云原生数据库最早的客户是纯一色的互联网企业，满足他们快速增长的、多样化的数据访问需求。

不过，情况已经在发生变化。

这些年来，随着传统行业数字化步伐的加快，尤其是快速迁移上云，云原生数据库也正在受到汽车、金融、制造等传统行业的欢迎。

高性能、高可用性、可伸缩性、高安全性等特征，使得云原生数据库和云上托管数据库，正成为各行各业实现敏捷高效创新的新一代数字新基建。

从传统数据库到云原生数据库

业界第一个真正意义上的云原生数据库，被认为是Amazon DynamoDB，问世于2012年。

催生云原生数据库的原因，则可以追溯到更早的2004年。在那年底的大促期间，亚马逊电商出现了几个小时的服务故障，损失之大不言而喻。

发生这一事故的原因是当时使用的数据库因负载过高而扩展失败，更深层次的原因则是传统关系型数据库不适合电商这样的互联网应用，其70%的数据访问并不需要SQL事务级别的复杂性。

此后亚马逊就一直在致力于开发更加适合自己的云原生数据库，并为其它企业提供服务。在过去的10年里，亚马逊云科技对Amazon DynamoDB进行的持续完善，不仅涉及底层可用性、持久性、安全性和规模等特性，还包括易用性等。此后又推出了更多的云原生数据库，包括关系型数据库和NoSQL数据库。

在Amazon DynamoDB推出7年后，到2019年，亚马逊把存储在7500个Oracle数据库中的75PB内部数据全部迁移到了自己的数据库，实现了从传统数据库到云原生数据库的转换。

多样化数据库满足不同需求

正是从服务互联网企业开始，云原生数据库呈现出了多样化的特点，根据不同业务场景的需要，去处理不同类型的数据库。

仅亚马逊云科技的数据库服务就有八大类型、共计15种，包括关系、键值、文档、内存、图、时间序列、宽列和分类账等，实现“专库专用”。

其中包括托管的关系型数据库服务Amazon RDS和关系型数据库Amazon Aurora，也包括键值数据库Amazon DynamoDB、A文档数据库mazon DocumentDB、内存数据库、图数据库时间Amazon Neptune、序列数据库Amazon Timestream、宽列数据库Amazon Keyspaces和分类账数据库Amazon QLDB等非关系型数据库。

随着传统行业数字化的深入，企业面对数据量指数级暴涨和数据类型及应用场景的多元细分等诸多挑战，对数据库性能、扩展性、高可用性以及成本效益等需求也愈发严苛。于是，这些多样的云原生数据库也逐步被应用到更广的范围。

比如在汽车行业，车联网的广泛应用带来了海量多样的数据处理需求。汽车企业可以使用 Amazon DocumentDB 来处理地理空间数据，用关系数据库Amazon Aurora处理结构化的车主基础数据，用Amazon Neptune图数据库处理无结构的用户行为数据，用Amazon Timestream处理汽车运行状态下产生的大量时序数据。

向更多传统行业应用场景延伸

不仅是车联网，更加“传统”的制造和金融企业，也同样存在大量的数据资产。

比如，制造业中的智能家居设备企业，需要管理不同生命周期数据并生成洞察；金融业需要减少成本并提升风险控制能力。云原生数据库由于具有强大性能、高可用性、可扩展性、支持多场景需求且具备成本效益等优势，正成为越来越多传统企业的选择。

制造业数据类型多样、数据来源复杂、数据量巨大。随着时间的推移，一些较旧数据的访问频率渐渐降低，同时大规模存储低价值数据会变得更加昂贵。亚马逊云科技提供具有数据分层功能的数据库服务，包括Amazon Timestream、Amazon DynamoDB以及Amazon ElastiCache for Redis，可以帮助制造企业将大量低访问频率的历史数据进行冷热数据分离，并自动进行分层存储。

银行等金融机构，在传统风控模式下，主要运用人工信审，数据多来自央行征信。而在普惠金融大环境下，个人与企业资金需求特性差异较大，传统风控审批效率不高、人工处理成本居高不下、数据来源单一。亚马逊云科技Amazon Neptune+ML可以对金融机构的历史数据和其他行业数据（消费，医院，出行等）进行很好地整合，有效挖掘金融用户的数据价值，实现风控的智能化。

统计数据显示，全球已有超过65万个数据库通过亚马逊云科技数据库迁移服务迁移至亚马逊云科技。

亚马逊云科技大中华区产品部总经理陈晓建则表示：“数据作为企业的核心资产和创新的主要推动力，企业需要率先夯实数据库这一新基建，为数字化转型打下坚实的地基。亚马逊云科技在积极探索公有云架构与数据库演进的结合，希望通过云原生数据库服务的创新，帮助各行业企业展开云上创新之旅。”