第1章 数据和数据库
1.1 什么是数据 2
1.2 什么是数据库 3
1.2.1 数据库与生活 3
1.2.2 数据库的三个时代 5
1.3 数据库的构成 7
1.3.1 优化器技术 9
1.3.2 事务管理技术 10
1.3.3 日志和恢复 11
1.4 数据库的分类 12
1.4.1 从模型看数据库 13
1.4.2 从架构看数据库 19
1.4.3 从部署看数据库 33
1.5 数据仓库 35
1.5.1 发展阶段 35
1.5.2 Snowflake的崛起 36
1.6 大数据时代 38
1.6.1 大数据的特征 39
1.6.2 Hadoop兴衰 40
1.6.3 Hadoop启示录 43
1.7 大模型时代 43
1.8 总结 49
第2章 数据库技术的拓荒者
2.1 前数据库时代 52
2.1.1 机械数据处理时代 52
2.1.2 计算机数据处理时代 54
2.1.3 文件管理时代 55
2.2 网状数据库之父—查尔斯·威廉·巴赫曼 57
2.2.1 抓住机遇 57
2.2.2 数据库生涯 59
2.2.3 标准的开创者 60
2.2.4 想象力比知识更重要 62
2.3 关系型数据库之父—埃德加·科德 62
2.3.1 关系模型的诞生 63
2.3.2 成功是成功者的阻碍 65
2.3.3 天才的偏执 67
2.3.4 伟大成就 68
2.4 数据库先生—詹姆斯·尼古拉·格雷 69
2.4.1 听人劝开启的职业生涯 70
2.4.2 开天辟地System R 72
2.4.3 独具慧眼奠基事务 74
2.4.4 基准测试 75
2.4.5 人格魅力 79
2.4.6 思考未来 80
2.4.7 未解谜团 82
2.4.8 仿佛是解答 83
2.5 持续创新的天才—迈克尔·斯通布雷克 84
2.5.1 很多开始源于偶然 84
2.5.2 Ingres横空出世 85
2.5.3 桃李满天下 87
2.5.4 Postgres的时代 89
2.5.5 列存更生 91
2.5.6 永不止息 92
2.6 总结 93
第3章 数据库领域的“先知”
3.1 埃里森的成长 96
3.2 抓住机遇 97
3.3 鲜为人知的天才鲍勃·迈纳 99
3.4 崛起之路 103
3.5 咄咄逼人的行事风格 109
3.6 收购魔法 113
3.7 跨越巅峰 118
3.8 RAC 119
3.9 云端角逐 121
3.10 与Google的恩怨 124
3.11 硅谷江湖 126
3.12 AI制胜 130
第4章 数据库产品的先行者
4.1 迟到的贵族——DB2 132
4.1.1 蓝色巨人 132
4.1.2 群星闪耀 134
4.1.3 DB2之母 135
4.1.4 SQL的诞生 137
4.1.5 曲折的产品开端 138
4.1.6 关键时刻 140
4.1.7 统一数据库 141
4.1.8 DB2之父 145
4.1.9 中国力量 146
4.1.10 新的世纪 150
4.2 桌面数据库王者——dBASE 152
4.2.1 偶然而生 152
4.2.2 慧眼识珠 153
4.2.3 戛然而止 154
4.2.4 致命诉讼 155
4.3 无冕之王——Ingres 158
4.3.1 Ingres公司 158
4.3.2 QUEL与SQL的战争 160
4.3.3 Postgres和Illustra 162
4.3.4 Informix 163
4.3.5 Sybase之ASE 168
4.3.6 微软之SQL Server 172
4.4 开源传奇——MySQL 175
4.4.1 MySQL之前 175
4.4.2 MySQL的诞生 176
4.4.3 开源 178
4.4.4 改变世界 179
4.4.5 Sun和Oracle时代 181
4.4.6 MySQL的蒙提情节 183
4.5 总结 185
第5章 中国数据库的早期探索
5.1 先知——萨师煊 186
5.2 先声——黄山会议 188
5.3 先见——数据库专委会 189
5.4 先育——学科设立 192
5.5 先行——产品原型 193
5.6 Oracle引进中国 196
5.7 数据库标准 198
5.8 863和核高基计划 200
5.9 先河——产学研用探究 202
5.10 ITPUB技术社区 204
5.11 ACOUG 206
5.12 信息技术应用创新 208
5.13 墨天轮和数据库时代 209
5.14 总结 210
第6章 互联网和云的新篇章
6.1 Google——从互联网到云计算 212
6.1.1 需求驱动创新 212
6.1.2 Google的“三驾马车” 213
