发布时间：
国内3大中文文献数据库系统：中国知网、万方、中国期刊网。
万方数据资源系统(China Info)由中国科技信息研究所，万方数据股份有限公司研制。该数据库收录的期刊学科范围广，包括了学术期刊于非学术期刊，提供约2 000种的电子期刊的全文检索。
被收录的学术期刊都获得了“中国核心期刊(遴选)数据库来源期刊”的收录证书。个别期刊甚至将“遴选”改成“精选”，或者干脆去掉。很多作者因此误以为这就是核心期刊。
文献数据库的内容
与其传统的文献信息是相对应的。一种书刊或一篇文献的内容和形式特征经著录后形成一条款目。款目是文献信息的基本单位。
在文献数据库中，一条款目称为一条记录，记录也是构成文献数据库的基本单位。款目由篇名、作者和主题等著录项目组成，著录项目在文献数据库中称为字段。一个字段又可细分为若干个子字段。这样，文献数据库是由一系列连续的记录、字段和子字段组成，并形成了一个分级树型结构。
以上内容参考：百度百科-文献数据库
只有四大数据库吧知网、万方、维普、龙源
目前查找国内学位论文可通过以下几个数据库： 目前查找国内学位论文可通过以下几个数据库：1．清华同方中国优秀博硕士学位论文全文数据库（已经订购，文摘，全文） ．清华同方中国优秀博硕士学位论文全文数据库（已经订购，文摘，全文） 知网是目前国内相关资源最完备、收录质量最高、 是目前国内相关资源最完备、收录质量最高、连续动 态更新的中国博硕士学位论文全文数据库， 家博士培养单位的优秀博/硕 态更新的中国博硕士学位论文全文数据库，每年收录全国 300 家博士培养单位的优秀博 硕 、理工 （ 士学位论文约 28000 篇。 收录范围包括理工 A（数理化天地生） 理工 B（化学化工能源与 （数理化天地生） 、 材料） 、理工 （工业技术） 农业、医药卫生、文史哲、经济政治与法律 、农业 材料） 理工 C（工业技术） 农业、医药卫生、文史哲、经济政治与法律、教育与社会科 、 、 电子技术与信息科学。 学 、电子技术与信息科学。 2．中国科学院学位论文数据库（免费 文摘） ．中国科学院学位论文数据库（ 文摘）3．国家科技图书文献中心的中文学位论文数据库（免费 文摘） ．主要收录了 1984 年至今我国高等院校、研究生 年至今我国高等院校、 院及研究院所发布的硕士、博士和博士后的论文 学科范围涉及自然科学各专业领域， 院及研究院所发布的硕士、博士和博士后的论文。学科范围涉及自然科学各专业领域，并 兼顾社会科学和人文科学， 万余篇。每季更新。 兼顾社会科学和人文科学，每年增加论文 6 万余篇。每季更新。4．CALIS 高校学位论文库（免费 文摘） ． 高校学位论文库（ 文摘） 目前有大约 25 万条学位论文文摘索引。已有 万条学位论文文摘索引。 家大学签订了参加项目建设的协议， 多家建立了本地学位论文提交和发布系统。 约 80 家大学签订了参加项目建设的协议，有 70 多家建立了本地学位论文提交和发布系统。5．中国科技信息所万方数据集团的中国学位论文全文库 （免费 文摘，未订购） ． 文摘，未订购）所收论文主要是科技理工类硕士论文较多，也 所收论文主要是科技理工类硕士论文较多， 有经济、法律、和外语、艺术类等论文，但数量较少。 有经济、法律、和外语、艺术类等论文，但数量较少。因他的数据来源是国务院学位办规 定收缴的理工类全国硕士论文，收藏的数量有 40 多万篇。 定收缴的理工类全国硕士论文， 多万篇。6．国家图书馆学位论文（免费 文摘 目录） ．国家图书馆学位论文（ 目录） 学位论文 国家图书馆学位论文收藏中 心是国务院学位委员会指定的全国惟一负责全面收藏和整理我国学位论文的专门机构； 心是国务院学位委员会指定的全国惟一负责全面收藏和整理我国学位论文的专门机构；也 是人事部专家司确定的惟一负责全面入藏博士后研究报告的专门机构。 多年来， 是人事部专家司确定的惟一负责全面入藏博士后研究报告的专门机构。20 多年来，国家图 万种。此外，该中心还收藏部分院校的硕士学位论文， 书馆收藏博士论文近 12 万种。此外，该中心还收藏部分院校的硕士学位论文，台湾博士学 位论文和部分海外华人华侨学位论文。 位论文和部分海外华人华侨学位论文。7．北京大学学位论文(提供题录及部分文摘信息 ．北京大学学位论文 提供题录及部分文摘信息 提供题录及部分文摘信息) 主要收藏自 1981 年以来各届 毕业生中获得硕士、博士学位的论文和优秀学士学位论文， 万多种， 毕业生中获得硕士、博士学位的论文和优秀学士学位论文，共约 2 万多种，并以每年数千 种的速度逐年增长着。 种的速度逐年增长着。8．台湾地区部分高校学位论文(部分全文，请先选学校，输入繁体字 ．台湾地区部分高校学位论文 部分全文 请先选学校 输入繁体字) 部分全文， 学校，本系统收集全球利用 OAI 介面所提供的 博硕士论文书目资料，并提供超连结至原单位撷取全文和其他更详细的资料， 博硕士论文书目资料，并提供超连结至原单位撷取全文和其他更详细的资料，截至 2008-09 -17 为止共有 206,060 篇论文。 篇论文。
中国知网，万方数据库，维普数据库，这是比较知名且常用的。希望可以帮到你
1、中国知网：
知网，是国家知识基础设施的概念，由世界银行于1998年提出。CNKI工程是以实现全社会知识资源传播共享与增值利用为目标的信息化建设项目。由清华大学、清华同方发起，始建于1999年6月。
凭借优质的内容资源、领先的技术和专业的服务，中国知网在业界享有极高的声誉，在2007年，中国知网旗下的《中国学术期刊网络出版总库》获首届“中国出版政府奖”，《中国博士学位论文全文数据库》、《中国年鉴网络出版总库》获提名奖。
