虽然成功还有距离，但庆幸自己在做一件难而正确的事情。
编者按：本文来自微信公众号 爱倒腾的程序员（ID：taosdata），创业邦经授权转载
2017年6月6日，涛思数据正式成立，一晃六年就过去了。一般创业公司很难熬过三年，但涛思数据居然熬过了六年。《编程之美》《构建之法—现代软件工程》作者，CSDN副总裁邹欣对我六年创业提了六个问题，借此机会，我把数据库赛道的创业机会、挑战等方面的观察和思考清晰的表达出来，现转载与大家分享、共勉。
TDengine数据库创始人陶建辉在朋友圈分享六周年庆祝视频时说道：“一般创业公司很难熬过三年，我们居然第六年了，值得庆祝一下。”
6年前的今天，涛思数据正式成立，团队也从起初的5个人发展到近百人，TDengine在全球的安装实例已超26万，并每天按500以上的速度增长。陶建辉坦言：虽然成功还有距离，但庆幸自己在做一件难而正确的事情。
涛思数据核心成员
邹欣第一问：现在和6年前，你对数据库赛道的看法有变化吗？
陶建辉：大的来讲，我对这个这个赛道的看法没有任何改变。做数据库创业，无论是过去，还是现在，都是极其之困难，只有能坚持、追求长期价值、乐意做难而正确的事情的人才适合这个赛道。爱跟热点创业的人完全不合适的。
数据库的类型已经百花齐放，除传统的关系型数据库之外，现在有NoSQL数据库, 时序数据库（Time Series Database）、图数据库、向量数据库等等。对于关系型数据库而言，还是如同我6年前的判断，这是一个已经形成垄断的市场，机会几乎不存在。虽然在中国，有国产化替代的需求，但市场空间并不大，对Oracle这类公司在全球市场无法构成任何威胁。
到时序数据库赛道而言，我认为现在的竞争已经接近尾声。因为InfluxDB已经在市场做了10年，即使它产品一般，但市场占有率已经很高。我们TDengine已经6年，全球安装量已经超过27万套，而且每天新增至少500套以上，其他时序数据库产品要赶上InfluxDB或TDengine，已经相当困难。TDengine在全球市场赶上InfluxDB, 也还需要我使出全身的力气，增长速度至少还要翻倍才有可能。6年前我做时序数据库，有那么一点点机会，那么现在做，这个机会是几乎没有了。
随着新的应用的出现，一定需要新的数据处理工具。最近特火的向量数据库，核心原因是AI的火爆。如果你3年前甚至更早就在耕耘向量数据库，那么你今年至少会得到资本市场的热捧，而且这个赛道一定会出来至少一家100亿美元的公司。
因此做数据库创业，机会永远存在，就看你是否有前瞻性，对未来的判断，是否敢赌。但做已经被垄断的市场，如果你的产品无论是性能、功能还是稳定性不比现有的好5倍以上，而且有足够的市场推广能力，我建议千万不要头脑发热。
邹欣第二问：当初的团队，6年后还有多少仍然在奋斗？他们为何离开？
陶建辉：我们创业团队，除三个月内主动或被动离开的之外，至少前10号员工全部还在团队继续战斗，这是我十分欣慰的事情。他们之所以没有离开，核心原因是看到了公司的增长，个人价值的提升。如果今后离开了，那一定是他们觉得个人价值不能得到更多的提升。
TDengine成立后的前2年，包括我自己，就五个人，到第三年，增加了一位。团队真正扩张，是在2020年疫情爆发以后。我对初期的员工，精挑细选，而且要求很高，3个月内，不符合我要求的，我一定会请走，前30位入职的，至少有一半都走了。比如销售，我请的前4位销售，经历背景都很光鲜，但都是不到2个月，都走了。
邹欣第三问：6年来世界也有很大变化，我们经历了3年一起，大部分创业特团队都活不过三年，你们6年发展壮大，和其他创业团队最大的区别是？
陶建辉：如果只能说一个区别的话，那就是选对了赛道。6年前，我在给人聊时序数据库，几乎没人知道，也没有人乐意听。但我们赶上了物联网、工业互联网的爆发，赶上了大家对国产基础软件的狂热支持和期盼，而且选择了正确的推广方式，开源。
再说一个区别的话，那就是由于我是创业老兵。这是我第三次创业，以前吃过很多苦头，踩过无数的坑，因此懂怎么建立精小的团队，怎么做减法，而不是加法，知道钱应该花在哪里，知道怎么给产品精准定位。
邹欣第四问：如果穿回6年前，有什么事情是你最想改变的？
陶建辉：如果回到6年前，我初创团队里一定要引入一位在海外能做研发、又有一定市场运营经验的人。在全球市场，我们现在声量还不大，因为我直到2022年8月才开始真正有动作。最好的市场推广窗口已经错过，让我们赶上并超越InfluxDB的难度大了很多很多。如果2017年我们就在海外的技术社区、媒体、活动开始发声、露面，那现在就容易多了。
邹欣第五问：数据库这门技术，在大学也讲了很多年了，也出现了大数据等专业，你认为学校数据库的学生，除了传统的“增删改查“，还应该学什么技能
陶建辉：应该学习数据库怎么选型。因为现在的数据库种类越来越多，世界上没有十全十美的数据库，都是针对场景设计的。因此学生需要学习什么场景下，应该选关系型数据，是OLTP还是OLAP型，什么场景下，应该选时序数据库，什么场景下，应该选NoSQL等等。
而且除数据库之外，应该学习更多的data engineering需要的比如消息队列、流式计算的原理以及流行的工具。
邹欣第六问：展望下一个6年，你认为数据库/大数据应用会有什么改变？目前火热的AIGC/LLM技术也会颠覆数据库应用么？
陶建辉：数据库是基础设施，是任何软件的基座，不会由于AI的出现，关系型数据库就不要了，时序数据库就不要了，他们依然还会存在，而且依然增长。就好比电力，并没有由于互联网的出现，电力就不需要了。
AIGC/LLM的火热，能让新型的向量数据库更加成熟、在AI应用里扮演重要的角色，催生出一到三家成功的以向量数据库为核心业务的公司。
对于现有关系型、时序型、NoSQL或其他数据库而言，需要做的就是积极拥抱AI，能让自己与各种AI工具无缝集成。