立下“去O”Flag的AWS，悄悄修炼了哪些内功？

AWS re:Invent 2018大会上，AWS首席执行执行官Andy Jassy 表示到 2019 年底，亚马逊将全面放弃使用 Oracle 数据库，97％的“关键任务数据库”将运行在亚马逊自己的数据库服务上。

如今，2019年已经过去了四分之一，亚马逊的“去O”进程如何了？近日，笔者有幸采访到了AWS数据库服务总经理和AWS Amazon Redshift总经理，并向他们进行了求证：亚马逊整个“去O”进展顺利，可以如期完成。

据悉，亚马逊所有的这些数据库都将迁移到Aurora、Redshift和DynamoDB这三种类型的数据库上，其中OLTP（交易型）迁移到Aurora，数据仓库型迁移到Redshift。

亚马逊去Oracle的想法可以追溯到5年前，当时亚马逊的部分核心购物业务还依赖Oracle技术，其自身的数据库技术暂时还无法规模化地满足亚马逊的性能需求。那么，时至今日，为了“去O”，AWS悄悄修炼了哪些内功呢？

AWS的数据库服务

2015年AWS数据服务的相关功能只有100个，2018年攀升到325个。

据悉，从2015年开始算起，AWS已经总计发布了785个新的数据相关服务，包括数据移动、数据分析等数据服务，关系型、键值型、文件型、内存型、图谱型、时间序列、总帐类型等数据库服务，以及类似于商业洞察、智能洞察等一系列服务。

以Amazon Aurora为例，Aurora是AWS公司历史上增长速度最快的一款服务，是兼容MySQL和PostgreSQL的关系型数据库，其速度和可用性可与Oracle等商业数据库产品相媲美，而成本只有商业数据库的1/10。

而Redshift是AWS 2012年推出的、业界第一款云端数据仓库的云服务，2018年一年，AWS围绕Redshift推出了220个新功能，其中90%都是基于客户需求开发的。

为什么会推出这么多数据服务呢？AWS表示是：“为了满足客户需求”。那么客户使用数据服务到底想要达到什么目的？

第一，希望能够从数据中获得洞见；
第二，希望能够快速打造云端的全新应用；
第三，希望能够把既有的应用直接搬运到云端。

AWS的迁移服务

对于客户来说，数据库迁移服务也是很重要的功能。目前AWS的数据库迁移服务主要有两类：一是将本地数据库迁移到云端，二是实现将一种类型的数据库迁移到另一种数据库。无论是哪种迁移，整个过程中都可以达到零宕机时间。

$\"image\"$

据AWS方面介绍：“目前通过数据库迁移服务DMS已经完成了超十万个数据库的迁移”。

AWS的通常做法是将关系型数据库迁移到Auraro和RDS，而非关系型的数据库迁移到DynamoDB，数据仓库迁移到Redshift，Hadoop和Spark集群可以迁移到Amazon EMR，运营、分析的可以迁移到Amazon Elasticsearch Service，BI型的应用可以迁移到Amazon QuickSight。

为什么我们要从本地数据库迁移到云数据库呢？一言以蔽之，传统数据库无法满足我们的需求了。

举个例子，之前企业如果要进行数据分析，通常做法是从传统的数据仓库厂商中购买大型的数据仓库，这类产品能够处理的数量级通常是GB级和TB级，PB级数据无法处理，而TB级单位的分析成本要达到一万到五万美元。即使是付出了这样的成本投入，也不能支持所有数据的分析，可能只有10%的数据才能得到分析。而AWS的做法是先将数据导入到数据湖中，然后在数据湖之上提供各式各样的数据库服务来进行数据分析。

除此之外，在传统的企业IT架构中无法弄明白企业内部的有用数据占比，而在云端可以很轻松的启动多项数据分析作业。另外，传统企业中要做数据分析，需要专门的数据库技术人才去做数据处理，而在云上，非数据库技术专业人员也可以使用数据库服务。