性和持久性)事务,以确保数据的完整性和一致性。这些数据库系统在金融、电子商务、零售、电信、医疗保健、制造业等各种行业中广泛应用,因为它们能够满足高度交互性、高并发性能和实时事务处理的要求。表表 7:OLTP 行业应用案例行业应用案例 行业行业 应用领域应用领域 代表案例代表案例 金融服务 金融交易 中国工商银行采用 OceanBase
36、 数据库系统,确保高可用性、容灾需求,并达到 5 级容灾标准。实现 7x24 无停机服务,两地三中心城市级容灾和异地切换。电子商务 订单处理 淘宝采用 PolarDB-X,支持千万级别的并发、PB 级别的数据存储规模,以支持数百万订单的处理,库存跟踪以及处理客户的购物车操作,确保购物体验的顺畅性和数据的一致性。资料来源:Oceanbase 官网、阿里云、招商证券 综合来说,OLTP 数据库适用于需要处理日常事务和保证数据的实时一致性的场景,如订单处理、交易记录、库存管理;而 OLAP 数据库适用于需要进行深入数据分析和决策支持的场景。OLAP 数据库,或联机分析处理数据库,是一类专门设计用于支
37、持复杂数据分数据库,或联机分析处理数据库,是一类专门设计用于支持复杂数据分析和决策支持的数据库系统。析和决策支持的数据库系统。OLAP 数据库的主要特点在于其数据存储和查询结构,使得用户能够进行多维度、交互性的数据分析,探索大规模数据集中的模式、趋势和关联关系。表表 8:OLAP 行业应用案例行业应用案例 行业行业 应用领域应用领域 代表案例代表案例 金融服务 风险管理、交易分析 中国工商银行完成了采用华为 GaussDB OLAP 数据库对Oracle 产品的完全替代。零售业 流量分析 京东零售大数据针对高并发大规模数据的业务场景所进行查询架构的升级和改造,使用开源 ClickHouse 分
38、析型数据库,实现 敬请阅读末页的重要说明 12 行业深度报告 了 OLAP 的应用与实践,在实效性,准确性,高并发性三个方面解决了京东零售大数据复杂、海量、多变的问题。资料来源:华为云、墨天伦、招商证券 HTAP 同时支撑同时支撑 OLTP 和和 OLAP 场景,在大数据需求下,快速完成多次技术革场景,在大数据需求下,快速完成多次技术革新。新。HTAP(混合事务分析处理)数据库也在大数据需求的背景下不断发展与推进,其交易分析一体化的特点能够支撑多类业务。HTAP 同时支持 OLTP 和OLAP 场景,旨在大数据背景下,实现多数据处理,达成用户对更大数据量、更低延迟、更高系统弹性与效率且更低成本
39、的需求。预计在未来,HTAP 提供的在处理大数据的同时提供秒级实时交易与查询体验的数据库将会成为大数据背景下的一大趋势。然而,目前国内厂商还未在 HTAP 数据库方面实现高百分比的国产替代,技术框架搭建还未成熟;在技术实现方面,HTAP 在数据组织、数据同步、查询优化和资源调度等方面仍需持续突破。HTAP 数据库在未来在我国数据库市场中还有很大的市场潜力与市场空间。表表 9:HTAP 数据库代表厂商数据库代表厂商 区域区域 厂商与产品厂商与产品 国外国外 Google(AlloyDB)、Microsoft SQL Server、Oracle(MySQL HeatWave)、SingleStor
40、e、Aurora(Parallel Query)、SnowFlake(Unistore)等 国内国内 OceanBase、GaussDB、TDSQL-H、TiDB、PolarDB 等均支持 HTAP 资料来源:墨天轮、招商证券 据墨天轮发布的据墨天轮发布的 2023 年年我国我国数据库排行榜,其中共有数据库排行榜,其中共有 260 个个我国我国数据库参与数据库参与排名,在排名,在 162 个关系型数据库中,个关系型数据库中,HTAP 数据库占比数据库占比 16%,共,共 26 个。个。数据库排行榜中拔得头筹的 OceanBase、TiDB、openGauss 均有涉足 HTAP 领域,由此可见
41、 HTAP 的概念正吸引着国内头部数据库厂商不断深入探究,是我国数据库创新发展的一大趋势。图图 14:HTAP 数据库在关系型数据库占比情况数据库在关系型数据库占比情况 资料来源:墨天轮、招商证券 技术方面,技术方面,HTAP 的关键技术主要体现在数据组织技术、的关键技术主要体现在数据组织技术、同步技术、同步技术、查询优化查询优化技术、技术、资源调度技术。资源调度技术。在大数据趋势化的背景下,HTAP 的四项核心技术使HTAP 数据库相较于传统数据库在分析性与事务性方面均拥有更高性能、更高扩展性、更高新鲜度。但与此同时,HTAP 的关键技术也使部分系统复杂性更高,在这样的背景下,HTAP 数据
42、库的应用需更加审慎,技术优化任重道远。16%84%HTAP其他 敬请阅读末页的重要说明 13 行业深度报告 表表 10:HTAP 关键技术总览与优缺点比较关键技术总览与优缺点比较 HTAP 技术技术 关键技术关键技术 代表性产品代表性产品 主要优点主要优点 主要缺点主要缺点 数据组织 技术 基于主行存的内存列选择 MySQL Heatwave Oracle 事务性能高 分析性能低 基于负载驱动的行列混合存储/存储代价低 系统复杂度高 数据同步 技术 基于内存增量表与内存型列存的数据同步 Oracle,SQL Server,SAP HANA 性能高 扩展性低 基于增量日志与持久化列存的数据同步
43、TiDB,F1 Lightning 扩展性高 合并高代 查询优化 技术 混合行/列存储扫描 TiDB,SQL Server 分析性能高 搜索空间大 异 CPU/GPU 硬件加速 RateupDB,Caldera 分析性能高 事务性能低 面向 HTAP 负载的索引技术/事务性能高 内存空间大 资源调度 技术 基于负载驱动的资源调度 SAP HANA,Siper 性能高 新鲜度低 基于新鲜度驱动的资源调度/新鲜度高 性能不高 资料来源:CCSA TC601 大数据技术标准推进委员会、招商证券 二、二、下游行业数据库需求变化下游行业数据库需求变化 数据库作为信创系统与信息核心软件系统中的核心部分,在
44、信创产业国产替代数据库作为信创系统与信息核心软件系统中的核心部分,在信创产业国产替代浪潮涌动的背景下,迎来产业高速发展期,现阶段浪潮涌动的背景下,迎来产业高速发展期,现阶段我国我国数据库产品的渗透率也数据库产品的渗透率也屡创新高。屡创新高。随着互联网与大数据产业的发展,我国数据库用户的数量与数据资产规模累积均不断增加,在政务、互联网、电信、制造等行业已达到 TB 级别。在各类细分行业之下,用户对数据分析的需求参差不齐,对数据分析需求强烈的行业有金融、电信、互联网、零售等。图图 15:2021-2025 我国我国数据库市场行业数据库市场行业分布,运营商、互联网、金融、政府、制造、能源占比较大分布