6.1.3 NewSQL的诞生 215
6.1.4 Google云的数据库 216
6.2 亚马逊——从电子商务到云计算 217
6.2.1 亚马逊的Redshift 218
6.2.2 亚马逊的Aurora 219
6.2.3 亚马逊的“去O”运动 221
6.3 阿里巴巴——从电子商务到云计算 224
6.3.1 数据库应用历程 225
6.3.2 “去IOE”运动 227
6.3.3 阿里云PolarDB数据库 229
6.3.4 OceanBase 236
6.4 腾讯——从互联网到云计算 241
6.4.1 TXSQL 241
6.4.2 腾讯云数据库 242
6.5 PingCAP的TiDB 249
6.5.1 创业起点 249
6.5.2 技术架构 251
6.5.3 技术优势 253
6.5.4 演进策略 254
6.5.5 学术和行业影响 256
6.6 总结 257
第7章 开源根社区的崛起
7.1 华为数据库 258
7.1.1 内部孵化 259
7.1.2 对外输出 260
7.1.3 全面“去O” 261
7.1.4 openGauss社区 262
7.1.5 社区技术委员会主席—李国良 265
7.1.6 openGauss的技术创新 266
7.1.7 openGauss的计算愿景 270
7.1.8 原生分布式GaussDB 273
7.2 云和恩墨数据库 275
7.2.1 云和恩墨的发展路径 275
7.2.2 为什么选择openGauss 277
7.2.3 MogDB的价值主张 279
7.2.4 回归本原 290
7.2.5 总结 294
第8章 中国数据库的产业格局
8.1 数据库的百家争鸣 296
8.2 国产数据库的四大流派 297
8.3 国产数据库的路线选择 298
8.3.1 商业衍生数据库 298
8.3.2 开源衍生数据库 300
8.3.3 自研闭源数据库 300
8.3.4 自研开源数据库 301
8.4 借鉴Oracle的成功经验 302
8.4.1 关键性选择 303
8.4.2 技术开放性 304
8.4.3 企业家精神 305
8.5 中国数据库的发展阶段 306
8.5.1 学术探究阶段 307
8.5.2 产品模仿阶段 307
8.5.3 创新引领阶段 308
8.6 创新引领拥抱开源 311
8.6.1 开源是正确之路 312
8.6.2 开源的成功之法 315
8.7 产业繁荣重在生态 319
8.7.1 中国数据库元年 320
8.7.2 产业厚度与创新高度 321
8.8 立足国内和放眼国际 321
8.8.1 聚焦关键创新 322
8.8.2 产业发展关键环节 323
第9章 数据库架构的演进和未来
9.1 KISS原则 325
9.2 一个前提假设 326
9.3 单机、集群和分布式 327
9.4 分区、分表和分库技术 331
9.4.1 分区技术 332
9.4.2 分表技术 334
9.4.3 分库技术 335
9.5 分布式数据库 336
9.5.1 中间件分布式 336
9.5.2 一体化分布式 338
9.5.3 原生分布式 340
9.6 复杂性的降权 341
9.6.1 RAC One Node 341
9.6.2 共享存储分布式 342
9.6.3 单机分布式一体化 343
9.7 环境的进化 344
9.7.1 硬件的进化 344
9.7.2 软件的协同 345
9.7.3 软硬件的协同 350
9.7.4 内核革新 353
9.8 HANA的实践 356
9.9 SQLite 启示录 360
9.10 数据库的简化 362
9.10.1 大道至简 362
9.10.2 数据库无感化 363
9.10.3 智能加持 364
9.10.4 新DBA时代 367
9.11 数据库的未来 368
第10章 天道酬勤，缘起数据终不悔
10.1 缘起边陲，恰同学风华正茂 373
10.2 网络生涯，一念即起无声长 375
10.3 京师磨炼，转眼已历二十载 377
10.4 笔耕不辍，年少曾怀作家梦 379
10.5 挑战自我，勇于分享登舞台 382
10.6 三重境界，见山见水见真我 384
10.7 云和恩墨，数据服务起征途 386
10.8 理想实践，开发运维平台化 388
10.8.1 自动巡检，Bethune探索智能化 389
10.8.2 SQL审核，前置管控问题 391
10.8.3 智能运维，zCloud平台化 393
10.9 耕获菑畬，基础软件再启程 394
10.10 未雨绸缪，防患于未然之中 397
10.11 快乐生活，此心安处是吾乡 399
402 行至水穷处，坐看云起时