2、万方：
万方数据库是由万方数据公司开发的，涵盖期刊、会议纪要、论文、学术成果、学术会议论文的大型网络数据库；也是和中国知网齐名的中国专业的学术数据库。
其开发公司——万方数据股份有限公司是国内第一家以信息服务为核心的股份制高新技术企业，是在互联网领域，集信息资源产品、信息增值服务和信息处理方案为一体的综合信息服务商。
3、中国年鉴网络出版总库
中国年鉴网络出版总库是目前国内最大的连续更新的动态年鉴资源全文数据库。内容覆盖基本国情、地理历史、政治军事外交、法律、经济、科学技术、教育、文化体育事业、医疗卫生、社会生活、人物、统计资料、文件标准与法律法规等各个领域。
4、中国引文数据库
该库收录了中国学术期刊(光盘版)电子杂志社出版的所有源数据库产品的参考文献，涉及期刊类型、学位论文类型、会议论文类型、图书类型、专利类型、标准类型、报纸类型等超千万次被引文献。
该库通过揭示各种类型文献之间的相互引证关系，不仅可以为科学研究提供新的交流模式，同时也可以作为一种有效的科学管理及评价工具。
5、维普数据库系统
维普资讯网建成于2000年，现已成为全球著名的中文信息服务网站，是Google Scholar最大的中文内容合作网站，中国最大的数字期刊数据库，目前拥有2000余家集团用户，网站注册用户数超过200余万。
网站内容服务包括9000余种/2000万篇中文期刊全文；30余个国家/11300余种/800余万条外文期刊文献；400多种重要中文报纸信息，学科覆盖理、工、农、医、文、史、哲、法各个领域，并提供网上每日更新。
中国核心期刊数据库中所收录的期刊。
中国核心期刊（遴选）数据库（ China Core Journal Alternative Database）是互联网学术资源的汇总，是科研工作者进行科技查证和科技查新的必备数据库。
内容涉及自然科学和社会科学各个专业领域。包括：学术期刊、学位论文、会议论文、外文文献、专利、标准、科技成果、图书、法规等。
中国核心期刊（遴选）数据库是中国第一家进行中文期刊数据库研究的机构。中国学术文献数据库作为中国数据库产业的开拓者，数据库研究中心于同年自主研发并推出了《中文学术文献数据库》，成为是中国第一个中文学术文献数据库，也是中国最大的自建中文文献数据库。
扩展资料
中国核心期刊（遴选）数据库问世标志着我国中文期刊检索在实现计算机自动化方面达到了一个领先的水平，也结束了我国中文科技期刊检索难的历史。
经过多年的运营，中国核心期刊（遴选）数据库已经成为全球著名的中文专业信息服务网站，以及中国最大的综合性文献服务网站。
陆续建立了与谷歌学术搜索频道、百度文库、百度百科的战略合作关系。网站目前遥遥领先数字出版行业发展水平，数次名列中国出版业网站百强，并在中国图书馆业、情报业网站排名中名列前茅。
参考资料：中国核心期刊数据库 - 关于我们
包含的。中国知网CNKI学术文献总库包括中国博士学位论文全文数据库、中国优秀硕士学位论文全文数据库、国际会议论文全文数据库、中国专利全文数据库。包含我国的发明专利、实用新型、外观设计三大类型专利。截止到2020年3月，收录各类专利1138万条，中国科技项目创新成果鉴定意见数据库。截止到2020年3月，科技成果数据库收录成果标准数据65万条，成果鉴定数据21万条。
收录学位论文的数据库有：中国知网博士学位论文全文数据库、中国知网硕士学位论文全文数据库、万方中国学位论文全文数据库等。
1、中国知网博士学位论文全文数据库。
该数据库是国内内容最全、质量最高、出版周期最短、数据最规范、最实用的博士学位论文全文数据库。内容覆盖基础科学、工程技术、农业、医学、哲学、人文、社会科学等各个领域。目前，收录1984年以来全国426家培养单位的博士学位论文290565篇。
2、中国知网硕士学位论文全文数据库。
该数据库重点收录985、211高校、中国科学院、社会科学院等重点院校高校的优秀硕士论文、重要特色学科如通信、军事学、中医药等专业的优秀硕士论文。出版内容覆盖基础科学、工程技术、农业、哲学、医学、哲学、人文、社会科学等各个领域。目前，收录来自699家培养单位的优秀硕士学位论文2671056篇。
3、万方中国学位论文全文数据库
该数据库收录的学位论文始于1980年，年增30万篇，并逐年回溯，与国内900余所高校、科研院所合作，占研究生学位授予单位85%以上，涵盖理、工、农、医、人文社科、交通运输、航空航天、环境科学等各学科。
4、华艺台湾学术文献数据库。
华艺为台湾最大的学术数据库公司，华艺-台湾学术文献数据库包含《台湾科学期刊数据库》及《台湾科学学位论文数据库》。《台湾科学学位论文全文数据库》为全台最大科学学位论文库，收录31所重点大学约50000篇全文（台湾大学为独家收录）。支持简繁体中文检索，PDF直接下载。是了解台湾学术研究资源最重要的电子全文数据库。
5、CADAL数字图书馆
收录内容：CADAL数字图书馆是全文型数据库，收录了CADAL共建单位的学位论文全文16万余篇，包括1900多篇民国学位论文和16万5千多篇当代学位论文。当代论文全文更新至2006年。检索功能：提供名称检索、作者检索、馆藏单位检索。提供学位论文按出版时间浏览。
6、ProQuest学位论文全文数据库
收录内容：ProQuest学位论文全文数据库是国外学位论文中国集团全文检索平台。收录了1743年至今的来自欧美、加拿大等60多个国家4000多所高校的优秀博士、硕士论文，涵盖文、理、工、农、医等高质量的学术研究领域。