45、,运营商、互联网、金融、政府、制造、能源占比较大 资料来源:赛迪、招商证券 表表 11:各大行业各大行业数据库应用需求数据库应用需求 行业行业 现存主流数据库现存主流数据库 行业需求行业需求 数据库国产化数据库国产化进度进度 金融 大量向分布式架构升级 非关系型数据库正加速落地 基础架构升级 云原生发展 新兴技术融入 新一代金融 IT 安全 海外数据库仍占据金融业数据库部署的主导位置,国产替代趋势显著。根据墨天轮调研,国产数据库应用中,OceanBase、阿里云 PolarDB、华为云0050060070020212022E2023E2024E2025E金融政府互联网运营
46、商能源制造教育与科研其他交通物流与邮政医疗卫生批发零售 敬请阅读末页的重要说明 14 行业深度报告 GaussDB、腾讯云 TDSQL 以及某头部国产数据库厂商是银行业中使用最多的国产数据库,未使用国产数据库的受访者占比仅为10.1%。电信 采用私有云或自有机房部署的方式 集中式数据库仍占电信行业数据部署 60%分析型数据库占比不超过 10%云数据库(如一站式数据管理)图数据库 电信行业在原有数据库的基础上逐步开始进行系统改造,逐步实现国产替换。在电信行业的应用场景中,三大电信运营商在不断上线国产数据库产品,业务操作支持系统、营业员业务操作系统、反洗钱系统等重要系统均已实施国产替换,如渠道中心
47、库、账务中心系统、权益中心系统等其他无原数据库基础的系统,也纷纷引入国产数据库的支持。政企 数字政府一体化大数据管理平台规模达 59.1 亿元人民币,增长率为 19.2%,呈现稳健增长态势 数字政府业务 一体化大数据平台解决方案 人工智能与数据治理 政务数据安全保障能力 政策推动数字政府建设,提升数据库需求。各地方政府发表一系列地方政策文件,旨在推动我国各省市数字政府建设、政务数据管理和安全保障的现代化。互联网 云原生数据库 分布式分析型数据库:逐步成熟,已广泛应用于互联网用户画像等业务系统 分布式事务型数据库:随着中间架构与新型一致性协议不断成熟 数据库产品一站式管理 高效数据迁移、备份、恢
48、复 多样的部署方式 数据安全及隐私保护 各互联网大厂均已实现用自研分布式事务型数据库支撑自身大规模实务操作。制造业 以关系型数据库为主,占 63%使用关系型与非关系型两者参半的数据库,占比约 37%已有 30 多款时序数据库产品在新能源发电、储能智慧运维等场景中落地应用 工业实时数据库 我国工业数据环境面临着数据量不断激增数据类型复杂、数据治理难等问题,在系统兼容、数据共享、信息安全以及互联互通等方面的模式创新尚未实现。我国制造业数据库创新初露头角,国产替换逐步开启。随着制造业应用对数据储存需求、数据写入性能、查询实效性、大规模实时分析计算、数据互通等需求的提升,Oracle 数据库的劣势逐渐
49、显现,随着国产数据库的发展,国产替换的高度完成指日可待。能源 由海外数据库逐渐向国产化架构升级,已有国产化案例以分布式架构为主 跨安全分区数据交互 面向海量关系型数据的复杂统计 应用级容灾 现阶段已有多家能源公司开始进行数据库国产替换,包括石油石化、电力、煤炭、水利等领域。资料来源:IDC、CCSA TC601 大数据技术标准推进委员会、Forrester Consulting、亿欧智库、招商证券 1、金融:金融:数字化进程推动数字化进程推动分布式数据库分布式数据库应用应用需求提升需求提升 海外数据库仍占据金融业数据库部署的主导位置,但同时海外数据库仍占据金融业数据库部署的主导位置,但同时国产
50、应用持续深化国产应用持续深化。据信通院统计,以业务系统数量为计数单位,我国金融行业各类数据库占比为Oracle 55%、DB2 19%、MySQL 13%、PostgreSQL 6%。在金融业数据库应用中,国产替代趋势显著,存量数据库大量向分布式架构升级,非关系型数据库正加速落地。在金融业中,银行为数据库国产化替代深水区,根据墨天轮2022 年数据库大调查,OceanBase、阿里云 PolarDB、华为云 GaussDB、腾讯云 TDSQL 以及某头部国产数据库厂商是银行业中使用最多的国产数据库,使用这些产品的受访者占比分别为 23.4%、22.2%、21.5%、20.3%、17.1%,未使
51、用国产数据库的受访者占比仅为 10.1%。敬请阅读末页的重要说明 15 行业深度报告 图图 16:金融行业金融行业使用数据库厂商分布情况使用数据库厂商分布情况 图图 17:银行业国产数据库使用情况银行业国产数据库使用情况(受访者可多选)(受访者可多选)资料来源:信通院、招商证券 资料来源:墨天轮、招商证券 数字化进程推动金融行业创新型业务发展,数字化进程推动金融行业创新型业务发展,分布式数据库需求顺势提升分布式数据库需求顺势提升。在数字化时代下,金融企业正往移动互联、数智赋能、开放融合以及全面安全信任等全新态势发展。随着金融信息化程度提升,金融业对数据库的要求进化到希望满足兼具高兼容、高弹性、
52、高能、高一致、高连续、高安全且低成本的要求。根据 IDC 调研显示,而分布式数据库以其透明、弹性、安全以及对复杂业务逻辑的广泛支持能力,兼容了传统金融业务应用,能够应对数字化时代下金融创新的需求。表表 12:金融数字化业务全新发展态势:金融数字化业务全新发展态势 业务形态业务形态 业务发展业务发展 移动互联移动互联 金融企业面向 B 端和 C 端用户推出了更多的移动化服务,例如移动银行正在成为商业银行服务客户的主要电子渠道,覆盖转账、贷款、购物、缴费等丰富的服务内容。建立在互联网和移动互联网上的一大批新兴业务将进一步增强服务的个性化,不断优化用户体验,服务长尾人群,进而拓展出新的商业机会。数智
53、赋能数智赋能 人工智能、大数据、云计算等技术的飞速发展为金融产品创新、流程优化、风控、营销、运维等方面的智慧化发展提供了理想条件,例如银行业的创新解决方案中已经出现了很多细分场景,例如智慧银行、智能风控、智能客服等,帮助银行面向客户提升精准服务和精细化管理水平。开放融合开放融合 金融企业业务发展模式逐步呈现出开放融合的趋势。未来的金融服务将无处不在,渗透进人们生活的每一个场景。金融企业将在由监管机构参与、技术合作方协作的生态中,打通自身与其他行业的数据资源与服务资源通道,实现数据、应用程序和运营经验等维度的共享。通过金融服务与场景的接入,包括设立产业金融、农村金融等专项领域,推动各领域金融的开
