11月8日美国计算机协会(ACM)公布2018年度嘚杰出科学家名单，全球数据库领域领军人物、达摩院数据库首席科学家、阿里巴巴数据库事业部负责人如何评价李飞飞飞教授入选

ACM是國际上历史最悠久、规模最大、最权威的计算机专业学会，著名的图灵奖即由该组织评定颁布ACM杰出科学家必须是对计算机领域做出重大荿就和影响的研究人员。

美国计算机协会杰出科学家

达摩院数据库首席科学家如何评价李飞飞飞

此次获得ACM殊荣的达摩院科学家如何评价李飛飞飞与斯坦福大学的著名人工智能学者如何评价李飞飞飞同名，但这位“男版”如何评价李飞飞飞在计算机领域取得成就却毫不逊色

此前，作为美国犹他大学计算机系的终身正教授、世界级的数据库系统专家他曾屡次获得电气和电子工程师协会( IEEE)与ACM数据库领域的最具影响力论文奖。

2018年如何评价李飞飞飞教授放弃多家跨国公司和知名高校的工作邀请，正式加入阿里巴巴达摩院带领团队投入到具有自主知识产权的研究当中，包括新一代分布式数据库、非结构化数据管理、数据安全、智能化数据库等关键技术并致力于将中国数据库技術水平提升至国际前沿，打破寡头企业对数据库核心技术的垄断

此次ACM向其颁发杰出科学家，也是对达摩院研究水平和成果的认可

目前，如何评价李飞飞飞教授带领的阿里巴巴数据库事业部所研发的新一代分布式数据库系统支撑了阿里巴巴集团的复杂业务、海量数据和雙11交易洪峰的挑战，已经被应用于多个城市的智能城市交通网络管理实现城市内数千万智能终端数据的瞬间调取与分析。此外中国气潒的国家气象大数据分析平台也应用其技术，实现了毫秒级的气象数据查询与分析该数据库存储了1957年建站以来，6万多气象站的分钟级数據

数据对于数字经济社会的价值不言而喻，近年来阿里巴巴达摩院孵化出了世界级的数据库技术。阿里巴巴CTO、达摩院院长张建锋曾表礻阿里巴巴数字经济体已经沉淀了海量的应用数据。为更好地挖掘、利用海量数据的价值阿里已经构建了世界级的基础设施，并展开叻一系列自主创新

【写在前面】知道数据库界的如哬评价李飞飞飞已有数年几年来参与的 BDTC 曾数次听闻他的观点以及过往经历，2020 年 9 月有一契机，可以与他一对一对话为对话体版本，权莋个人博客收录希冀几年后，再回头看时仍能津津乐道。

去年今月我在杭州云栖小镇见到了行癫，他有一句「技术牵引需求驱动」让我留下了非常深刻的印象，并且还以既是阿里云数据库的总负责人又是达摩院数据库首席科学家的如何评价李飞飞飞（花名飞刀）为唎说起阿里产品研发和科学研究是「一脉相承」的。

今年此时在由阿里云联合英特尔共同主办的第二届数据库大赛 —— Tair 性能挑战如火洳荼地报名之时，我在杭州阿里云 EFC 总部的昆仑顶见到了如何评价李飞飞飞（花名飞刀），他同时说下了这样一句话 —— 将「登高望远、仰望星空」的能力和「日拱一卒、落子无悔」的工程师文化结合起来

在数据库这一技术领域已成魁首的如何评价李飞飞飞，由学术界进叺产业界已有两年多这也是阿里云数据库全面开花的两年，譬如 OLTP 的 PolarDB、OLAP 的 AnalyticDB、NoSQL 的 Tair 等

在王坚院士的《在线》一书中，他深入地谈到对「进化」的思考互联网是世界向「在线」进化，云计算是计算机向「计算」进化而在数据库这一领域，也正在发生由传统数据库向云原生数據库进化

这一点在阿里数据库体系上体现得尤为明显。从最早依赖商业软件拥有 20 多个节点的 Oracle RAC 数据库集群，成为开发使用开源 MySQL 最好的企業之一再到云托管数据库以及今天的云原生分布式数据库，阿里数据库完成了从商用、开源到自研的发展路径并以极其迅猛之势形成屾河。

在这一次万字有余的对话中如何评价李飞飞飞非常全面且深入地分享了阿里云数据库的成就以及他对于云原生、数据库趋势演进嘚思考。并表示云的本质是利用虚拟化的技术将资源池化，云原生一定会一层一层地向上发展资源池化一定会一层一层地实现。同时在内存这一层早晚会发生内存池化这件事，只不过是技术哪天成熟的问题

CSDN：飞刀老师好，加入阿里巴巴两年以来取得了哪些非常重偠的成就？

如何评价李飞飞飞： 非常感谢 CSDN 的采访有机会和大家进行交流和分享。我加入阿里巴巴已经两年多很快就步入第三个年头，取得了一些小小的成绩当然这是和我们的团队，尤其是数据库团队以及阿里云一起取得的成绩每个成绩背后都是非常坚韧不拔的付出換来的。

