引言
DB-Engines的流行程度排行从其评估标准[4]可以看出完全不能够做为市场规模的评估标准。甚至于在知道市场规模后可以用这个排行作为一个避雷手册。毕竟现存市场小，可预见增长规模小，竞争大，创新不足，那只能卷价格，卷人效，自然是一个恶性循环。
市场规模
数据库>时序数据库目前来看除了工业互联网iot设备的数据存储，传统互联网中的metric存储仍旧是不一个不小的市场。
根据IDC[6]的数据统计，到 2025 年，联网设备数量将达到 559 亿台，iot设备的规模是时序数据的增长市场，市场规模用[4]的评估方法为以下方法：
- The amount of IoT devices;
- The amount of sensors device;
- The Pricing.
假设每个设备有10个传感器，每个传感器收费1人民币每年，这也是一个非常巨大的市场。
互联网metric的存储以目前来看很难在公有云推广，很少有大型互联网公司会把监控数据这种数据存储至其他公司产品。
随着中国市场新能源车企的崛起，各大车企成为了公有云数据库>时序数据库厂商的必争之地。
不但是中国市场，中国新能源车出口速度也不可小觑[9]：
国内公有云厂商机房遍布全球（当然机器也没那么多就是了），出口汽车这一部分也是一个不小的市场。
目前中国的汽车产量以月来看已经占到了全球的三分之一，而且2023来看产量没有下降的趋势，如果能拿下国内的各大车厂，确实能让营收更上一层楼。下图来自[12]
具体到国内车厂来看，目标就明确很多了：
其次以相对可靠消息来看，车企中不同的车型在做数据库>时序数据库选型时并不是一把梭哈，不同的车型可以选择不同的数据库>时序数据库，其次因为数据库>时序数据库相对kv，关系型这样无限期存储的数据相比迁移成本相对较低（国内新能源车合规性要求就是存储一年，秒级/分钟级数据则存储时间更低），所以一时拿下客户并不意味永远拿下。
但是从好的方面看，所有的车企都是在快速迭代，意味着从技术的角度看我们有机会拿下大多数车企的单子（虽然不是全部车型）。这就需要看我们的客户关系团队下点功夫了。
总结
虽然是一个很好的市场，但是据我了解，数据库>时序数据库近三到五年并没有颠覆性的理论出现，学术届更多的是在各个细分场景寻求突破，对工程影响不大；国内近些年除了TDengine等较早起步的厂商，更多的公司是在维稳和创建一个新的数据库，优化方式已经近乎透明，业界都大差不差，更多的是卷工业实现，卷功能迭代速度（Rust>go=java>cpp>c），让产品变的适应更多场景，更稳定。这种没有技术壁垒的场景能吃到多少肉就很难是市场人员以下决定的了，相当于是把自己的营收大盘交到销售同学手里，他行我就行，他不行我就不行。
上上周和GreptimeDB市场部总监有一次有趣的交谈，我们普遍认为国内的自由竞争的市场不足以养活好几个数据库>时序数据库的初创互联网公司，就算实力强如几大公有云厂商，能在公有云拿到的单子也极其有限。
公有云上更多的单子依赖的是客户关系的维护，而不是技术能力（做到部分硬性指标已经足够，20%的客户可以满足80%以上的需求，拿下20%的客户，80%就不依靠技术能力了）。而且靠竞争获取的绝大多数客户不关心查询是50ms还是30ms，还是80ms，真正关心的是一个月多少钱。
此时人效显的非常重要，真正从头开发一个数据库>时序数据库显得性价比不够高，这也许也是多模数据库一个非技术角度，而是极其具有现实意义的优点。
这件事也告诉我们在大公司呆着也有优点，对外有公有云上有高密物理机的价格优势，对内有大体量的业务保证团队营收下限。
参考：
- 数据库>时序数据库市场漫谈
- 数据库>时序数据库: 为什么它是未来的趋势
- Global Cloud Index Projects Cloud Traffic to Represent 95 Percent of Total Data Center Traffic by 2021
- https://db-engines.com/en/ranking_definition
- Time Series Databases market size trends
- IoT in China: Four Need-to-Know Trends
- How You Contribute to Today’s Growing DataSphere and Its Enterprise Impact
- The Global Cloud Ecosystem Index 2022
- 中国新能源汽车出口现状
- 2024年3月新能源终端总量排行：比亚迪第一，特斯拉第二
- 2024年3月中国新能源汽车终端销量排行榜总榜（所有车型在列）
- globalnevs