54、放与创新。安全信任安全信任 利用数字化能力强化数据安全合规建设,加强风险管理,鼓励金融企业实现技术自主创新,积极采用国产领域最新发展成果。建立数字信任的关键因素包括客户数据、数据隐私、伦理与社会责任以及终端安全等,多措并举维护金融秩序的稳定和发展。资料来源:中国金融行业国产分布式数据库白皮书、招商证券 表表 13:金融行业:金融行业 IT 基础架构演变趋势基础架构演变趋势 架构架构 演变趋势演变趋势 基础架构升级基础架构升级 由于金融数据环境发生了较为明显的变化,围绕新业务的基础数据呈现出大规模、高增长、多样化和分布化特征,需要金融企业高度关注其基础设施向分布式架构演化的需求问题。以金融业务实
55、时查询为例,一些新业务可能需要实现对多源、多维数据的综合查询和计算,传统的集中式架构扩容周期长,性能存在瓶颈,且在新业务的冲击下,其高投入成本会将使企业难以承受。云原生发展云原生发展 云的弹性、敏捷、高可靠、低成本特性,以及云上丰富的 PaaS、SaaS 产品,为行业数字化转型带来了全新的机遇,金融行业的云计算发展,需要综合考虑新老系统的新建、迁移、云化改造和云原生设计等多种要素,推55%19%13%6%7%OracleDB2MySQLPostgreSQL其他0.00%5.00%10.00%15.00%20.00%25.00%某头部数据库阿里云PolarDB华为云GaussDBOceanBas
56、e腾讯云TDSQLTiDBOpenGauss人大金仓恩墨MogDB科蓝SUNDB中兴GoldenDB南大通用亚信AntDB石原子StoneDB涛思Tdengine星环KunDB矩阵起源万里数据库浪潮开务数据创邻Galaxybase其他未使用国产数 敬请阅读末页的重要说明 16 行业深度报告 进行业云平台发展,实现统一规划和管理。目前,金融机构仍以私有云架构建设为主,值得关注的重点是应用端的微服务化和容器化改造进程,以及 Serverless 在诸如金融行业云、私有云环境下的应用问题。特别是在支撑金融敏态业务方面,云原生有值得期待的巨大发展空间。新兴技术融入新兴技术融入 大数据带来的分析、洞察、
57、决策能力,促进传统业务提质增效、推动创新业务快速发展;区块链技术帮助金融机构建立新的信任体系,推动数字货币等新业务形态取得快速进展;AI 技术则广泛应用于自动化识别、风险监测、智能化业务流程等多类重要领域环节。新兴 ICT 技术也将推动金融业建立创新型的组织架构和业务体系,实现面向未来的战略布局。新一代金融新一代金融 IT 安全安全 金融机构对隐私保护、数据安全、风险控制等安全领域有苛刻的要求,始终高度重视全系统的安全保障问题,符合监管要求,保障业务平稳运行。新一代金融 IT 安全保障需要重视分布式、云化环境以及海量移动化终端所带来的全新问题,着力将云原生安全与体系化的安全保障手段做深度融合,
58、实现动态、主动、可持续迭代的安全保障能力。资料来源:中国金融行业国产分布式数据库白皮书、招商证券 图图 18:金融行业在使用传统集中式关系型数据库时面临的金融行业在使用传统集中式关系型数据库时面临的挑战挑战 图图 19:金融业对分布式数据库的要求金融业对分布式数据库的要求 资料来源:IDC、招商证券 资料来源:沙利文、招商证券 以银行以银行/证券证券/保险保险/互联网金融系统划分,均表现对分布式数据库高需求。互联网金融系统划分,均表现对分布式数据库高需求。我国金融行业围绕银行、保险、证券三大子领域的个人和机构用户,近年来随着数字化转向进程不断加深,诞生互联网机构传统银行业务也在核心业务的基础上
59、衍生出了线上营销、等新业务形态,丰富线上线下业务应用形态。表表 14:金融系统金融系统分布式分布式数据库应用需求数据库应用需求 分类分类 系统系统 分布式分布式数据库的应用需求数据库的应用需求 银行 中央银行与商业银行的业务处理系统 1、在跨业务的融合中,往往涉及多种类型数据,因此亟需实现对多模数据的统一管理,进而实现不同类型的数据统一融合管理,提升系统效率;2、针对客户的实时需求,银行数据系统需要满足高并发业务操作需求,实现海量数据超高性能读写及实时访问查询能力;3、目前商业银行系统内数据量急剧增大,系统需要弹性扩容以应对 PB 级别以上的数据,从而使所有数据保持在线;4、需要分布式架构实现
60、数据分区管理,实现业务有效隔离,同时保持系统的弹性、兼容性,大大简化运维,节省开发成本。证券 以证券公司为主体的信息化系统 1、证券公司内部的经纪业务、资管业务、投行业务和自营业务承载于不同系统,数据数量庞大、类型繁多、产生速度快,需构建标准统一、数据共享、信息汇总、协调统一的大数据分析平台,用以支撑上层应用;2、各业务形态在整体市场环境下受到影响,如政策法规,因此证券公司的数据库规划需要支撑百 TB 级海量数据的存储、查询与分析;3、传统数据库系统缺乏灵活有效的数据挖掘与分析工具,不能有效应用于证券行业客户分析、经营状况分析、咨询服务、风险防范等方面,需要通过分布式存储、分布式并行处理技术、
61、流处理技术、大规模的数据分析和可视化平台等技术的应用;4、为适应未来证券公司的大数据平台规划,证券公司应用的数据库必须具备不断扩容的能力。保险 投保系统、核保系统、出单系统、理赔1、保险公司如寿险、车险、财产险,业务量较大,随着业务规模的扩大,需要分布式数据库为其快速发展提供支撑;敬请阅读末页的重要说明 17 行业深度报告 系统、核赔系统、客户服务系统与代理人管理系统,利差管理等其他支撑系统 2、保险对于室外场景数据的要求高,需要分布式数据库具备高可用性、快速处理的响应;3、保险公司按业务划分,业务分为不同省份,每个业务均有不同的集群,带来较大的成本支出,故需要业务既能共享,又能实现隔离;4、
62、保险行业重视安全性,需要分布式数据库具备简便的运维能力。资料来源:信通院、招商证券 国产国产分布式数据库分布式数据库已进入大型银行核心系统。已进入大型银行核心系统。中国银行、中国农业银行、中国邮储银行均采用云底座+分布式数据库的方式构建分布式核心系统;中国工商银行、交通银行则以自研开源数据库+国产数据库的方式引入国产化数据库方案;中国建设银行则按分行与客户维度渐进式分布切换数据库投产。表表 15:主流银行主流银行国产国产分布式分布式数据库应用数据库应用案例案例 银行银行 替换替换系统系统 数据库数据库 架构架构 中国工商银行 对公(法人)理财系统 OceanBase 支持数据多副本,节点间通过