我简单从三个层面来分享所取得的成绩：

第一是业务层面，我们在业务上取得了非常好的结果从几个维度来看，首先是 IDC 最新嶊出的中国数据库市场报告阿里云的中国关系型数据库市场份额在公共云突破了 50%，毫无争议的市场第一在公有云+线下传统 On-Premise 线下部署的整个复合市场，市场份额也达到了近 25% 的比例首次超过 Oracle，成为中国数据库市场份额第一这是在国内。

我们再看世界范围内在 Gartner 每年推出嘚云数据库市场分析报告里，在云数据库这个赛道上阿里云数据库市场份额已经实现了全球第三、亚太第一，仅仅落后于亚马逊和微软我们超过了一些传统的大家耳熟能详的巨头，比如 Google 和 Oracle

这是对外的业务，我们取得了非常好的成绩对内，阿里云数据库支持了阿里巴巴经济体几乎所有的业务每年双十一，我们平滑地支持了集团内部非常复杂的业务在双十一也持续不断地冲击更高的性能挑战。

除了這些市场份额之外我还要强调一下，在支持重大企业和商业项目上我们数据库是个中流砥柱的底层产品，包括很多的国家基础设施、國计民生核心系统背后都有阿里云数据库的身影。

第二从产品维度来讲，阿里云数据库也取得了非常好的成绩尤其在企业级云原生數据库这个赛道上，我们聚焦收敛将产品进行体系化梳理，推出了核心的关系型事务数据库 PolarDB 以及它的分布式版 PolarDB-X同时在传统的 OLAP 领域，我們推出了新一代云原生数据仓库 AnalyticDB（简称 ADB）它也具备存储计算分离、存储池化、弹性、高可用、离在线一体化的大数据处理能力，用数据庫的方式支持我们的客户去处理传统大数据的问题取得了非常好的结果，产品化、标准化做得也非常好

在 NoSQL 领域，我们推出了两个核心產品一个是云原生多模数据库 Lindorm（灵动），它主打的用 6 个字来总结就是帮客户提供「存得起、看得见」的非结构化、半结构化的数据存儲与处理解决方案。由此客户就可以将海量的非结构化和半结构化数据存储在 Lindorm 中并以简易、高效的方式处理和查询数据，比如时序、日誌、文档等

还有最关键的是和此次数据库赛题非常相关的，就是我们的缓存或者叫「内存数据库」Tair100% 兼容开源社区版的 Redis。技术界的朋友嘟知道Tair 在阿里巴巴集团内部双十一多年使用，一般的使用场景是数据库前有个缓存这样保证缓存和数据库的一致性，由此极大提升访問效率RT（响应时间）可以大大降低。

从产品角度讲它具备很多开源社区所不具备的性能和特性，比如热点打散、智能化冷热分离以忣我们最新研发的功能和特性，结合像英特尔 AEP（Apache Pass）非易失内存技术与神龙虚拟化技术提供一个基于云原生缓存池的内存数据库，并且具備持久化能力这样可以极大简化企业在使用缓存这一层所带来的很多传统挑战，比如将缓存数据库和一个传统数据库结合使用如何确保数据一致性的问题，利用非易失内存池的技术就可以解决

在产品化上面还做了很多其他工作，例如我们基于云原生打造的云原生智能囮管控平台我们把它叫作「DAS（Database Autonomy Service，数据库自治服务）」就像今天有特斯拉等自动驾驶汽车，我们在推出自己的自动驾驶数据库平台这樣就可以做到自感知、自决策、自恢复，帮我们的客户尽可能地简易数据库运维管控等一系列流程提升效率、降低成本。这是在产品化仩做的一些工作

怎么衡量我们产品的成熟度？非常高兴地和大家分享我们在 Gartner 对全球云厂商在基础软件设施的最新评估报告里，我们的數据库位列全球第二超过了 Google 和微软，而且在数据库必备的能力象限里取得了满分的优异成绩Gartner 的评分涵盖了从 OLTP、OLAP 再到 NoSQL，以及生态工具（仳如备份、传输等）一整套全领域覆盖的评分对产品能力有非常高要求。例如工具领域如何利用 DBS（数据备份服务）做多云备份容灾，利用 DTS（数据传输服务）做数据的实时同步等等

第三，花点时间讲我们的技术也取得了突飞猛进的成就。当然我个人认为世界上没有朂先进的技术，只有最好、最适用的技术是跟场景要结合的。但同时我们也非常在意和提升技术的领先性举例来看，我们在国际官方數据库和大数据领域 Benchmark 测试里比如在复杂分析领域 TPC Benchmark DS（TPC-DS），AnalyticDB 获得了全球性能、性价比第一在混合负载 TPC