该数据库的论文是由国内高校或机构图书馆经合作购买而形成的论文全文数据库。目前，中国集团全文检索平台可以共享访问的全文论文已超过80万篇。
检索功能：提供标题检索、摘要检索、作者检索、导师检索、学校检索、学科检索等检索功能。提供主题分类浏览和学校分类浏览导航功能。
7、ProQuest博硕士论文文摘索引数据库PQDT
收录内容：ProQuest博硕士论文文摘索引数据库是文摘型数据库。它收录主要来自欧美国家4000多所高校的500多万篇学位论文，是目前世界上最大和最广泛使用的学位论文数据库。该数据库每周更新，平均每年新增约20万篇条目，多数论文可以预览前24页原文。如只需检索学位论文，请选择数据库首页上方“学位论文”栏目。
中国知网（CNKI）收录的文献资源类型有多种，如期刊、学位论文、会议论文、专利文献、报纸、年鉴等。
凡是被CNKI中国期刊全文数据库收录的期刊，就是CNKI中国期刊全文数据库期刊。《中国期刊全文数据库（CJFD）》是目前国内最早中国期刊全文数据库之一，现有期刊7000余种，论文1300万篇。
知识来源：国内公开出版的5300种核心期刊与专业特色期刊的全文。
覆盖范围：理工A（数理化天地生）、理工B（化学化工能源与材料）、理工C（工业技术）、农业、医药卫生、文史哲、经济政治与法律、教育与社会科学、电子技术与信息科学。
收录年限：1994年至今，7000余种全文期刊的数据完整性达到98％。
更新频率：CNKI中心网站及数据库交换服务中心每日更新，各镜像站点通过互联网或卫星传送数据可实现每日更新，专辑光盘每月更新（文史哲专辑为双月更新），专题光盘年度更新。
扩展资料：
中国知识资源总库提供CNKI源数据库、外文类、工业类、农业类、医药卫生类、经济类和教育类多种数据库。
其中综合性数据库为中国期刊全文数据库、中国博士学位论文数据库、中国优秀硕士学位论文全文数据库、中国重要报纸全文数据库和中国重要会议文论全文数据库。
每个数据库都提供初级检索、高级检索和专业检索三种检索功能。高级检索功能最常用。
参考资料：百度百科-中国知网
现在知网阅读器就可以了
这就是一个假刊集中营，何来靠谱一说。也许说假刊不准确，因为好多杂志没有国内刊号。正规数据库不收录的全放在这里了，是否靠谱一目了然。网站备案名称是一个公司的名字，然后服务器在国外，需要发表论文的注意一下吧
做科研必备6大文献数据库！
*关于数据库介绍可以点击第一行《做科研必备6大文献数据库！》查看
可以在线阅读
分布式领域论文译序sql&nosql年代记SMAQ：海量数据的存储计算和查询一．google论文系列1. google系列论文译序2. The anatomy of a large-scale hypertextual Web search engine (译 zz)3. web search for a planet :the google cluster architecture(译)4. GFS：google文件系统 (译)5. MapReduce: Simplied Data Processing on Large Clusters (译)6. Bigtable: A Distributed Storage System for Structured Data (译)7. Chubby: The Chubby lock service for loosely-coupled distributed systems (译)8. Sawzall:Interpreting the Data--Parallel Analysis with Sawzall (译 zz)9. Pregel: A System for Large-Scale Graph Processing (译)10. Dremel: Interactive Analysis of WebScale Datasets(译zz)11. Percolator: Large-scale Incremental Processing Using Distributed Transactions and Notifications(译zz)12. MegaStore: Providing Scalable, Highly Available Storage for Interactive Services(译zz)13. Case Study GFS: Evolution on Fast-forward (译)14. Google File System II: Dawn of the Multiplying Master Nodes15. Tenzing - A SQL Implementation on the MapReduce Framework (译)16. F1-The Fault-Tolerant Distributed RDBMS Supporting Google's Ad Business17. Elmo: Building a Globally Distributed, Highly Available Database18. PowerDrill：Processing a Trillion Cells per Mouse Click19. Google-Wide Profiling:A Continuous Profiling Infrastructure for Data Centers20. Spanner: Google’s Globally-Distributed Database(译zz)21. Dapper, a Large-Scale Distributed