63、 Paxos 协议流复制,集群统一管理调度所有服务器资源 包括信贷系统、贵金属等 130 多个业务系统,覆盖办公系统、一般业务系统和关键业务系统各类业务场景 GaussDB 分布式数据库+云化服务 中国农业银行 银行核心业务系统 TDSQL 基础硬件、操作系统、中间件、数据库、云平台五大领域全栈式国产化创新,实现全链路信创国产化 中国银行 银行核心全链路信创国产化 TDSQL 采用 TDSQL+中标麒麟+鲲鹏,也是国内首次银行核心系统实现 x86 和国芯混部署 中国建设银行 信用卡核心系统 GaussDB 鲲鹏 920+KylinOS+GaussDB 交通银行 贷记卡核心系统 OceanBas
64、e 国内首个贷记卡核心系统“大机下移”分布式 中信银行 银行核心业务系统 GoldenDB 使用 GoldenDB 分布式数据库针对金融 OLTP 交易型场景构建的数据库解决方案 北京银行 网联支付清算平台、银联无卡快捷支付平台、金融服务互联平台、网贷业务平台等 TiDB 微服务架构+分布式数据库,北京银行在两地三中心部署 TiDB 集群,采用主从的多活架构,主集群作为生产集群承担日常的生产服务,主从之间采用 Kafka 同步 Binlog 的形式进行数据同步 资料来源:蚂蚁官网、华为官网、中兴官网、腾讯官网、PingCAP 官网、墨天轮、中国经济网、证券时报、CSDN、招商证券 2、运营商:
65、集中式数据库运营商:集中式数据库仍仍为为主导,主导,新兴新兴需求层出不穷需求层出不穷 我国电信行业采用私有云或自有机房部署的方式,集中式数据库仍占主导地位我国电信行业采用私有云或自有机房部署的方式,集中式数据库仍占主导地位。电信行业大数据领域的三大数据域分别是 B 域,M 域,O 域。从三大域进行数据分析和挖掘,就是电信行业的大数据应用,比如地理化精准营销、成本精算等。表表 16:电信行业三大数据域电信行业三大数据域 数据域数据域 应用应用 主要内容主要内容 B 域域 业务域 business support system 的数据域 B 域有用户数据和业务数据,比如用户的消费习惯、终端信息、A
66、RPU 的分组、业务内容、业多受众人群等。O 域域 运营域 operation support system 的数据域 O 域有网络数据,比如信令、告警、故障、网络资源等。M 域域 管理域 management suppot system 的数据域 M 域有位置信息,比如人群流动轨迹、地图信息等。资料来源:C114 通信网、招商证券 集中式数据库事务一致性、维护性能突出,被主要业务体系 B 域大量使用,占整个电信行业数据部署 60%;分析型数据库通常被业务相对简单的 O 域和 M 域使用,占比不超过 10%。敬请阅读末页的重要说明 18 行业深度报告 图图 20:电信行业数据部署方式分布情况:
67、电信行业数据部署方式分布情况 资料来源:CCSA TC601 大数据技术标准推进委员会、招商证券 数据库发展以匹配电信行业应用的技术战略应从适应性、创造性、韧性三大关数据库发展以匹配电信行业应用的技术战略应从适应性、创造性、韧性三大关键切入。键切入。根据阿里云委托 Forrester Consulting 针对电信行业的研究结果表明,开拓适应运营商业务模式、适应市场不确定性;创造性地融合更多生态伙伴,以运营商核心业务为切入点,发展垂直应用,打造高性能、高弹性的数据库技术;以及可坚韧保障通信稳定畅通及云网安全,实现零宕机,为电信行业保障企业自身安全以及社会安全稳定而保驾护航。表表 17:数据库针
68、对电信行业未来发展战略所需关注的技术:数据库针对电信行业未来发展战略所需关注的技术 适应性适应性 创造性创造性 韧性韧性 灵活资产配置,适应新市场 追求极致性能,创造新体验 打造坚实平台,应对新环境 一站式数据管理 保护客户隐私和数据安全 专业的服务 云原生数据管理 数据库自动优化 便捷的数据迁移、备份、恢复 支持多模数据 多层次解耦的扩展能力 丰富的运维工具 HTAP 灵活的部署模式 高可用、高可靠 快速就绪,弹性扩展 极致性能 自主研发 资料来源:Forrester Consulting、招商证券 在针对电信行业的技术发展方面,云数据库以及图数据库将因电信业务场景的在针对电信行业的技术发展
69、方面,云数据库以及图数据库将因电信业务场景的需求而成为发展趋势。需求而成为发展趋势。云数据库所具备的多元化能力,如一站式数据管理,可为电信行业的典型运营场景添瓦助力。据统计,34%的电信行业从业者表示一站式数据库是其最关注的云数据库能力之一。图数据库因其高效搜索、计算结果天然具有可解释性的能力,在电信行业几大典型场景中也具有很大的发展前景。60%10%30%集中式分布式业务分库 敬请阅读末页的重要说明 19 行业深度报告 图图 21:Forrester Consulting 对云数据库能力调研对云数据库能力调研 资料来源:Forrester Consulting、招商证券 表表 18:图数据库
70、在电信行业应用中的优势:图数据库在电信行业应用中的优势 系统系统 业务场景业务场景 具体内容具体内容 电信反诈骗电信反诈骗 团伙识别、交易风险、刷单检测 图数据库具有万物互联的特性,能够基于关联关系进行欺诈分析,实现快速发现涉诈号码、精确识别诈骗分子、挖掘号码关联关系并追溯诈骗团伙;而且可通过数据构建欺诈识别模型,运用多种分类算法,识别处理潜在诈骗风险。推荐系统推荐系统 电信营销、用户画像、套餐推荐 图数据库帮助运营商即时分析用户的行为、喜好、社交关系等信息,从而实现更加精准的用户画像和个性化的推荐服务,提高用户黏性和转化率。服务管理服务管理 语音、流量、短信服务管理 通信行业中需要处理大量的
71、服务请求,如语音、短信、流量等。通信企业借助图数据技术可以将来自不同用户的数据点和节点连接在一起,对数据的来源、交互、关系进行建模和分析,从而高效地处理和分析服务请求的关联关系,提升服务管理的效率和准确性,并及时调整服务策略和优化服务质量。数据治理数据治理 IT 设备、运维监控管理 通信行业中涉及到的数据来源广泛,如用户信息、网络拓扑、业务数据等,图数据库可以高效地处理这些异构数据,实现数据的整合和集成,提高数据利用率和价值。知识图谱知识图谱 通用 图数据库可以将数据转换为知识图谱,提高数据的可表达性和挖掘价值的效率。在通信行业中,知识图谱可以存储各种数据、关系和事件,构建实时的全局性共享知识
