淘宝现在数据库使用的什么

淘宝现在使用的是阿里云的数据库服务。阿里云是阿里巴巴集团旗下的云计算服务提供商，为淘宝提供了高可用、可扩展的数据库解决方案。具体来说，淘宝使用了阿里云的云数据库RDS（Relational Database Service）和云数据库PolarDB。

1. 云数据库RDS：淘宝在一段时间内使用了云数据库RDS，它是一种基于云计算的关系型数据库服务。它提供了MySQL、SQL Server、PostgreSQL、MariaDB和PPAS等多种数据库引擎，可以满足不同业务的需求。云数据库RDS具有高可用、弹性扩展、自动备份、监控告警等特性，能够提供稳定可靠的数据库服务。

2. 云数据库PolarDB：近年来，淘宝开始逐步迁移至云数据库PolarDB。云数据库PolarDB是阿里云推出的一种全球领先的云原生分布式关系型数据库。它基于PolarDB引擎，采用了共享存储和多副本一致性协议，具有高性能、高可用、高扩展性等特点。云数据库PolarDB可以提供更高的性能和可靠性，能够支持淘宝庞大的用户访问量和数据存储需求。

3. 数据库集群：为了保证淘宝系统的高可用性和可扩展性，淘宝还采用了数据库集群技术。数据库集群是将多个数据库服务器组成一个集群，通过共享数据和负载均衡来提供高性能和高可用性。淘宝的数据库集群可以自动分配负载，实现水平扩展和故障转移，确保系统的稳定运行。

4. 数据库分库分表：随着淘宝业务的增长，数据量也不断增加，为了提高数据库的性能和扩展性，淘宝还使用了数据库分库分表技术。数据库分库分表将大型数据库拆分成多个小数据库，每个小数据库分别处理一部分数据，从而减轻单个数据库的负载压力，提高查询和写入性能。

5. 数据备份和恢复：淘宝非常注重数据的安全性和可靠性，因此定期进行数据库备份，并建立了完善的数据恢复机制。淘宝的数据库备份策略包括定时备份和增量备份，可以快速恢复数据以应对各种故障和灾难情况。

总结起来，淘宝现在使用的数据库是阿里云的云数据库RDS和云数据库PolarDB，同时采用数据库集群、分库分表、数据备份和恢复等技术来提供高可用、可扩展的数据库服务。这些技术的应用保证了淘宝系统的稳定运行和数据的安全性。

淘宝目前使用的数据库主要有两种：关系型数据库和非关系型数据库。

关系型数据库：淘宝在早期使用的关系型数据库是Oracle，它是一种传统的关系型数据库管理系统（RDBMS），采用结构化的数据存储方式。Oracle具有成熟稳定的特点，对事务处理和数据一致性有较好的支持，适用于处理复杂的关系型数据。

非关系型数据库：随着淘宝的发展，数据量逐渐增大，对于高并发和大数据处理的需求也越来越大，于是淘宝引入了非关系型数据库（NoSQL）。目前淘宝主要使用的非关系型数据库是阿里云自研的分布式数据库PolarDB，它是一种支持水平扩展的关系型数据库，具备高并发、高可用和高性能的特点。PolarDB采用分布式架构，可以将数据分散存储在多个节点上，实现数据的快速读写和查询。

此外，淘宝还使用了其他非关系型数据库，如阿里巴巴自研的分布式存储系统OceanBase和分布式缓存数据库Tair等，用于满足不同的业务需求和场景。

总的来说，淘宝在数据库选择上采用了多种技术，既包括传统的关系型数据库，也包括现代的非关系型数据库，以满足不同业务场景下的需求。

淘宝目前使用的数据库主要包括关系型数据库和非关系型数据库。

关系型数据库：

1. MySQL：MySQL是一种开源的关系型数据库管理系统，是淘宝最常用的数据库之一。它具有稳定性高、性能优越、易于使用等特点，适用于大规模数据的存储和处理。
2. Oracle：Oracle是一种商业关系型数据库管理系统，淘宝在某些关键业务场景中也使用了Oracle数据库。Oracle具有强大的事务处理能力和高可用性，适合处理大规模数据和高并发访问。
3. SQL Server：SQL Server是微软开发的关系型数据库管理系统，淘宝的一些业务系统中也采用了SQL Server作为底层数据库。SQL Server具有良好的安全性、可扩展性和易用性。

非关系型数据库：

1. Redis：Redis是一种基于内存的非关系型数据库，淘宝广泛使用Redis作为缓存系统，用于存储热点数据和临时数据，以提高系统的读写性能和响应速度。
2. MongoDB：MongoDB是一种面向文档的非关系型数据库，淘宝在一些场景中使用MongoDB存储和处理非结构化的数据，如用户评论、商品描述等。
3. HBase：HBase是一种分布式的非关系型数据库，淘宝在大数据分析和实时计算场景中使用HBase存储海量数据，并实现快速的读写操作。

淘宝的数据库选择根据具体的业务需求和性能要求，不同的数据库有不同的优势和适用场景。在实际应用中，淘宝往往采用多种数据库的组合，通过合理的架构设计和数据分片技术，来满足高并发、大规模数据存储和处理的需求。