平替Navicat ？开源12年，这个最初仅2人的项目斩获42.5k star，如今年收入过亿

近日，DBeaver 更新了最新版 25.0 版本，更新内容主要聚焦在 Data Editor、SQL Editor、AI 助手、Diagrams 等方面。尤其值得注意的是，在 AI 助手方面，25.0 版本修复了在扩展中禁用 AI 时出现过多 AI 请求的问题。

目前，DBeaver 已经在 GitHub 平台斩获 42.5k star。那么，这款开源软件为何如此受欢迎？

由于 DBeaver 基于 Java 开发，可以运行在各种操作系统上，包括：Windows、Linux、macOS 等。DBeaver 采用 Eclipse 框架开发，支持插件扩展，并且提供了许多数据库管理工具：ER 图、数据导入 / 导出、数据库比较、模拟数据生成等。

DBeaver 通过 JDBC 连接到数据库，可以支持几乎所有的数据库产品，包括：MySQL、PostgreSQL、MariaDB、SQLite、Oracle、Db2、SQL Server、Sybase、MS Access、Teradata、Firebird、Derby 等等。

简单来说就是，不仅各种数据库“通吃”，而且还开源，免费。

那么，这样一款强大又免费的工具，到底是什么来头？

GitHub 地址：https://github.com/dbeaver/dbeaver

DBeaver 是一款免费的、通用的数据库客户端工具，支持多种数据库管理系统，包括 Oracle、MySQL、PostgreSQL 等，还能在商业版中管理 NoSQL 数据库，例如 MongoDB、Redis 等。它帮助开发者高效管理数据库、编写 SQL 脚本、做数据分析，甚至导出 / 迁移数据，可以算得上是一款名副其实的“一站式数据库管家”。

2010 年，俄罗斯程序员 Serge Rider 以个人身份创建了 DBeaver 的第一个版本，当时 Serge 将它定义为开源数据库管理工具，并将其命名为“海狸”，因为当时用动物命名初创公司或选择动物作为公司吉祥物是一种流行做法。

当时几乎所有科技公司都出现了这种趋势，但在数据库领域尤其明显。目前市场上被大家所熟知的一些最显著的例子是 PostgreSQL 的大象和 MySQL 的海豚。数据库管理工具也经常以动物命名，例如 Toad 和 SQuirreL。这个想法诞生于 1997 年，但它的象征意义一直保留至今。

在创建 DBeaver 前，Serge 已有多年数据库管理和开发工具领域的经验。他曾 EPAM Systems 公司参与企业级数据库系统的开发，这促使他意识到市场上缺乏一个跨平台、支持多数据库且开源的通用管理工具。这让他看到了巨大的市场机遇，于是便有了如今的 DBeaver 。

Serge Rider

2013 年，随着项目的逐渐成熟，Serge 将 DBeaver 开源出来，并收到诸多正向反馈。

Serge 可能没有想到 10 年后，DBeaver 会拥有超过 800 万用户。这款开源产品非常受欢迎，以至于 Serge 在 2017 年成立了一家公司来支持它，并开始为有企业需求的用户构建商业产品。

最初几年，Rider 只是建立了一个网站，人们才发现了这个开源工具，但当她在 2016 年将其放在 GitHub 上时，它才真正开始流行起来，并在开源后的一年里迅速发展成为一个拥有 30 多万用户的社区。

到 2017 年，随着 DBeaver 的用户持续增长，Serge 和另一位该项目的核心维护者 Krupenya 成立了公司 DBeaver Corporation（Tatiana Krupenya 担任 CEO，Serge Rider 担任 CTO

），以提供商业版（Enterprise Edition）和专业支持，同时保持社区版开源（基于 Apache 2.0 许可证）。

Tatiana Krupenya

公司成立后，DBeaver 立即发布了第一个商业版本，据 Rider 透露，DBeaver 的产品不仅可以解决数据库管理过程中的主要问题，还可以满足高级别安全标准的要求。这些目标每年都变得越来越重要。当发布商业版本时，他们在第二天就售出了第一个许可证，因为社区中的人们希望在经济上支持他们。

商业和开源之间的主要区别在于产品的使用方式。对于连接到数据库的个人开发人员来说，开源产品可能就足够了，但如果要为大型组织工作，其基础设施在云端，并且有安全要求，那么商业版本可能更符合这类客户的需求。