72、图谱库,帮助企业进行各种搜索,推荐,垂直领域内的知识筛选和分析,减少繁琐的工作和时间,从而更好地满足业务需求。可视化分析可视化分析 通用 通信企业往往需要对大量数据进行分析和可视化展示。图数据库可以将数据可视化为图形形式,使非技术人员也能够更好地理解数据之间的关系,形象地展现大数据分析的结果,更好地进行决策分析。资料来源:CSDN、招商证券 随着数据库技术的更新迭代,电信行业作为数据密集型行业,在原有数据库的随着数据库技术的更新迭代,电信行业作为数据密集型行业,在原有数据库的基础上逐步开始进行系统改造,逐步实现国产替换。基础上逐步开始进行系统改造,逐步实现国产替换。据大数据技术标准推进委员会研
73、究表明,目前我国电信行业因数据安全等考量因素,行业几乎全部采用私有云或自有机房部署,数据库以集中式数据库为主。虽分布式数据库适用于电信行业业务弹性较大的业务系统,但由于电信行业使用数据库的时间较早,早期数据库发展并不全面,事务控制复杂且网络开销大等因素使分布式数据库在电信行业占比仅达到约 10%。在电信行业的应用场景中,三大电信运营商在不断上线国产数据库产品,业务操作支持系统、营业员业务操作系统、反洗钱系统等重要系统均已实施国产替换,如渠道中心库、账务中心系统、权益中心 敬请阅读末页的重要说明 20 行业深度报告 系统等其他无原数据库基础的系统,也纷纷引入国产数据库的支持。表表 19:电信行业
74、国产替换:电信行业国产替换重点案例重点案例 系统分类系统分类 公司公司 替换系统替换系统 替换前替换前 替换后替换后 替换时间替换时间 替换效果替换效果 业务操作支持系统 中国移动通信集团山东移动 CRM(营业员业务操作系统)Oracle 小机+集中式存储 OceanBase 分布式集群数据库 2020 年 系统核心场景性能大幅提升,详单处理效率提升 30%。营业与账务系统 中国电信 对账平台系统 X86+MySQL等开源数据库 TiDB 数据库 2019 年 在商用渠道的用时显著缩短,在性能与效率方面有大幅度提升。中国电信 个人帐单系统 X86+MySQL等开源数据库 TiDB 数据库 20
75、19 年 用户体验显著提升,有效减少了交易无法追溯的问题,也解决了原有分库分表在容量、储存周期、查询效率等维度的问题,最终提升了用户使用量与用户活跃度。中国移动通信集团山东移动 BOSS 系统 Oracle 小机+集中式存储 OceanBase 分布式集群数据库 2020 年 实现跨多数据中心的分布式集群部署;达到 RPO=0 的机房级别容灾能力。反洗钱系统 中国电信 反洗钱系统 X86+MySQL等开源数据库 TiDB 数据库 2019 年 1、跑批写入性能提升 3 倍以上;2、跑批时常缩短至原来 1/3 以内;3、平台整体数据有效处理能力提升至原数据库的 5 倍以上。资料来源:墨天轮、Pi
76、ngCAP 官网、OceanBase 官网、招商证券 3、政务:政务:数字政府建设数字政府建设进一步提升进一步提升数据库数据库需求需求 我国我国数字政府一体化大数据平台规模稳步增长数字政府一体化大数据平台规模稳步增长,推动背后数据库需求提升,推动背后数据库需求提升。根据 IDC 分析,2022 年我国数字政府一体化大数据管理平台规模达 59.1 亿元人民币,增长率为 19.2%,呈现稳健增长态势。政府日益提升的大数据管理需求推动背后经济数据库、交通数据库、天气数据库等各类数据库搭建需求,进一步促进背后数据库基础设施需求提升。图图 22:我国我国数字政府一体化大数据管理平台投资概览图数字政府一体
77、化大数据管理平台投资概览图 资料来源:IDC、招商证券 政策推动数字政府建设,政策推动数字政府建设,进一步进一步提升数据库需求。提升数据库需求。各地方政府发表一系列地方政策文件,旨在推动我国各省市数字政府建设、政务数据管理和安全保障的现代化。政策的颁布强调了数据安全、合规性、资源共享、技术创新和协同工作,以确保政府部门和机构能够更好地满足公共需求、提高效率、促进数字化发展。25%25%18%9%3%1%1%省级平台市级平台区县级平台公共安全交通司法水利 敬请阅读末页的重要说明 21 行业深度报告 表表 20:近期政务领域政策:近期政务领域政策 政策政策/文件名称文件名称 发布日期发布日期 发布
78、单位发布单位 概述概述/要求要求 全国一体化政务大数据体系建设指南 2022/9/13 国务院办公厅 加强数据汇聚融合、共享开放和开发利用,促进数据依法有序流动,结合实际统筹推动政务数据平台建设,积极开展政务大数据体系相关体制机制和应用服务创新,增强数字政府效能,营造良好数字生态,不断提高政府管理水平和服务效能,为推进国家治理体系和治理能力现代化提供有力支撑。江苏省数字政府建设 2023 年工作要点 2023/4/27 江苏省人民政府 强化数据安全,包括数据分类分级保护、安全管理、技术防护,提升网络、系统、数据安全技术。河南省加强数字政府建设实施方案(2023-2025 年)2023/5/9
79、河南省人民政府 提供数字政府建设蓝图和行动指引,强调一体化高效运行的数字政府建设,包括“一盘棋”思想等。山西省政务数据安全管理办法 2023/5/22 山西省人民政府 加强政务数据安全管理,维护国家安全、社会秩序和公共利益,遵守法律法规,根据省情制定办法。资料来源:山西省人民政府、河南省人民政府、江苏省人民政府、中国政府网、招商证券 表表 21:政企在技术层面的业务发展:政企在技术层面的业务发展 业务形态业务形态 业务发展业务发展 数字政府业务 政府部门和机构在数字化转型过程中,采用信息技术和数据资源来改进、优化和提高政府的效率、透明度和服务质量,同时促进社会发展和经济增长。它涉及多个领域,从
80、政府内部的管理到与公众、企业和其他利益相关者的互动。一体化大数据平台解决方案 在全国一体化政务大数据体系建设指南的驱动下,一体化平台是机会点,从底层大数据技术,到中间的数据中台及上层的一体化管理,构建一体化的解决方案和资源调度能力。人工智能与数据治理 利用智能化技术和算法来提升工作效率和准确性是实现数据治理常态化运营的根本。AI 在政府数据治理中可以提高数据的质量、安全性和效率,有助于更好地满足公众需求、提高政府服务水平,并支持政府决策制定和政策实施。政务数据安全保障能力 中华人民共和国数据安全法、中华人民共和国个人信息保护法、关键信息基础设施安全保护条例等法律法规出台后,数字政府数据治理平台