总的来说，从商业、产品到技术过詓几年取得了非常好的成绩。

当然阿里有句话，我今天也想分享给大家——「今天最好的表现是明天最低的要求」我们希望避免「出噵即巅峰」的现象，所以也希望大家能够帮助我们一起走向更好的明天取得更好的成绩。

CSDN：在这之中有哪些让您印象比较深刻的挑战呢？

如何评价李飞飞飞： 有非常多包括集团内业务非常复杂的挑战，比如阿里巴巴集团决定全面整体上云在癫总（张建锋，花名行癫阿里云智能总裁、达摩院院长）的带领下，我们实施和推动了「经济体全面上云」也就是说我们要证明给客户，阿里巴巴的云是一个鈳以信赖的云、非常稳定的云、非常高效的云那阿里经济体自己复杂的业务要首先跑在阿里云上，所以启动了「经济体全面上云」的项目

在这个过程中，大家可以想象从天猫到淘宝电商、高德、优酷、饿了么等各行各业这么复杂的业务，你的数据库基础设施要从传统嘚「云化的数据库」向 100% 的「云原生数据库」技术演进是有非常大挑战的。云化表示底层基础设施 IaaS 这一层云化了但数据库只是部署在云囮的 IaaS 这层上，但没有真正利用到云原生技术红利

真正的云原生数据库的技术，一如我刚才提到的首先，云的本质是什么是利用虚拟囮的技术将资源池化。传统的系统就像家家户户打一个水井资源是紧耦合的，今天云虚拟化后相当于不用打水井或者看着是打了一个沝井，但底下江河湖海是连在一起的资源进行了池化，继而利用智能化的技术实现高效、高可用资源调度按需使用，按量付费TCO（总體拥有成本）会大大降低。

在这个过程中我们经济体上云也希望实现这样一个部署。那数据库如何从云上或者云化的数据库全部向云原苼的数据库系统演进包括事务处理、分析到非结构化数据处理和存储，其实有非常大的挑战这是我们集团内部的一个案例。

在外部也囿很多挑战如何将我们的云原生技术向下一代演进？举个例子如何将云原生和分布式的技术结合起来，云原生是将资源池化存储计算分离，实现弹性、高可用等但如果并发特别高，或者数据量特别大时希望能够做分布式的水平拓展，甚至需要做跨 AZ、跨 Region 的分布式部署怎么确保在这种情况下还能做到数据一致性、读写一致性、金融级的高可用？这里有非常多挑战比如 PolarDB 版本里，我们在全球率先推出叻 Global Database 版本可以跨可用区、跨 Region 部署，只读实例和写的实例保证数据的金融级、高可用、一致性这些技术挑战都是我们跨越的鸿沟。

再从业務上来讲数据库市场发展到今天，我认为从传统的泛互联网行业上云开始至今我们已经进入了下半场深水区，即从泛互联网行业向政府、制造业、传统的金融行业进行渗透这些行业上云过程中，面临着各种各样的挑战比如没有做好 100% 上公有云的准备，要上专有云、混匼云的部署这种情况下，我们如何做多云、混合云部署的技术和解决这种业务挑战

还有，传统企业大量使用传统的商业型数据库或传統商业数仓不仅仅是传统数据库和传统数仓的迁移，如何做上面大量传统的 Legacy 应用的迁移改造是非常大的挑战数据库或数仓可以迁移过來，但是基于传统数据库和传统数仓所开发的应用代码迁移改造工作量是非常大的，因为要做各种各样的适配

我们在这个过程中如何盡可能去做标准化、产品化、规模化的迁移，帮助客户实现应用层代码可以几乎不改平滑迁移到我们的云原生数据库和数据仓库 PolarDB、ADB，以忣云原生多模数据库 Lindorm、云原生内存数据库 Tair

这个过程中我们所采用的方式是保持开放、兼容的生态，我们不做锁死的生态、不做封闭的生態保证标准是开放兼容的。和竞争对手保证一样的标准这样客户永远不用担心被锁死，今天使用了阿里云数据库的产品明天可以平滑地迁移到别的云上，完全没问题

我们是用一个开放的心态、开放的生态来做这件事，在这个过程中确保客户可以从传统的封闭生态商業数据库、商业数仓迁移到开放的生态里来

不仅是在国内，我们在海外比如马来西亚，帮助其第三大电商 PrestoMall 在不到两个月的时间里将 Oracle 這种传统典型的商业数据库平滑替换掉，实现 100% 从传统架构升级到云原生架构

这是我们这几年越过的一些挑战。我个人认为数据库这个領域接下来发展还会有非常多的挑战，还有很多激动人心的挑战等着我们去解决

为什么数据库得生态者得天下？

CSDN：您刚才也谈到了生态阿里在数据库上有非常丰富的产品体系，您有一句话让我印象很深——「得生态者得天下」我记得之前和周傲英教授（华东师范大学副校长）聊时他也说到了「生态」，大家很关注中国的数据库为什么做不起来核心即在于生态上，您在生态上的构思以及体现在阿里云數据库上的布局是什么样的

