这些都是非结构化数据的代表。图片怎么结构化计算，视频、语音等如何转化为向量的多维数据来帮助分析或机器学习，都需要进行结构化的数据处理。
其增长是非常缓慢的，而与之形成鲜明对比的是：云原生数据库领域发展得非常快。右图是亚马逊AWS、微软Azure
数据库、数据仓库和大数据这几个概念往往交织在一起，如今的一个观点是数据库和大数据技术朝着一体化发展。Gartner在报告中已经将OLAP和OLTP以及大数据合并在一起了
这使得大数据技术和数据库技术两个领域快速融合，因此未来所需要考虑的事情是如何朝着这个趋势演进，提供更多更优秀的产品。
云原生数据库和数据仓库将会全面普及。云原生概念在2020年已经非常流行了，而且云计算作为基础设施已经得到了一致的认可，而云原生代表着云计算里面最为核心的技术。
而可观测性这一概念为何在近100年后才会被提出？难道在此之前就不需要依赖各类传感器的输出定位和排查故障和问题？
通用场景：观测本质上是一个通用的行为，除了运维场景外，对于公司的安全、用户行为、运营增长、交易等都适用，我们可以针对这些场景构建例如攻击检测、攻击溯源、ABTest、广告效果分析等应用形式。
Traces：Jaeger、Zipkin、SkyWalking、OpenTracing、OpenCensus
Logs：ELK、Splunk、SumoLogic、Loki、Loggly
利用这些项目的组合或多或少可以解决针对性的一类或者几类问题，但真正应用起来你会发现各种问题：
标准协议大大扩充了我们平台能够支持的数据采集范围，而且减少了不必要的造轮子环节。上图展示了我们兼容外部协议、Agent的整体进度：
而从Trace本身的数据特点而言，它是规则化、标准化且带有依赖关系的访问日志，因此可以基于Trace去计算并挖掘更多的价值。