81、正在不断加强数据安全控制和监管机制,以保护政府和公众的数据安全。资料来源:IDC、招商证券 随着数据库技术的不断演进,政务数据库在满足政府机构不断增长的数据管理随着数据库技术的不断演进,政务数据库在满足政府机构不断增长的数据管理和分析需求方面发挥了关键作用。和分析需求方面发挥了关键作用。政务数据库在政府部门中扮演着至关重要的角色,因为政府机构需要处理和维护各种类型的数据,包括公民信息、行政文件、政策和法规、项目和资金分配等。随着互联网的迅猛发展和电子政务建设的不断推进,政府机构对信息系统的依赖性以及信息安全标准的要求日益增加。实现信息化系统的核心软件数据库的国产化,不仅是技术领域的迫切需求,也
82、是国家安全的共同关切。表表 22:政务行业国产:政务行业国产替代重点案例替代重点案例 公司公司 替换系统替换系统 替换前替换前 替换后替换后 替换时间替换时间 替换效果替换效果 中央政府机关核心系统 信息系统 Oracle 11g RAC 人 大 金 仓 数据库 2020 年底 1、成功实现了对 3000+视图、2100+触发器、8000+表、230+存储过程/函数的自动化迁移,整体的迁移自动化率达到了惊人的 99.62%。2.在优化过程中,进行了 50+项系统性能的优化工作,包括大幅减少了登录加载时间,从 20秒缩短至仅需 5 秒内;复杂查询的响应时间也从 20 秒减少至 10 秒内;浙江政
83、务云政法云高级人民法院 政务云 Oracle OceanBase 2022 年 1、在业务方面,无需对应用架构进行重构的前提下,成功地使用了云上高性能数据库,支持了全省法院审判、执行、案款、送达等业务数据的汇聚。这也有助于长期保存档案和卷宗数 敬请阅读末页的重要说明 22 行业深度报告 据,支持各种数据的碰撞聚合分析。2、在信息化方面,实现了云上和线下数据库的集中汇聚到云上的纯国产数据库 OceanBase。这一举措还统一了开发技术栈,将 40 多个服务器资源减少了一半,提高了资源的可管理性。此外,数据库服务的故障恢复时间也从小时级降低到了分钟级,有力地提升了信息化效益。资料来源:墨天轮、Oc
84、eanBase 官网、招商证券 4、互联网:云原生和分布式数据库已成为互联网行业主流互联网:云原生和分布式数据库已成为互联网行业主流 互联网行业对数据库的需求在不断演进,要求数据库提供更强大的性能、可用性、安全性和灵活性,以满足不断发展的业务需求。表表 23:互联网对数据库性能需求:互联网对数据库性能需求 功能功能 描述描述 数据库产品一站式管理 人工智能在数据库管理领域广泛应用,通过机器学习和深度学习提升数据库系统的适应性和稳定性,逐渐将数据库管理经验代码化,成为“数据库即服务”平台的核心能力。高效数据迁移、备份、恢复 互联网行业对业务稳定性要求高,因此提供便捷的数据迁移、备份和恢复能力至关
85、重要。云厂商应提供完善的数据迁移和生命周期管理方法,包括全量和增量迁移支持以及回滚支持。多样的部署方式 数据库应支持多种部署方式,以满足不同需求,如本地部署、云端部署、混合部署等。数据安全及隐私保护 互联网行业面临内外部攻击和隐私信息泄露风险,应提供强化的数据安全措施,同时遵守国家法规以保护个人隐私信息。资料来源:Forrester Consulting、招商证券 应用于互联网行业的数据库正快速向分布式架构转型中。应用于互联网行业的数据库正快速向分布式架构转型中。其中,分布式分析型数据库逐步成熟,已广泛应用于互联网用户画像等业务系统;分布式事务型数据库随着中间架构与新型一致性协议不断成熟,各互
86、联网大厂均已实现用自研分布式事务型数据库支撑自身大规模实务操作。表表 24:互联网行业数据库应用:互联网行业数据库应用 数据库数据库 应用应用 分布式分析型数据库 分析型数据库主要用于通过某种算法,从海量数据中提取并转化为统计性的关键信息和指标。目前已经广泛应用于金融资产盘点、电信流量分析、互联网用户画像等业务系统中。分布式事务型数据库 随着中间件架构和新型一致性协议的逐渐成熟,各互联网公司已成功使用分布式事务型数据库支撑自身大规模的事务操作,金融等行业正逐步尝试相关技术。分布式时序数据库 时序数据库能够支持处理大并发、高持续性、携带时间戳的数据,广泛应用于电力和工业设备监测领域。随着 5G
87、时代来临,带动了物联网领域的快速发展,要求现有时序数据库必须完成分布式化,以满足未来物联网领域数据规模的爆炸式增长。分布式图数据库 图数据库技术能够有效提升关联型数据 的价值挖掘能力,逐渐成为各大企业关注的热点,从而积极推动自身分布式图数据库的产品研发。资料来源:中国信通院、腾讯云、招商证券 云原生和分布式数据库已成为互联网行业主流数据库。云原生和分布式数据库已成为互联网行业主流数据库。互联网业务伴随着大规模的业务与特定时间的数据增长,传统的关系型数据库难以承载应用负载。根 敬请阅读末页的重要说明 23 行业深度报告 据阿里云委托 Forrester Consulting 对互联网行业的调研表
88、明,对 114 名互联网企业云数据库负责人进行调研结果表面,有 62%的受访者已经使用云上云原生关系型数据库以及分布式关系型数据库,大幅领先于传统关系型数据库。图图 23:Forrester Consulting 对互联网行业数据库使用率调研对互联网行业数据库使用率调研 资料来源:Forrester Consulting、招商证券 案例:支付宝全栈运行案例:支付宝全栈运行 OceanBase。互联网巨头自身海量数据支撑需求即为自身数据库产品最佳案例。如支付宝全栈运行 OceanBase,包含数十亿条 SQL、数据量达数百 PB、服务器核数过百万,并且已经完全覆盖支付宝全部核心链路,支撑全部五大
89、业务板块,帮助支付宝平稳支撑十年“双 11”流量高峰。5、制造业:数据库创新初露头角制造业:数据库创新初露头角 数据库为工业数字化建设的核心因素之一,数据库为工业数字化建设的核心因素之一,国家发布多项政策推动发展。我国作为工业制造大国,2018 年颁布关于国家智能制造标准体系建设指南(2018年改版)后相继颁布产业结构调整指导目录(2019 年本,征求意见稿)、计量发展规划(2021-2035)多项政策文件。表表 25:近年来制造业政策:近年来制造业政策 发布时间发布时间 政策名称政策名称 主要内容主要内容 2023 数字中国建设整体布局规划 推动数字技术与实体经济深度融合,在农业、工业、金融