Systems Tracing Infrastructure(笔记)22. Omega: flexible, scalable schedulers for large compute clusters23. CPI2: CPU performance isolation for shared compute clusters24. Photon: Fault-tolerant and Scalable Joining of Continuous Data Streams(译)25. F1: A Distributed SQL Database That Scales26. MillWheel: Fault-Tolerant Stream Processing at Internet Scale(译)27. B4: Experience with a Globally-Deployed Software Defined WAN28. The Datacenter as a Computer29. Google brain-Building High-level Features Using Large Scale Unsupervised Learning30. Mesa: Geo-Replicated, Near Real-Time, Scalable Data Warehousing(译zz)31. Large-scale cluster management at Google with Borg google系列论文翻译集(合集)二．分布式理论系列00. Appraising Two Decades of Distributed Computing Theory Research 0. 分布式理论系列译序1. A brief history of Consensus_ 2PC and Transaction Commit (译)2. 拜占庭将军问题 (译) --Leslie Lamport3. Impossibility of distributed consensus with one faulty process (译)4. Leases：租约机制 (译)5. Time Clocks and the Ordering of Events in a Distributed System(译) --Leslie Lamport6. 关于Paxos的历史7. The Part Time Parliament (译 zz) --Leslie Lamport 8. How to Build a Highly Available System Using Consensus(译)9. Paxos Made Simple (译) --Leslie Lamport10. Paxos Made Live - An Engineering Perspective(译) 11. 2 Phase Commit(译) 12. Consensus on Transaction Commit(译) --Jim Gray & Leslie Lamport 13. Why Do Computers Stop and What Can Be Done About It?(译) --Jim Gray 14. On Designing and Deploying Internet-Scale Services(译) --James Hamilton 15. Single-Message Communication(译)16. Implementing fault-tolerant services using the state machine approach 17. Problems, Unsolved Problems and Problems in Concurrency 18. Hints for Computer System Design 19. Self-stabilizing systems in spite of distributed control 20. Wait-Free Synchronization 21. White Paper Introduction to IEEE 1588 & Transparent Clocks 22. Unreliable Failure Detectors for Reliable Distributed Systems 23. Life beyond Distributed Transactions:an Apostate’s Opinion(译zz) 24. Distributed Snapshots: Determining Global States of a Distributed System --Leslie Lamport 25. Virtual Time and Global States of Distributed Systems 26. Timestamps in Message-Passing Systems That Preserve the Partial Ordering 27. Fundamentals of Distributed Computing:A Practical Tour of Vector Clock Systems 28. Knowledge and Common Knowledge in a Distributed Environment 