如何评价李飞飞飞： 这个问题非常好，我非常高兴有机会和大家交流和探讨这个问题我从两个维度解释一丅。

第一个是比较传统的维度大家谈到生态，就会想到开源、想到标准开源和标准是建立生态的方法之一，但不是唯一不是说不开源就没有办法形成一个好的生态，这两个不划等号比如，我们看传统的商业数据库 Oracle、SQL Server 也没有开源但 Oracle 的生态做得非常好，全世界（包括Φ国市场在内）有无数合作伙伴和 Oracle 建立紧密的生态合作关系、商业合作关系

这个过程中，我们采取的策略是什么第一，我们的核心产品包括 PolarDB、ADB、灵动、Tair，决策就是不开源但这并不代表我们不支持开源社区。譬如我们是全球第一家先于美国和 MongoDB 达成新开源授权模式的云廠商MongoDB 是一家美国的数据库厂商，但包括 Google、亚马逊、微软云在内的美国云厂商都没有和它达成协议，反而中国的阿里云是和它达成合作嘚第一家企业就表示了我们对开源生态的支持上是非常坚定的。

我们选择的打法是坚持自主可控自研但是我所做的产品一定要 100% 兼容现囿的生态。这也是为什么我们的 PolarDB 有 MySQL、PG 兼容版有高度兼容 Oracle 的版本。

多模数据库 Lindorm 就选择了 100% 兼容 HBase在它的时序处理上会 100% 兼容现有的时序数据库嘚接口。像 Tair我们的内存级数据库、企业级缓存，100% 兼容 Redis

这是我们的一个策略，就是 100% 兼容或者高度兼容现有的主流生态而不是另起炉灶、自我封闭，由此避免客户从一个 O 走向另外一个 O

我们选择了 100% 兼容生态后，就可以和现有生态里的伙伴一起去快速地帮助他们或一起建立噺的生态不是 0 和 1 的选择，而是可以都有然后实现一个市场化、平滑的生态建立，最终将这个选择权交给市场

我们的产品做得好，自嘫会有更多的伙伴和我们一起打造生态我们选择一个标准开放的生态，客户可以游刃有余地在这之中选择自己的位置、找准自己的定位这是我理解的「得生态者得天下」的第一个维度。

第二个维度可能平常大家不怎么去讲，但我觉得非常重要在这里要展开分享我对這件事的理解。很多人印象中的数据库就等于 Oracle等于是传统的事务型、关系型数据库，我个人是非常反对这种观点和论调的

数据库的生態之所以叫「生态」，这里有一个很关键的逻辑和观察就是「多样性」，非常重要整个产品体系的多样性，是不是能形成一套丰富的解决方案帮助客户端到端地解决问题，这个至关重要如果我们只是事务处理，只能解决在线数据从生产、处理到存储的这么一小段问題但在今天这个数据为主的世界里（我们称之为 DT，Data Technology）客户、应用所需要的是数据从生产、处理、存储到消费、分析，全链路、端到端嘚解决方案

如果有一个产品体系能够解决这个问题，客户一定不希望自己的数据从一个产品体系搬到另外几个产品体系解决一个问题需要 4、5 个不同的产品体系组合来解决。最好的体验是一份数据库把问题都解决掉这样对客户的价值一定是最大的。

这也是为什么传统的數据库领域就有 OLTP、OLAP、NoSQL 这些分类发展到今天，业界的趋势非常明显我们看 Gartner 最新的市场报告，其中最受关注的魔力象限（Magic Quadrant简称 MQ）中，过詓和数据库、数据处理相关的有两个 MQ分别是 DMSA（分析型数据管理解决方案）和 OPDBMS（操作型数据库管理系统），前者包含传统的数据仓储、数據湖和离线的数据计算等后者是传统的 TP 事务型数据库。

market」只有一个数据库市场，表达的什么意思就是「分析类的和事务类的历史上峩们分开处理，是因为性能和业务需求的这种关系将它分开，但随着技术的发展现代的基于云架构的数据库系统是应该也可以去解决所有这些问题的。」在一个产品体系里一个生态，所以将它合二为一

第二点，回到我刚才讲的生态非常重要，亚马逊雨林是生态張北防护林不是生态。不会只做 TP 数据库、事务处理我个人认为接下几年的发展会越来越多看到像 HTAP 这种技术，将事务处理和分析合二为一我们会越来越多地看到数据库和大数据的结合。比如 TiDB 黄东旭讲「会 MySQL 就会大数据」我要将这个理念升级一下，我认为不是「会 MySQL 就会大数據」而是「会数据库就会大数据」，数据库和大数据就是一体化的趋势这是我讲的第二点，就是从产品体系上要为客户提供端到端嘚数据处理、存储、分析的解决方案。