90、、教育、医疗、交通、能源等重点领域,加快数字技术创新应用。2022 天津市计量发展规划(2022-2035年)积极参与国家工业计量基础数据库建设,加强本市工业制造领域计量检定、校准、测试和检测数据的采集、管理和应用。2022 计量发展规划(2021-2035)研究建立国家工业计量基础数据库,加强工业制造领域计量检定、校准、测试和检测数据的采集、管理和应用。2021 四部门关于加强产融合推动工业绿色发展的指导意见 构建工业碳核算方法、算法和数据库体系,推动碳核算信息在金融系统应用,强化碳核算产融合作。2021 国家标准化发展纲要 开展数据库等方面标准攻关,提升标准设计水平,制定安全可靠、国际先进
91、的通用技术标准。2020 工业化和信息化部关于工业大数据发展的指导意见 打造资源富集、应用繁荣、企业进步的工业大数据生态体系。敬请阅读末页的重要说明 24 行业深度报告 2020 关于深化新一代信息技术与制造业融合发展的指导意见 以智能制造为主攻方向,加快工业互联网创新发展。2019 产业结构调整指导目录(2019 年本,征求意见稿)加快发展数字化、人工智能和先进制造业,产业优化升级。2018 关于国家智能制造标准体系建设指南(2018 年改版)到 2019 年,累计制修订 300 项以上智能制造标准。资料来源:天津市人民政府网、北京市人民政府网、中国工业信息网、新华社、人民邮电报、发改委、招
92、商证券 制造业在我国行业信息化的进程中,数字化转型较慢,仍以关系型数据库为主。制造业在我国行业信息化的进程中,数字化转型较慢,仍以关系型数据库为主。据2023 数字经济系列报告指出,制造业的数字经济渗透率虽显著低于服务业,但依然呈增长趋势。随着数字化业务场景的不断丰富,非关系型数据积累增加,目前制造业关系型数据库仍占 63%,用户使用两者参半的数据库占比约37%。图图 24:制造业用户的数据制造业用户的数据库库结构图结构图 资料来源:艾瑞咨询、招商证券 据亿欧智库统计,工业实时数据库市场规模预计据亿欧智库统计,工业实时数据库市场规模预计 2025 年达到年达到 269 亿元,亿元,CAGR 为
93、为 36.6%。离散制造业的数据采集市场规模约为流程工业的 50-100 倍,离散制造业应用实时数据库市场规模将于 2024 年突破 100 亿,约于 2025 年超过流程工业应用规模。虽然流程工业与离散制造对实时数据库的需求驱动不同,但需求目的具有共同性。图图 25:我国我国实时数据库市场规模(亿元)实时数据库市场规模(亿元)资料来源:亿欧智库、招商证券 表表 26:流程工业与离散制造对实时数据库的需求共通:流程工业与离散制造对实时数据库的需求共通 流程工业流程工业 离散制造离散制造 代表行业:发电、石化、钢铁、水利代表行业:发电、石化、钢铁、水利 代表行业:飞机、汽车、家电、电子代表行业:
94、飞机、汽车、家电、电子 维护设施可靠性:储存大量历史数据可 设备管理:实时数据库能实现更智能的设63%37%关系型数据库两者参半385065830700020202021e2022e2023e2024e2025e流程离散CAGR 36.6%敬请阅读末页的重要说明 25 行业深度报告 预测模型状态,对长时间工作的设备进行隐患排查。备管理,降低不良率,分析安全生产时间,降低损失,提升效率。提升流程工业生产线效率:制造业需要实时数据权衡生产线的运转功率、能源消耗、产出效率。降低人工开支:目前制造业手工/半自动上报数据的现象仍然普遍,数
95、字化采集与实时数据库可以降低点检人工数量,降低人员开支。数据总量需求增加:设备智能改造、传感器数量增加、新能源新场景的出现导致制造业需收集的数据量增加。应对爆发性增长的数据规模:目前制造业企业对过程数据的重视程度不高,当前数据储存技术无法应对未来离散制造业数据规模的爆发式增长。资料来源:亿欧智库、招商证券 我国制造业数据库创新初露头角,国产替换逐步开启。我国制造业数据库创新初露头角,国产替换逐步开启。据大数据技术标准推进委员会统计,目前我国制造业在研发设计、生产制造、经营管理三种主要业务系统中,Oracle 数据库占主导位置。但随着制造业应用对数据储存需求、数据写入性能、查询实效性、大规模实时
96、分析计算、数据互通等需求的提升,Orcale 数据库的劣势逐渐显现,随着国产数据库的发展,国产替换的高度完成指日可待。我国工业数据环境面临着数据量不断激增数据类型复杂、数据治理难等问题,在系统兼容、数据共享、信息安全以及互联互通等方面的模式创新尚未实现。当前,工业领域数据量激增,数据库需求大,已有 30 多款时序数据库产品在新能源发电、储能智慧运维等场景中落地应用。表表 27:制造行业典型系统及数据库类型分布情况:制造行业典型系统及数据库类型分布情况 业务系统类型业务系统类型 业务系统业务系统 主流国外厂商主流国外厂商 国内厂商国内厂商 数据库类型数据库类型 研发设计 EDA、PDM、PLM
97、等 Cadence、Synopsys、Siemens 概伦电子、华大九天、思尔芯等 Oracle 生产制造 MES、YMS、EAP、RTD PMS、QMS 等 西门子、霍尼韦尔、GEIBM 等 华为、上扬软件、赛美特、哥瑞利等、Oracle、DB2、SQLServer 经营管理 ERP、SCM、SRM、CRM WMS 等 SAP、Oracle、Salesforce 用友、金蝶、鼎捷、浪潮等 Oracle、HANA 资料来源:CCSA TC601 大数据技术标准推进委员会、招商证券 分厂商来看,根据墨天轮调查统计,制造业公司使用 openGauss 最多,其次为TiDB、蚂蚁 OceanBase
98、 及某头部国产数据库厂商等。其中,OceanBase 数据库为理想汽车提供“故障自动恢复”和“数据零丢失”服务,实现数据库故障减少80%、Li-MOS 产线生产连续性提升、以及车云业务实现跨云异地多活。TiDB助力 Vivo 实现海量数据实时 OLAP、云服务业务中的元数据管理等新优势。图图 26:制造业公司数据库产品占比:制造业公司数据库产品占比 0.00%10.00%20.00%30.00%40.00%50.00%60.00%人大金仓南大通用阿里云PolarDB华为云GaussDB蚂蚁集团OceanBase华为OpenGauss PingCAP TiDB 敬请阅读末页的重要说明 26 行业
99、深度报告 资料来源:墨天轮、招商证券(注:合计超过 100%为有同一客户选用多个数据库的情况)6、能源:能源:国产化替代持续发力国产化替代持续发力 我国能源信创发展仍处于萌芽阶段,我国能源信创发展仍处于萌芽阶段,但由于细分行业数据基数较大,能源业已但由于细分行业数据基数较大,能源业已成为成为我国我国数据库主要市场之一数据库主要市场之一。据赛迪顾问调研,2021 年能源业数据库销售额为 16.1 亿元,占该年我国数据库行业市场 16.1%。此前,能源行业数据库多以Oracle、MySQL、SQL Server 数据库为基础开发,现阶段已有多家能源公司开始进行数据库国产替换,包括石油石化、电力、煤
