工作十余年以来，在多个行业，不同背景的公司中从事数据开发、架构、运维等相关的岗位，深度使用或者测试过各种类型的数据平台（包括传统关系型数据库、大数据平台、图数据库、嵌入式数据库、时序数据库等）。以下是按照使用时间整理的各数据平台使用经验。

1、SQL Server

　　微软的产品，可应对数据规模在千万级左右的数据仓库。使用专用TSQL进行数据开发，与Windows系统高度融合（可直接调度windows shell命令），结合SSIS，SSRS等可完整实现各类数据应用及服务。在一家专注做CRM企业级数据服务的外企中广泛使用。

2、Netezza

　　IBM的MPP数据产品，后来更名为PureData System for Analytics (PDA)。曾在国内金融和电信行业广泛使用，一体机架构，性能强大，轻松处理亿级数据规模，缺点是价格昂贵（据说几百万一台）。当时是在一家澳洲头部保险项目中使用到该数据库。

3、Redshift

　　AWS的云数据仓库产品，MPP架构，性能强大，由于是云产品，部署和运维比较方便，可满足PB级数据仓库服务。当时是在一个数据迁移项目中使用到该产品，项目要求将数据从Netezza迁移到Redshift（应该是从成本的角度做的考量）。虽然该项目涉及到保险客户资料信息，数据较为敏感，但是AWS的安全还是得到了认可。

4、Oracle

　　在旅游OTA、不动产投资运营、券商金融等各类行业场景中，被广泛作为数据仓库进行使用。其性能稳定、功能强大。通过组建RAC，可达到近乎线性的性能扩展能力。基于PLSQL，支持函数、存储过程、包，可方便实现复杂业务逻辑，并且自带调度功能。通过DBLINK可以方便的在多台Oracle实例间进行跨实例查询，使用非常方便。支持事务，支持小数据量的手工补录写操作（通过select for update 可以非常便捷的进行小数据量的更新）。

5、MySQL

　　搭建方便，运维简单，其免费开源版被广泛用于各类系统中，如大数据平台与报表之间的缓存层。除了数据类系统，作为元数据库，被广泛的集中在各类系统中，如报表的元数据库（网易BI），Hive的元数据库，各类小型OLTP应用系统。

6、网易NDH大数据平台

　　基于开源Hadoop平台搭建的商业化系统，全家桶，包含数据采集、数据服务、数据质量、调度运维等多种功能。无需额外安装客户端，直接基于网页端编写SQL。支持Hive、Impala、Spark三种SQL查询引擎。

7、ClickHouse

　　作为报表的加速层使用，列式存储，单表访问速度极快（多表关联性能相对较弱），比较适合基于数据集市的大宽表进行多为查询。可基于docker进行安装部署。

8、海量Vastbase

　　作为国产数据库，从OpenGauss发展而来，而OpenGauss来自PostgreSQL，因此海量数据库SQL语法原生支持PG。其内置的各类系统表与PG高度类似，如pg_tables。python代码也可直接使用PG的psycopg2包来连接海量数据库。此外，其还支持多种数据库的兼容格式，如可额外兼容MySQL的语法（比如MySQL中的日期函数DATE_FORMAT），因此很适合从其他数据库迁移过来的项目。据大模型搜索，最有特点的是：同一个实例下的不同数据库还可选择兼容不同的数据库（通过设置兼容模式），比如数据库A兼容Oracle，数据库B兼容SQL Server，数据库C兼容MySQL。由于这三款基本是最主流的关系型数据库，因此理论上海量可以适应大多数数据库信创迁移的任务。目前其价格非常便宜，对预算有限的中小型公司有很大的吸引力。

9、达梦DaMeng

　　国产数据库的龙头之一。类似海量数据库，通过设置兼容模式，可兼容主流常见的数据库，如：

• 兼容模式值参考：

  • 0：不兼容

  • 1：兼容 SQL92 标准

  • 2：兼容 ORACLE

  • 3：兼容 MS SQL SERVER

  • 4：兼容 MYSQL

  • 5：兼容 DM6

  • 6：兼容 TERADATA

  • 7：兼容 PG (PostgreSQL)

数据开发者可以使用DBeaver客户端（版本要相对新一些，比如25.2）来进行连接，进行日常的SQL开发。也可以使用达梦自己推出的客户端（SQLark）。脚本类程序可以通过安装dmPython包，基于python访问DM数据库。达梦数据库价格略高，适合中大型企业。

10、SQLite

　　作为轻量级的嵌入式数据库，使用极其便捷。常用于中小型网站后台以及移动端/嵌入式设备。　　

　　优点：　

　　　　极致轻量与零配置：完整的SQLite库可以小于400KiB，无需安装和管理，集成即可用。
　　　　单一文件，极致便携：整个数据库是一个单独的、跨平台的磁盘文件，备份和迁移如同复制文件一样简单。
　　　　读操作性能卓越：对于本地读密集型任务，SQLite通常比客户端/服务器数据库更快，因为它避免了网络和进程间通信的延迟。

　　缺点：

　　　　并发写入能力弱：最主要的瓶颈。一次只允许一个进程写入，其他写入操作会被临时阻塞。读取可以并发。。
　　　　功能集相对有限：功能有所取舍，如不支持存储过程、触发器、某些复杂连接等。同时宽松的动态类型系统有助于快速开发，但在迁移到其他数据库时，可能隐藏数据类型不匹配的问题。

11、DuckDB

　　为“嵌入式分析处理”而生。专为在本地环境中进行高效、大规模的数据分析而设计。列式存储，支持标准 SQL 和丰富的分析功能（窗口函数等），可直接查询 CSV、Parquet、JSON 等文件，以及内存中的 Pandas DataFrame。目前生态系统尚处发展初期。