• 企业被传统商业数据库束缚 ， 而难以开展创新 。 传统商业数据库不仅价格昂贵 ， 还有专有技术及许可条款 ， 需要经常进行审计 。 虽然越来越多的企业转向了 MySQL 和 PostgreSQL 等开源数据库 ， 但他们仍需要商用数据库的性能；
• 无法满足特定场景需求 。 随着应用场景的不断增加 ， 不同应用程序有了自己特定的需求 。 现在 ， 开发人员越来越多地使用微服务架构来构建应用程序 ， 并且选择新一代的关系型和非关系型数据库 。 但关系型数据库的结构数据耦合性大 ， 不利于扩展分布式部署 。 非关系型数据库没有事务处理 ， 复杂查询方面略微欠缺；
• 传统数据库运维模式仍旧需要耗费精力和成本 。 运维耗时但价值输出较低 ， 但企业又不得不在这方面耗费精力和成本 。

现代化应用需要什么样的数据架构作为支撑？
既然现有数据架构难以支撑现代化应用的实现 ， 一场数据架构变革势在必行 。 这个新型数据架构要能够解决上述提到的问题 ， 即需要拥有更高的扩展性、能够适应多样化的数据形态、有更高的数据处理能力和更低的延迟 ， 当然还要有实现的路径和工具 。
相关技术方案与创新
当下 ， IT 界的最佳技术组合可能就是“云计算 + 人工智能” 。 云计算解决了扩展性、数据存储、性能等问题 ， 而人工智能技术则大大提高了数据分析和处理效率 。
云计算可以为现代化应用的峰值需求“无限续杯”与平稳运行时的“最佳能耗” 。 作为云计算模型之一的 Serverless ， 在理论上可以自动适配应用从零到无穷大的需求峰值 ， 更加擅长解决扩展性的问题 。
Serverless 架构的好处在于可以按需加载 ， 这样应用便不会持续占用资源 ， 只有在请求到达或有事件发生时才会被部署和启动 ， 避免了成本浪费 。 同时 ， Serverless 应用原生支持高可用 ， 可以更好地应对突发的高访问量 。 当数据库也 Serverless 化 ， 就可以实现高度扩展性及容量自动伸缩 ， 做到按量付费、降低支出成本 ， 进一步解放数据库的管理和运维 。 2012 年亚马逊公司推出的 Amazon DynamoDB 就是 Serverless 数据库 。
2007 年 ， 亚马逊公司发表的关于 Key-value 存储的划时代论文《Dynamo: Amazon's Highly Available Key-value Store》解决的核心诉求就是满足“永远在线”的用户体验 ， 提升其数据库的可用性、扩展性和性能 ， 被认为是 NoSQL 的开山之作 ， 之后催生了一系列 NoSQL 分布式数据库 。 而 Amazon DynamoDB 就是 Dynamo 理念的正统实现 ， 它正在驱动那些传统数据库难以承载的新一代高性能、互联网规模应用 。
以 Serverless 数据库为代表 ， 云数据库正在迅速发展成熟 ， 并带来更好的可访问性和高可用性 ， 还有高扩展性与可迁移性 。 此外 ， 云数据库也降低了部署的难度和成本 ， 不会给企业造成特别大的负担 。
面对大规模数据 ， 传统数据库组件还存在业务类型不敏感、自动运维能力弱等问题 ， 机器学习算法可以分析大量数据记录 ， 标记异常值和异常模式 ， 还可以在系统运行时自动、连续、无人工干预地执行修补、调优、备份和升级操作 ， 尽可能减少人为错误或恶意行为 ， 确保数据库安全、高效运行 。 而亚马逊云科技在 re:Invent 上最新发布的 Amazon DevOps Guru for RDS 就可以帮助检测数据库问题、执行根本原因分析和推荐更改建议 ， 甚至能够自动修复数据库问题 。
现代化应用最终是面向全球的 ， 现在很多企业也在做全球化布局 。 在这个过程中 ， 全球分布式应用系统成为企业首选 。 分布式系统中各个节点通过一个通信网络互联在一起 ， 不仅方便通信还可以实现资源共享 ， 也加快了计算速度 。 不过 ， 这也让企业的运维压力变大 ， 同时存在一定的数据传输安全问题 。 所以 ， 自动化的、安全的部署非常重要 。