过去十年,企业在云上使用数据库的主流方式是按实例规格购买:选定 vCPU、内存与存储容量,按月付费。这种模式简单直接,却与真实业务负载存在天然错位——高峰往往集中在少数时段,而空闲时段的算力仍在计费。随着云原生数据库在存储与计算之间引入解耦层,按需弹性正从宣传语变成默认选项。

存算分离改变了弹性的边界

传统数据库把日志、数据文件与计算进程绑定在同一台机器上,扩容意味着搬数据,过程常以小时计。新一代云数据库把存储层下沉为共享的分布式服务,计算节点变成无状态、可随时创建与销毁的副本。常见的分层是:日志服务负责持久化与复制,存储服务按页组织数据,计算节点只保留缓存与执行引擎。这样的结构让扩容不再需要拷贝数据,节点可在数十秒内加入或退出,弹性边界从以天为单位收缩到以秒为单位。

Serverless 计费与自动暂停

在这一架构之上,Serverless 形态进一步取消了实例常驻的假设。数据库按实际消耗的容量单位与请求量计费,长时间无流量时可自动暂停,连接被冻结而非销毁,下一次请求再唤醒。

  • 计费粒度:从整月包年走向按秒或按请求计量,闲置成本明显下降。
  • 弹性策略:既可按 CPU、连接数等指标自动扩缩,也能在秒级内承接突发流量。
  • 运维方式:参数调优、补丁与备份逐步托管,团队关注点回到数据模型与查询本身。

利好之余的真实约束

弹性并非没有代价。自动暂停后的唤醒存在延迟,对延迟敏感的交易系统并不总是合适;连接池与代理层需要重新设计,以应对实例切换带来的连接中断。多租户共享存储还带来隔离与噪声邻居问题,需要依靠资源配额、I/O 限流与细粒度权限控制兜底。此外,按量计费在持续高负载场景下可能比包年更贵,成本模型必须结合负载曲线测算。

与 AI 负载的相互塑造

大模型应用让数据库负载更加脉冲化:检索增强生成的查询量随用户会话起伏,向量写入则集中在批次任务中。这种波动恰好是 Serverless 数据库的用武之地,也反过来推动缓存层、读写分离与向量索引进一步解耦。可以预见,未来的云数据库会更像一项随取随用的服务,而非需要精心规划的固定资产,弹性、隔离与成本可预测性将成为选型的核心维度。