29. Understanding Failures in Petascale Computers 30. Why Do Internet services fail, and What Can Be Done About It? 31. End-To-End Arguments in System Design 32. Rethinking the Design of the Internet: The End-to-End Arguments vs. the Brave New World 33. The Design Philosophy of the DARPA Internet Protocols(译zz) 34. Uniform consensus is harder than consensus 35. Paxos made code - Implementing a high throughput Atomic Broadcast 36. RAFT:In Search of an Understandable Consensus Algorithm分布式理论系列论文翻译集(合集)三．数据库理论系列0. A Relational Model of Data for Large Shared Data Banks --E.F.Codd 19701. SEQUEL：A Structured English Query Language 19742. Implentation of a Structured English Query Language 19753. A System R: Relational Approach to Database Management 19764. Granularity of Locks and Degrees of Consistency in a Shared DataBase --Jim Gray 19765. Access Path Selection in a RDBMS 1979 6. The Transaction Concept:Virtues and Limitations --Jim Gray7. 2pc-2阶段提交：Notes on Data Base Operating Systems --Jim Gray8. 3pc-3阶段提交：NONBLOCKING COMMIT PROTOCOLS9. MVCC：Multiversion Concurrency Control-Theory and Algorithms --1983 10. ARIES: A Transaction Recovery Method Supporting Fine-Granularity Locking and Partial Rollbacks Using Write-Ahead Logging-199211. A Comparison of the Byzantine Agreement Problem and the Transaction Commit Problem --Jim Gray 12. A Formal Model of Crash Recovery in a Distributed System - Skeen, D. Stonebraker13. What Goes Around Comes Around - Michael Stonebraker, Joseph M. Hellerstein 14. Anatomy of a Database System -Joseph M. Hellerstein, Michael Stonebraker 15. Architecture of a Database System(译zz) -Joseph M. Hellerstein, Michael Stonebraker, James Hamilton四．大规模存储与计算(NoSql理论系列)0. Towards Robust Distributed Systems：Brewer's 2000 PODC key notes1. CAP理论2. Harvest, Yield, and Scalable Tolerant Systems3. 关于CAP 4. BASE模型：BASE an Acid Alternative5. 最终一致性6. 可扩展性设计模式7. 可伸缩性原则8. NoSql生态系统9. scalability-availability-stability-patterns10. The 5 Minute Rule and the 5 Byte Rule (译) 11. The Five-Minute Rule Ten Years Later and Other Computer Storage Rules of Thumb12. The Five-Minute Rule 20 Years Later(and How Flash Memory Changes the Rules)13. 关于MapReduce的争论14. MapReduce：一个巨大的倒退15. MapReduce：一个巨大的倒退(II)16. MapReduce和并行数据库，朋友还是敌人？(zz)17. MapReduce and Parallel DBMSs-Friends or Foes (译)18. MapReduce:A Flexible Data Processing Tool (译)19. A Comparision of Approaches to Large-Scale Data Analysis (译)20. MapReduce Hold不住？