• 合作伙伴我们的标准、使用体验是不是开放兼容，和伙伴一起打造一个丰富的生态；

• 产品体系是鈈是足够丰富帮客户用一套数据库的标准，来解决数据处理、存储、计算、分析的痛点

这也是为什么我们会推出 Tair，它不是传统意义上嘚关系型数据库、事务数据库但我们都知道，内存计算、内存分析尤其随着包括 AEP 非易失性内存技术的出现和发展，会对数据分析、数據处理领域带来本质的冲击和改变

云原生数据库的黄金时代

CSDN：您一直在持续推进云原生数据库，相对传统数据库有着什么样的优势为什么现在是云原生数据库的黄金时期，有哪几个关键因素

Systems」，前面译成中文就是「云原生」这是什么含义？我用通俗易懂的方式来解釋一下想要理解云原生，这里有几个关键词一个叫「云」，一个叫「原生」我们回到「什么叫云」这个问题上，就是前面所说的用虛拟化的技术来实现资源池化那什么叫「资源池化」？这又要到计算机是什么也就追溯到六十年代的冯·诺依曼架构，因为它奠定了现代计算机体系架构。

冯·诺依曼里最核心的无非是两个要素，即计算和存储，构成了冯·诺依曼架构的基石，可能还要加上第三个要素，就是计算和存储之间的通信。在单机部署情况下，这个通信就是计算和 Memory Bus、IOBUS。但在集群部署的情况下计算和存储的通信就是网络，这是經典计算机架构

我们传统的数据库系统都是基于这种经典的传统架构来设计的，这里有一个问题就是它的资源是紧耦合的，计算、存儲、通信或者网络都是紧耦合在一起的基于这个体系和架构设计了上层的数据库系统。

系统是什么最标准的操作系统教材定义「系统」是「用任何高效、安全的方法使用有限的硬件资源」。为什么是有限资源因为我们的计算资源、存储资源、通信资源是有限的，所以必须高效、安全地使用有限的资源

传统数据库系统因为系统架构方式，必须是紧耦合的设计方式才能最大效能地发挥出系统的优势。囿点像过去在村庄里各家根据自己的用水量打一个水井使用起来这就相当于传统的数据库系统来使用、计算、存储资源，使用方式是一樣的但它是紧耦合的方式。

但如果水不够了怎么办这就是传统数据库系统里经常提到的业务扩容。在传统的金融行业数据库系统扩嫆需要提前几个月甚至半年去做规划，进而细致部署、缜密实施上线-灰度-再验证，一整套流程就是为了扩容、缩容为什么？我们的业務有变化起伏不是平滑几十年不变的，传统扩容过程非常痛苦同时，当业务高峰过了后缩容也很痛苦并会造成极大的资源浪费，这昰传统架构带来的必然问题

云原生到底是什么？我们把这些概念、背景都解释清楚了就很好理解了。「云」使用虚拟化的技术将资源池化，什么意思水井是资源，我们不用紧耦合的方式来部署和使用资源不用家家户户打水井，而是整个村庄联合起来打一个湖或池塘修管道连到各家各户的厨房里，这就是资源池化

资源池化后可以做到什么？就是按需按量使用资源需要大时开大，需要小时关小不需要时彻底关掉。资源池化以后可以做到按需按量使用弹性调度这些资源。甚至还可以将资源进行解耦将厨房当作一个计算节点，水当作存储节点可以随时切，如果这个厨房不够了可以快速拉起另外两三个厨房做计算，然后通过 Switch 调度这就是我们讲的云原生核惢逻辑，资源池化以后带来了很关键的「资源解耦」比如计算存储分离。

我们今天做的计算存储分离是 CPU 和 Memory 绑在一起然后和 SSD 持久化存储汾开。随着 NVM 非易失技术的成熟下一步甚至会将 CPU 和内存再进行隔离，内存再进行池化形成三层池化，进一步隔离、弹性更好地帮助客戶实现按需按量使用资源、弹性。

并且这过程中不仅仅有弹性的好处还带来了高可用的好处，为什么这么说因为以前单节点部署、紧耦合的部署方式，总要担心如果这个物理资源挂掉了怎么办要做主备，主备不够甚至要做「两地三中心」等部署方式非常耗时耗力，荿本也非常高

资源池化后，客户的业务不用关心数据是存在哪个物理节点上我在资源池里提供了高可用能力、三副本能力，甚至可以讓资源池做到跨区、跨 Region 高可用这些都是 Transparent，对上层的应用都是透明的对高可用也非常好解决，可以很轻便地提供金融级的高可用

所以，总结一下云原生带来的本质性好处就像我刚才讲的水井和池塘的逻辑。另外随着池塘不断变大，越来越多应用迁移上云我们的池塘不再是池塘，而变成了江河大海它带来的好处，就是经济学里经常听到的一个基本、朴素的道理 —— 规模化应用后带来边际成本下降效应这个效应体现在我们的产品上，客户就会因此受益它的 TCO 一定会下降。规模化上来后边际成本一定会下降，这是颠覆不破的经济學原理

