数据库十年巅峰对决，谁才是真正的王者?

在年终岁尾之际，盘一盘大家比较关心的一些数据。今天先来看看各大数据库在过去一年的表现!

图片来自 Pexels

先来看看数据库流行度总体走势：

数据获取

所有的数据都来源自一个数据库流行趋势统计网站：

https://db-engines.com/

Method 1

我们先来看获取数据方法，首先我们可以在下面地址中看到一个包含所有数据库信息的表格：

https://db-engines.com/en/ranking

然后可以进入到每个数据库详情页面中，该数据库历年流行度数据都会在页面加载之后包含在 JavaScript 的变量中：

https://db-engines.com/en/ranking_trend/system/Oracle

所以我们可以通过解析该 JavaScript 代码来获取每个数据库的历年数据，同时为了加快抓取速度，使用了异步请求。

先抓取所有数据库名称信息，通过 Pandas 的 read_html 方法可以方便的读取 HTML 中的 Table 数据：

import pandas as pd   mystr = ' Detailed vendor-provided information available'   def set_column3(column3):     if mystr in column3:         column3 = column3.split(mystr)[0]     return column3   url = 'https://db-engines.com/en/ranking' tb = pd.read_html(url) db_tb = tb[3].drop(index=[0, 1, 2])[[0, 1, 2, 3, 4, 5, 6, 7]]  # 处理数据 db_tb[3] = db_tb[3].apply(set_column3)  # 保存数据 db_tb.to_csv('db_tb.csv')

异步抓取数据库详细信息：

async def fetch(session, url):     async with session.get(url) as response:          return await response.text()   async def get_db_data(db_name):     url = 'https://db-engines.com/en/ranking_trend/system/%s' % db_name      async with aiohttp.ClientSession() as session:         res = await fetch(session, url)         content = BeautifulSoup(res, "html.parser")         content.find_all("script")         db_data = content.find_all("script")[2].string         src_text = js2xml.parse(db_data)         src_tree = js2xml.pretty_print(src_text)         data_tree = BeautifulSoup(src_tree, 'html.parser')         data_tree.find_all('number')         data = []         for i in data_tree.find_all('number'):             data.append(i['value'])          date_list = gen_time('%s-%s' % (data[0], str(int(data[1]) + 1)))         date_value = list(zip(date_list, data[3:]))         d_data = zip([db_name for i in range(len(date_value))], date_value)          await save_data(d_data)   def gen_time(datestart, dateend=None):     if dateend is None:         dateend = time.strftime('%Y-%m', time.localtime(time.time()))     datestart=datetime.datetime.strptime(datestart, '%Y-%m')     dateend=datetime.datetime.strptime(dateend, '%Y-%m')     date_list = list(OrderedDict(((datestart + timedelta(_)).strftime(r"%Y-%m"), None) for _ in range((dateend - datestart).days)).keys())     date_list.append('2019-12')     return date_list   if __name__ == '__main__':     db_tb = pd.read_csv('db_tb.csv')     db_name = db_tb['3'].values.tolist()     loop = asyncio.get_event_loop()     tasks = [get_db_data(name) for name in db_name]     loop.run_until_complete(asyncio.wait(tasks))     loop.close()

Method 2

下面再来介绍第二种方法，方法更简单，但是抓取时需要处理的地方更多一些。

我们可以直接访问下面的地址，同样的，在页面加载完成后，会返回所有数据库的历年数据信息：

https://db-engines.com/en/ranking_trend

那么我们就可以直接解析此处的 JavaScript 信息，获取对应数据库的数据即可。

不过由于有些数据库的历史数据有缺失，所以需要做特殊处理：

for i in data_tree.find_all('object'):       date_list = gen_time('%s-%s' % (year_list[0], str(int(year_list[1]) + 1)))       data = []       tmp_list = []       db_name = i.find('string')       if i.find('null'):           null_num = len(i.find_all('null'))           tmp_list = list(zip(date_list[:null_num], ['0' for i in range(null_num + 1)]))           date_list = date_list[null_num:]       for j in i.find_all('number'):           data.append(j['value'])

两种方法各有优缺点，小伙伴儿们可以自行选择适合自己的方式。拿到数据之后，我们就可以做统计分析啦。

数据库总榜

可以看出，关系型数据库还是当今的王者，流行度前四名都被它们所占据，而 Oracle  虽然连年表现不佳，为人诟病，但是依靠多年的积累，仍然牢牢把持着榜首的位置。

MySQL 似乎从来没有令用户失望，也是稳稳的占据二哥的位置。

而唯一挤进前五的非关系型数据库则是 MongoDB，在文档数据库领域，绝对是大哥大!