(zz) 21. Beyond MapReduce：图计算概览22. Map-Reduce-Merge: simplified relational data processing on large clusters23. MapReduce Online24. Graph Twiddling in a MapReduce World25. Spark: Cluster Computing with Working Sets26. Resilient Distributed Datasets: A Fault-Tolerant Abstraction for In-Memory Cluster Computing27. Big Data Lambda Architecture28. The 8 Requirements of Real-Time Stream Processing29. The Log: What every software engineer should know about real-time data's unifying abstraction30. Lessons from Giant-Scale Services五．基本算法和数据结构1. 大数据量，海量数据处理方法总结2. 大数据量，海量数据处理方法总结(续)3. Consistent Hashing And Random Trees4. Merkle Trees5. Scalable Bloom Filters6. Introduction to Distributed Hash Tables7. B-Trees and Relational Database Systems8. The log-structured merge-tree (译)9. lock free data structure10. Data Structures for Spatial Database11. Gossip12. lock free algorithm13. The Graph Traversal Pattern六．基本系统和实践经验1. MySQL索引背后的数据结构及算法原理2. Dynamo: Amazon’s Highly Available Key-value Store (译zz)3. Cassandra - A Decentralized Structured Storage System (译zz)4. PNUTS: Yahoo!’s Hosted Data Serving Platform (译zz)5. Yahoo!的分布式数据平台PNUTS简介及感悟(zz)6. LevelDB：一个快速轻量级的key-value存储库(译)7. LevelDB理论基础8. LevelDB：实现(译)9. LevelDB SSTable格式详解10. LevelDB Bloom Filter实现11. Sawzall原理与应用12. Storm原理与实现13. Designs, Lessons and Advice from Building Large Distributed Systems --Jeff Dean14. Challenges in Building Large-Scale Information Retrieval Systems --Jeff Dean15. Experiences with MapReduce, an Abstraction for Large-Scale Computation --Jeff Dean16. Taming Service Variability,Building Worldwide Systems,and Scaling Deep Learning --Jeff Dean17. Large-Scale Data and Computation:Challenges and Opportunitis --Jeff Dean18. Achieving Rapid Response Times in Large Online Services --Jeff Dean19. The Tail at Scale(译) --Jeff Dean & Luiz André Barroso 20. How To Design A Good API and Why it Matters21. Event-Based Systems:Architect's Dream or Developer's Nightmare?22. Autopilot: Automatic Data Center Management七．