同样，如果有 1 万吨水要维护 1 万个独立的井，和 1 万吨水放在一个水库里维护哪个更简单？现代人类文明发展已经很清晰地告诉峩们答案是什么这个规模化带来的边际成本下降也就是云原生带来的技术红利以及经济红利，这个向云原生技术演进的趋势是自然而然發生并非常清晰的不论用公共云还是专有云私有化部署，都一样

内存数据库的机遇与挑战

CSDN：接下来我们看下在阿里云数据库产品体系裏的 Tair，飞刀老师刚才讲了很多关于 OLTP、OLAP 和 NoSQL 方面Tair 已经发布多年，在阿里云数据库产品体系里的定位是什么样的同时，它和其他 NoSQL 数据库相比表现怎么样？阿里内部已经有非常大规模的应用那么它在阿里内外的应用场景是什么样的？

如何评价李飞飞飞： 非常好的问题国内嘚开发者和社区，以及企业级尤其是互联网行业，大家对 Tair 耳熟能详因为这是一个非常有影响力的产品和技术，在缓存这一层是阿里巴巴最早为了支持双十一这个场景基于开源的 Redis，在上面做了大量的修改提升演进而来的这么一个「缓存」、「内存数据库」的产品和技术这是它的历史和背景。

它核心解决了哪些问题就是利用我们对缓存技术的深度理解，基于最早的开源版本的 Redis做了大量的优化改进，仳如热点打散、智能化冷热数据分离、将一个集群内存进行集群化的管理和使用和调度等由此极大提升应用对缓存、内存数据库这层的訪问，提升它的效率和降低成本

我们知道，传统的缓存一般意义来讲是架在一个关系型数据库或者 NoSQL 数据库，类似像 MySQL、PostgreSQL 或者 HBase 前面的主偠是为了解决冷数据访问 IO 延迟比较大的问题，将数据可以 cache 在缓存这一层

但这里也带来了很多其他的挑战，比如缓存是不是具备易失性洳果系统 Crash 缓存数据丢失了怎么办？我们在 Tair 里做了持久化应该是业界第一个提供持久化缓存能力的产品，并且是在 NVM 出世之前就具备了这样嘚能力大大提升了 Tair 相对于社区 Redis 产品竞争力。性能也有极大提升在标准的 Benchmark 上，同样的资源消耗情况下我们的性能基本有 2-3 倍的提升。

每姩的双十一Tair 都是我们最核心的产品和链路，在云上现在把它叫「企业级的 Redis」后续也会将 Tair 这个品牌正式商业化。现在我们在云上是通过企业级 Redis 这个品牌也取得了非常好的商业化成果。

最后我再分享 Tair 下一步演进路线，和本次大赛的赛题是紧密相扣的如果我们今天有了類似像 NVM 技术，非易失的缓存像英特尔 AEP，那我们如何更好地利用这种硬件特性来设计一个全新的、下一代企业级云原生缓存、云原生内存數据库解决哪些问题？比如原子读写一致性问题以及在内存里要做计算建立索引，索引和数据一致性的问题高并发情况下写入索引 Update 嘚问题，以及 NVM 带来的单位 Byte 价格下降但是 RT 和 Throughput 没有相对 DRAM、没有太多损耗的情况下能不能做一个智能化的内存池，有 NVM、有 DRAM根据业务需求可以動态化调整 NVM 和 DRAM 的比例，这样可以满足在并发高、写入大、访问量大的情况下 RT 没有变化但是 NVM 越多的话使用成本越低，智能化地进行调整還有许多是可以探索的，这也是为什么我们基于 Tair 和英特尔一起在神龙虚拟化平台上设计了本次大赛赛题的初衷。

CSDN：那在 Tair 持久化内存上已經取得了哪些成果

如何评价李飞飞飞： 我们在这方面做了大量探索，会在云栖大会上有一个重磅发布这个问题的答案，我邀请大家期待云栖大会 NoSQL 专场我们会有深度解析 Tair 结合 NVM、AEP 做的最新技术和产品的发布，我邀请大家去关注云栖大会 Tair应该有一个企业级 NoSQL 的分论坛，大家鈳以去那个分论坛上一探究竟

CSDN：Tair 对持久内存技术未来的规划是怎样的，有哪些期待以及面临的挑战？

如何评价李飞飞飞： 我们希望基於这种新的存储媒介像 NVM 非易失内存，类似于像英特尔 AEP 的技术和产品去打造和研发下一代云原生缓存、云原生内存数据库。比如我刚才提到的将内存进行池化打造一个混合存储媒介的云原生内存池，这样可以大幅提升内存使用效率降低成本，基于此可以去构建下一代雲原生内存数据库

这里要解决核心的一些技术挑战，比如我刚才提到的读写原子性、数据一致性还有索引在构建高并发读写情况下如哬在内存数据库上、内存的缓存上基于非易失缓存构建索引这种技术，保证索引和数据的一致性还有 Tair 目前具备的热点打散等等这些技术洳何平滑地迁移到基于非易失内存上，DRAM 和 NVM 特点的不同针对 DRAM 的热点和针对 NVM 上的处理方法会不会有不同？这些挑战都需要我们去探索和研究嘚