我们再通过一张散点图来感受下不同数据库之间的差距：

主流数据库榜单

我这里又选取了总榜中的前五名，再加上 key-value 数据库的代表 Redis 和搜索数据库的代表 ES 来作为对比对象。

先来看看它们在 2019 年的整体走势：

可以看到它们在 2019 年总体表现还是比较平稳的，其中榜首三强都是在年末出现了不同程度的下滑，而与之对应的则是 PG 数据库的增长了。

再来看下这七大数据库今年的增长率：

可以看到 MySQL 是增长率最高的数据库，而 Redis 在 2019 年则表现不佳，呈现了负增长的趋势。

下面我们再把时间拉长，看看从 2012 年到现在，各大数据库的表现情况：

Oracle 和 MS Server 整体来看确实呈现下降的趋势，而 MySQL 则稍稍有些增长。

同时 PostgreSQL 增长比较明显，尤其是从 2017 年开始，流行度超越 MongoDB，相对应的，这个时间段也是榜首三大数据库的下滑期。

接下来再根据不同的数据库类型，来分别查看下各种类型数据库的流行趋势。

关系型数据库

对于关系型数据库，榜首四强实在太强：

我们去除掉这四种数据库，来看看其他关系型数据库的历年走势：

可以看出，IBM 的 DB2 和微软的 Access 近年都有下滑的趋势，而作为 MySQL 的开源版  MariaDB，则呈现了很强的上升趋势，看来大家拥抱开源的信念不减呢!

Key-Value 数据库

再来看看 K-V 数据库，毫无疑问，近些年 Redis 风光无限，占据了大部分的市场份额。

而曾经的王者 Memcached，则因为种种原因，流行度不断下滑：

可以看到，2016 年为起点，随着云计算的风起云涌，亚马逊和微软的 K-V 数据库增长迅猛，而 Memcached 则逐渐衰落，但是 Redis  凭借其良好的表现，仍然一路高歌!

文档数据库

现在进入到文档数据库时间，毫无疑问 MongoDB 的地位无可动摇：

而亚马逊的 Amazon DynamoDB 数据库凭借着云服务的兴起，也成功占有一席之地!

从历年流行度走势图中可以看出，MongoDB 在持续增长的路上，一骑绝尘了。

而 Amazon DynamoDB 则从 2017 年开始慢慢占据市场份额，拉开与其他文档数据库的差距。

时序数据库

时序数据库也有一个霸主，那就是 InfluxDB，不过整体来说，各方势力实力均衡!

Kdb、Prometheus 和 OpenTSDB 等都在各自擅长的领域发挥着不可替代的作用。

当然啦，InfluxDB 数据库就是那颗最耀眼的星，迅猛的发展趋势，让它成功杀出重围。

而 RRDtool 数据库却多少有些高开低走的味道，不知道什么时候能够看到它王者归来!

图数据库

下面我们再来看看图数据库，它在知识图谱领域是当仁不让的首选数据库类型，尤其是 Neo4j，就算你没有使用过，怎么也听说过它的大名吧!

再来看看近些年的流行度走势呢：

Neo4j 和 Microsoft Azure Cosmos DB 走势迅猛，看来在知识图谱兴起的时代，图数据库也要呈现二分天下的态势了。

搜索数据库

最后我们再来看看搜索数据库的情况：

没有一丝丝疑问，大火的 ES 成功占据榜首，之后就是 Splunk 和  Solr，这三位基本占据了搜索数据库的大部分市场。

从历年走势中看出，Solr 有些扎心了，随着 ES 和 Splunk 的强势崛起，Solr 似乎慢慢归于平静了。

不过无论是 ES 的耀眼光芒还是 Splunk 的新贵登基，可以预见的是在未来的很长一段时间里，搜索数据库领域仍然会是它们的三足鼎立!

最后再通过一个视频，来看看不同类型数据库的流行度变化情况：

完整代码：

https://github.com/zhouwei713/data_analysis/tree/master/Annual_Ceremony/DB

作者：周萝卜

简介：Python 学习者。爱好爬虫、数据分析及可视化等，个人公众号《萝卜大杂烩》，期待与你相遇!