其他辅助系统1. The ganglia distributed monitoring system:design, implementation, and experience2. Chukwa: A large-scale monitoring system3. Scribe : a way to aggregate data and why not, to directly fill the HDFS?4. Benchmarking Cloud Serving Systems with YCSB5. Dynamo Dremel ZooKeeper Hive 简述八. Hadoop相关0. Hadoop Reading List1. The Hadoop Distributed File System(译)2. HDFS scalability:the limits to growth(译)3. Name-node memory size estimates and optimization proposal.4. HBase Architecture(译)5. HFile：A Block-Indexed File Format to Store Sorted Key-Value Pairs6. HFile V27. Hive - A Warehousing Solution Over a Map-Reduce Framework8. Hive – A Petabyte Scale Data Warehouse Using Hadoop转载请注明作者：phylips@bmy 2011-4-30
作者 石默研
在云计算基础设施IaaS服务中，“存”与“算”的分界是清晰的，客户会分别为“存”与“算”按需消费。不只是专门的存储服务如S3、对象存储、文件存储、NAS等，即使是在最基本的虚拟机服务ECS上，“存”也需要由消费者进行选择，而选择的对象是云盘，即位置对用户透明，不需要消费者关心是否在计算节点的本地：其实连计算节点本身位于何处也是无需关心，又何谈本地。随着云计算服务的持续发展，“存”与“算”的界限，无论是从消费模式上，还是从技术上，都呈现出越来越清晰的趋势。
而在PaaS层的数据库服务中，则出现两种情况。一种是“存”与“算”也由消费者分别选择并扩缩，而另一种则是购买服务时，“存”与“算”是固定捆绑的架构组合，可以定义大小，但无法相对独立地选择、部署与扩缩。
引发上述数据库服务不同消费模式的因素，实质上是在云中部署的数据库产品本身不同的技术架构，即“存”“算”分离，或“存”“算”一体。由于对单体数据库谈“存”与“算”的分离与一体，并没有多大意义，因此，主要是针对分布式数据库而言，其不同的特性带来了业界较为广泛的讨论。
那么，首先分析一下，在“存”“算”基础设施愈来愈独立清晰的趋势下，建立在其上的数据库服务“存”“算”一体现象从何来呢？不难发现，云平台上这样的数据库服务，大多都是基于“从非云环境中、应企业级On Premise需求产生与发展而来”的数据库产品。也就是说，其产品本初的设计理念就与“云”无关，只是后来为了寻求不同的商业模式而部署在云上而已；而大多数“存”“算”分离的数据库产品，其创始之初，就面向云环境进行设计。这里，顺便澄清一下现在极为流行的云原生概念，相当多的人混淆了云适配部署与云原生的概念，认为只要部署在云上，就是云原生了。其实云原生的概念与其字面意思极为直白契合，就是指在“云环境”中“原生”的，而不是从别的地方迁来的，即 “云原生”就是生长于云上的，而非云原生则是迁移到云上的 。这与要深入理解目前同样火热的NFT，就必须先正确理解“区块链原生”概念的道理是一样的。
相信现在，关于“云”的问题应该是比较清晰了：“存”“算”分离是云原生的架构，而“存”“算”一体则不是，这一点相信读者不会有太多的疑问。那么，接下来的问题是：“云原生”就一定好吗？面向企业级的需求，“存”“算”分离与“存”“算”一体孰优孰劣？
世界上本来就没有绝对的好与绝对的坏，“存”“算”一体架构的设计，也是在满足企业需求的过程中自然产生的，对分布式数据库而言，“存”“算”一体的设计，无论是对传统单体数据库的替代上，还是对采用业务单元化策略的局部性满足上，还是对基于已有成熟数据库体系以二次开发构建分库分表数据库产品的方便性上，都产生了积极的 历史 作用。在那种情况下，不去考虑“云”的趋势与设计需求，也是合理的。
然而，过去几十年的 历史 已经证明，计算机技术的发展是极为迅速的，无论是软件还是硬件，当然包括数据库技术同样如此。
首先，往远处看的话：从计算机科学发展的角度，在云计算大趋势的驱动下，“计算”与“存储”技术相对独立的发展道路已经越来越明显，越来越清晰。可以想见，未来“计算”力相关的技术、架构与产品必将会发展到比如今所有极为先进的状态；未来“存储”相关技术、架构与产品也必将会进展到一个无法完全预计的崭新阶段，同时越来越“智能”。并且从目前的形势看，这个未来并不会太久远，“存”“算”分离无疑是适合那个未来的各种可能的，因为它本身就是为此而原生的，“存”“算”一体在未来或许将变得无从谈起；而从国际上先进数据库技术发展的实际情况来看，绝大多数崭新的、最前沿的数据库相关技术与产品，都是云原生的，换句话说，都是采用“存”“算”分离的架构，这一点，几乎少有例外。
（或许可以猜测，把磁盘挂在本地这种现存商业计算机的架构，也是由企业/个体对计算机使用的商业模式驱动的，而不一定是技术驱动的必然结果）
其次，往近处看：对企业级现阶段数字化转型中，传统单体数据库替换的紧迫需求而言，大量的事实已经证明，云原生架构的数据库完全可以满足各种实际的业务转型需求：
例子还有很多.......
最后还有一点需要强调：对于那些 将“云”策略当成技术与业务核心发展战略 的企业来讲， 云原生架构 无论是面向现在与未来，自然是 最为适合 的；
或许可以这样说，“存”“算”一体的架构是现代分布式数据库技术进化过程中的一个重要过渡阶段，其 历史 作用不可否认，毋庸质疑；而不久的将来，分布式数据库架构向云原生快速发展普及的趋势将会越来越明显，步伐将会越来越加快......
世界潮流，浩浩荡荡；顺之者昌，逆之者亡，顺应 历史 的潮流与趋势的选择一般都是明智的。