还有就是我们准备在下一代 Tair 里准备集成达摩院数据库与存储实验室做的一系列工作，去做智能化冷热分离传统的数据库系统、缓存裏，我们用的冷热分离技术都是比较简单的基于统计信息比如 LFU 或者 MRU，非常简单的一些热点的冷热分离的技术但这种基于简单统计的热數据分离技术，它其实不能很好地反映业务动态变化情况、数据冷热温度变化情况就像今天机器学习在其他领域解决的很多问题，用传統统计方法是没有办法达到今天人工智能、机器学习所带来的效果的

我们希望将机器学习、深度神经网络技术带到缓存管理里来，实现智能化、透明的冷热分离这样我们的应用使用 Tair 时可以更加得心应手、更加透明，更加不用关心内核的非常复杂的理念对它来讲得到一個高效、低成本、智能化的缓存数据库或者缓存，提供原子的一致性读写、索引构建、智能的热点打散、智能的冷热分离等等一系列技术这是我们期待的下一代云原生内存数据库的样子。

CSDN：您刚才谈到了它的将来从内存数据库的发展历程来看，您觉得内存数据库未来会呈现一个什么样的趋势同时，因为是在云原生时代的技术背景下它有什么样的新机会？

如何评价李飞飞飞： 我认为想回答好这个问题鈳以看看历史以史为鉴。为什么我们可以看看数据领域另外一个非常典型的例子，就是在传统大数据领域里有 HadoopHadoop 当时出来是 MapReduce，然后 Shuffle泹在 Shuffle 和 MapReduce 过程中会产生大量的 IO，因为它要写磁盘今天主流的大数据系统像 Spark 就没有这个问题，为什么它用 RDD（Resilient Distributed Datasets，弹性分布式数据集）的技术将数据处理用 Transformation，所有的处理都是在内存里完成的这就是一个从非内存、传统的持久化存储，向内存、纯内存处理演进的例子带来了非常多好处，吞吐率、RT、访问效率、系统处理效率都有大的提升

我们用这个例子看今天内存数据库下一代的演进，我个人认为随着 NVM 的誕生和成本相对于传统 DRAM 下降，我们的 Memory Hierarchy（存储层次）有一个大的变化我个人认为会对系统设计带来非常多的变化和挑战，也是机遇

比如茬传统关系型数据库里，做数据库的同行们都知道 WAL（Write-ahead logging预写式日志），当你对数据库的一条记录要进行更新时要先把更新操作的内容通過写日志的方式记录下来，这个操作对应的日志记录持久化后再去做真正的操作

这样的话，如果系统出现问题、操作没有成功数据库系统不至于留下一个脏的数据，可以利用持久化日志记录来 replace 或者回滚这个操作这是传统数据库里非常经典的技术 —— WAL。这个技术设计的初衷就是因为内存是易失的在数据上直接进行更改的一个后果，因为数据是缓存在内存里的内存如果发生问题，任何操作都是永远不能再追回来的所以必须要有 WAL，把操作用日志持久化的方式记录下来这是传统这个问题的本质，这个本质就在于内存是易失性的

今天洳果内存有非易失性了，是不是还一定要用 WAL 的技术呢这就是一个很好的问题，我觉得未必这个简单的例子就可以非常鲜明地说明，系統设计会带来非常大的改变和冲击的有可能不需要再做 WAL 这个操作了，或者 WAL 不需要写到传统的持久化存储上日志如果在 NVM 里都不需要做所謂的 WAL，日志本身就是持久化的可能不需要再去考虑 WAL 和事务处理间的复杂逻辑关系。甚至 Record 在数据库记录上直接做操作如果这个 Record 是在 NVM 里非噫失内存里，甚至可以不做或者简化日志

另外，在计算领域就像今天 Spark 取代 Hadoop 一样，我们在 OLAP 领域传统的数仓今天有 NVM 后，我们的分析、计算、离在线一体化如果完全可以在基于非易失内存来完成的话，它的 RT 和吞吐一定会大大提高的我们在这个前提下如何做好资源隔离、Memory Hierarchy の间数据 Transfor 的调度，对云原生数仓、云原生 OLAP 领域也带来很大挑战

最后，对 NoSQL 领域来说我们的 Tair 可以基于这些技术去打造下一代企业级缓存、企业级内存数据库，实现成本降低、性能提升并且在这个基础上打造新一代云原生内存的计算和分析，将数据处理和计算分析一体化為我们的客户带来更好的体验，更轻便、更简易的使用方式

这是我能看到的一些未来的发展趋势，以及我认为在内存这一层早晚会发生內存池化这件事只不过是这个技术哪一天成熟的问题。云原生一定会一层一层地向上发展资源池化一定会一层一层地实现。这是我的叧外一个推断对未来技术的预测，我们可以拭目以待看我说的准不准。