100、炭、水利等领域。图图 27:2021 年能源行业数据库销售额(亿元)年能源行业数据库销售额(亿元)资料来源:赛迪顾问、招商证券 国家发布多项政策推动国家发布多项政策推动能源数字化能源数字化发展。发展。国家能源局为落实“四个革命、一个合作”能源安全新战略和建设新型能源体系,连续两年先后发布国家发展改革委 国家能源局关于完善能源 绿色低碳转型体制机制和政策措施的意见与国家能源局关于加快推进能源数字化智能化发展的若干意见,在官方文件中明确指出要推动能源行业数据库开发,完善、更新能源数据库。各大省市人民政府办公室与人民政府办公厅也于今年发布推进智慧能源建设、推动能源管理数字化的多项政策文件。表表 28
101、:近年来:近年来能源能源业业数字化与智能化数字化与智能化政策政策 发布时间发布时间 政策名称政策名称 主要内容主要内容 2023 国家能源局关于加快推进能源数字化智能化发展的若干意见 加快推进能源数字化智能化发展,落实“四个革命、一个合作”能源安全新战略和建设新型能源体系。以数字化智能化技术助力油气绿色低碳开发利用。加快油气勘探开发专业软件研发,推进数字盆地建设,推动油气勘探开发数据库、模型库和样本库建设。2022 国家发展改革委 国家能源局关于完善能源绿色低碳转型体制机制和政策措施的意见 建立清洁低碳能源资源普查和信息共享机制。全面开展全国清洁低碳能源资源详细勘查和综合评价,精准识别可开发清
102、洁低碳能源资源并进行数据整合,完善并动态更新全国清洁低碳能源资源数据库。鼓励提升智慧能源协同服务水平,强化共性技术的平台化服务及商业模式创新,充分依托已有设施,在确保能源数据信息安全的前提下,加强数据资源开放共享。2021 2021 年能源工作指导意见 提升能源产业链现代化水平。推进能源产业数字化智能化升级,积极开展煤矿、油气田、管网、电网、电厂等领域智能化建设。推动分布式能源、微电网、多能互补等智慧能源与智慧城市、园区协同发展。探索北斗系统、5G、区块链等新技术新装备在能源领域的推广应用。开展氢能产业试点示范,探索多种技术发展路线和应用路径。2020 关于加快能源领域新型标准体系建设的指导意
103、见 在智慧能源、能源互联网、风电、太阳能、地热能、生物质能、储能、氢能等新兴领域,率先推进新型标准体系建设,发挥示范带动作用。稳妥推进电力、煤炭、油气及电工装备等传统领域标准体系优化,做好现行标准体系及标准化管理机制与新型体系机制的衔接和过渡。资料来源:国家能源局、招商证券 45.241.133.119.916.113.611.49.69.68.15.410.501020304050金融政府互联网运营商能源制造教育与科研交通物流与邮政医疗卫生批发零售其他 敬请阅读末页的重要说明 27 行业深度报告 能源能源行行业业数据库国产数据库国产替代替代已深入核心系统已深入核心系统。国家电网、中国华能集团
104、、中国华电集团、中石油、中海油、中广核等大型能源企业均已采用国产数据库厂商产品,且国产数据库应用已深入国家电网的智能电网调度技术支持系统与核心电力调度系统等能源核心系统。除数据库厂商协助数据库改造以外,部分能源企业开启自研之路,国家能源集团自主搭建生产数据库,成为煤炭行业首个全时全融合数据库。三、三、风险提示风险提示 技术发展不及预期:技术发展不及预期:国内数据库行业推进传统数据领域技术积累,以及分布式架构、图数据库、向量数据库、搜索数据库等数据库领域技术创新,若技术发展不及预期,可能导致国内数据库行业发展放缓;政策落地不及预期:政策落地不及预期:国内数据库行业需求一定程度依靠信创及数字中国/
105、数据要素等政策驱动,若政策落地不及预期,可能导致国内数据库行业发展放缓;行业竞争加剧风险:行业竞争加剧风险:若国内数据库行业竞争加剧,可能导致个股盈利能力下降。图图 28:计算机计算机行业历史行业历史 PEBand 图图 29:计算机计算机行业历史行业历史 PBBand 资料来源:公司数据、招商证券 资料来源:公司数据、招商证券 60 x85x115x145x205x0500025003000Dec/21Jun/22Dec/22Jun/232.0 x3.0 x4.0 x5.0 x6.0 x02004006008000Dec/21Jun/22Dec/2
106、2Jun/23 敬请阅读末页的重要说明 28 行业深度报告 分析师承诺分析师承诺 负责本研究报告的每一位证券分析师,在此申明,本报告清晰、准确地反映了分析师本人的研究观点。本人薪酬的任何部分过去不曾与、现在不与,未来也将不会与本报告中的具体推荐或观点直接或间接相关。评级说明评级说明 报告中所涉及的投资评级采用相对评级体系,基于报告发布日后 6-12 个月内公司股价(或行业指数)相对同期当地市场基准指数的市场表现预期。其中,A 股市场以沪深 300 指数为基准;香港市场以恒生指数为基准;美国市场以标普 500 指数为基准。具体标准如下:股票评级股票评级 强烈推荐:预期公司股价涨幅超越基准指数 2
107、0%以上 增持:预期公司股价涨幅超越基准指数 5-20%之间 中性:预期公司股价变动幅度相对基准指数介于 5%之间 减持:预期公司股价表现弱于基准指数 5%以上 行业评级行业评级 推荐:行业基本面向好,预期行业指数超越基准指数 中性:行业基本面稳定,预期行业指数跟随基准指数 回避:行业基本面转弱,预期行业指数弱于基准指数 重要声明重要声明 本报告由招商证券股份有限公司(以下简称“本公司”)编制。本公司具有中国证监会许可的证券投资咨询业务资格。本报告基于合法取得的信息,但本公司对这些信息的准确性和完整性不作任何保证。本报告所包含的分析基于各种假设,不同假设可能导致分析结果出现重大不同。报告中的内容和意见仅供参考,并不构成对所述证券买卖的出价,在任何情况下,本报告中的信息或所表述的意见并不构成对任何人的投资建议。除法律或规则规定必须承担的责任外,本公司及其雇员不对使用本报告及其内容所引发的任何直接或间接损失负任何责任。本公司或关联机构可能会持有报告中所提到的公司所发行的证券头寸并进行交易,还可能为这些公司提供或争取提供投资银行业务服务。客户应当考虑到本公司可能存在可能影响本报告客观性的利益冲突。本报告版权归本公司所有。本公司保留所有权利。未经本公司事先书面许可,任何机构和个人均不得以任何形式翻版、复制、引用或转载,否则,本公司将保留随时追究其法律责任的权利。