CSDN：关于此次大赛是聚焦在 Tair 性能挑战上您对此希望的目标是什麼？同时有很多开发者参与其中，开发者能够收获什么

如何评价李飞飞飞： 期待我们通过这次大赛，在阿里云神龙裸金属服务器上提供持久内存存储介质能够让大家接触到最新技术、最新软硬件一体化设计的理念、云原生的理念，以及内存数据库发展的最新趋势同時，也希望给大家提供一个舞台展现自己的才华，学习中获得成长、获得机遇也希望大家通过这个平台能够交流认识新的朋友，也能夠反馈给我们阿里云 Tair 的产品让我们利用这种大赛看到大家的好点子，帮助我们的产品做得更好

这是我非常朴素、非常简单的一些期待。

阿里数据库掌门人的人才观

CSDN：您本身是数据库界大神从学术界进入产业界，在阿里担任两块一块是达摩院数据库首席科学家，同时吔是数据库事业部的当家人这两个角色的区别是什么？以及各自的挑战和压力有哪些

如何评价李飞飞飞： 这还是有很大不同的，达摩院实验室更有一点点像传统的学术界高校的科研但也不完全一样。我们鼓励天马行空、星辰大海的科研但同时强调要脚踏实地。怎么實现这点比如在数据库与存储实验室里，我的要求是每个人做的 50% 是星辰大海可能短期内也不一定看到应用业务产生商业价值的渠道。泹没关系鼓励你去做。因为开放、创新、科研很多时候就像我们人吃饭你吃了 10 个馒头吃饱了，但如果没有前面 9 个馒头只吃第 10 个馒头，永远吃不饱

科研创新就是这个过程，可能 100 个项目、100 个创新技术里面有 50 个最后产生商业价值、社会价值就已经很不错了，但不能说只莋 50 个另外 50 个不做了。你不做那 50 个这 50 个也不会有，是这样一个逻辑所以我们在实验室里鼓励大家做一些开放式的前沿探索，但同时一萣要能够收回来同时手上要有一些项目和技术是真正和数据库事业部紧密结合能够马上落地的。

对数据库事业部就很简单了我们数据庫事业部给大家讲的一个核心逻辑是从技术到产品、再到商品，然后从商品倒推产品怎么做、技术怎么做

既然是商品，就要非常清楚考慮毛利、净利、商业化模式是什么商业利润从哪里来，把这些问题都要想清楚然后倒推到产品、技术上。

千万不能上来就说自己有一個很牛的技术技术做出来再去想怎么包装成一个产品，然后再去想怎么商业化这个思路肯定是不行的，一定是个倒推的逻辑所以我們每一个人都要去思考「Why、What、When、How」，为什么要做、做什么、什么时候做、怎么做把这些问题都想清楚了。

拿一句话来讲就是将「登高朢远、仰望星空」的能力和「日拱一卒、落子无悔」的工程师文化结合起来。

把这两者结合起来既要有创新思路、眼界，同时“日拱┅卒、落子无悔”工程师文化要深入到团队里每一个人，产品、商品、技术结合起来这样才有可能取得产业化、商业化的成功。

计算机昰一个比较偏应用的技术领域所以我们要从产业化角度去思考，尤其数据库是一个产业化系统不是像量子物理等还没有看到大规模商業化、产业化前景的探索，数据库已经是一个非常成熟的领域我们还是要从产业中来、回到产业中去，结合我们的科研一起去做这是峩的基本思考。

CSDN：这也是您的人才观

如何评价李飞飞飞： 是的，我觉得今天很难把科研和工程彻底分开两者一定是相辅相成的。我们囷国内外知名高校有非常好的合作关系这也是为什么阿里云非常重视和产学研结合的渠道和做法。我们也非常鼓励通过我们的 AIR 项目（Alibaba Innovative Research阿里巴巴创新研究计划）和工程师团队、达摩院一起做探索式的科研，其中并不是每一个都要产生产业化价值但我们希望最终这些会带來产业化价值。

CSDN：相应的您对开发者有什么建议？

如何评价李飞飞飞： 把我跟团队讲的一句话送给开发者叫「Work hard and work smarter」，什么意思呢翻译荿中文就是你要聪明地全力以赴。仅仅全力以赴是不行的就像我们计算机里最经典的一个算法排序，我们用 Bubble Sort（冒泡排序）用 1000 个核、1 万個核已经非常努力了吧？但如果设计出一个 QuickSort（快速排序）轻而易举 1 个核就可以击败 1 万个核，所以 work smarter 非常重要我们的开发者不能光关注懂什么语言、知道怎么写，还是要深刻理解里面的“Why”

我们经常把算法和程序设计分开，我个人认为是不能分开的在新的时代里，开发鍺不仅要具备非常好的开发能力、系统设计能力我认为也要具备非常优异的算法能力，这两者是没办法做一个非常泾渭分明的切割