截止目前，DBeaver 的付费客户包括 IBM、三星和穆迪（以及公司无法公开分享的其他一些大公司）。

到了 2022 年，DBeaver 宣布推出 CloudBeaver，这是一款用于数据库管理的轻量级 Web 应用程序。CloudBeaver 支持许多流行的 SQL 和 NoSQL 数据库，如 PostgreSQL、Oracle、MySQL、SQL Server、MongoDB、Cassandra 等。CloudBeaver 具有方便的用户界面（用于审查和数据编辑）、数据库对象的可视化以及强大的 SQL 编辑器。

如今，DBeaver 已积累了约 42500 个 Github Star（包括其云产品 CloudBeaver 在内的数量超过 33,000 个），并拥有一个忠实的用户社区，创始团队与该产品互动频繁。

公司成立 8 年来，一直保持小规模团队运营的模式，该公司拥有 40 名员工，并打算保持精简。拥有一个参与开源产品的开发人员社区的优势之一是，他们可以帮助为产品添加功能，例如将其翻译成不同的语言。她说，打造多元化的公司是核心价值观之一，他们在组织的各个方面都有一支多元化的团队。

2023 年，在社区用户迎来爆发式增长后，公司聘请了 Dion Cornett 担任新总裁，Cornett 在软件行业拥有超过 25 年的经验，曾担任 Red Hat、MariaDB、ReachForce 和 Liquibase 的高级领导职务。他是开源软件和数据库技术领域公认的专家。

随后 2023 年 4 月，公司迎来了一笔 600 万美元种子投资。

据 LeadIQ.com 网站数据，截至 2025 年 3 月，DBeaver 的年收入达到 1500 万美元（折合人民币约 1.09 亿元）。

随着 DBeaver 用户越来越多，关于“DBeaver 是最好的数据库管理器”的讨论也逐渐热起来。在国外知名智能问答与知识发现平台 Quara 上，有用户认为，DBeaver 可以跨多平台管理多个数据库且免费的属性就深的人心。该用户表示：

“根据我的经验，我查看了许多工具，其中一些工具仅连接到一个引擎（Oracle SQL Developer、MS SQL Server Management Studio、MySQL Workbench、Aginity Workbench for Redshift、pgAdmin for Postgres、dbForge），而那些工具则连接到多个工具（dBeaver、db Visualizer、SQL Workbench、Toad），我发现 DBeaver 在连接的引擎多样性、外观和可用性方面都更加出众。”

DBeaver 在使用上的一些小巧思也提升了产品的易用性。有用户称：

“DBeaver 是管理大型数据库的强大工具。我最喜欢 DBeaver 的地方在于它能够与最常用的数据库（Oracle、MySQL、SQLite 和 PostgreSQL）配合使用。我喜欢的另一个功能是可以通过插件直接在 Eclipse 中安装 DBeaver 。”

DBeaver 在 Hacker News 上也常常是被讨论的对象，主要是用来拿它和付费数据库管理软件 Navicat 做对比。甚至有位 ID 名为 cowmix 的用户将其视为“救命神器”，优秀得想让用户为它自愿掏兜！

“DBeaver 真心好用！我每天都要从不同系统查数据、导数据，这工具简直是我的救命神器。不过有个小遗憾：除了买商业版或者订阅，好像没找到直接给开源版捐款的入口。”

当然，也有其他用户质疑这位想要“掏兜”的用户为什么不直接花钱订阅付费版？

cowmix 给出的回复是：不喜欢他们提供的订阅选项，只想简单地 付费支持 。

“我只想每年花 50 美元购支持社区版本，总比现在白嫖强吧！”

在当今的混合云基础设施世界中，企业部署了各种各样的传统数据库和下一代数据库来满足其多样化的数据需求。随着越来越多的数据库被实施，以及 Teradata 和 SQL Server 等本地解决方案被 Snowflake 数据仓库等云产品所补充，用户必须应对日益增加的复杂性和冗余性，才能访问每个数据库并相应地管理工作流程。

对于开发人员、数据库管理员 (DBA) 和数据分析师来说，特定于平台的访问已变得繁琐，因此需要 SQL 客户端集成开发环境 (IDE) 来集中管理并为用户提供单一、流畅的工作空间。随着企业之间数据库使用的进一步多样化以及用户（技术和非技术）的不断增加，IDE 已经并将继续发挥越来越重要的作用。

这也是 DBeaver 在 2023 年迎来 600 万美元种子基金的众多原因之一。

如今，DBeaver 受到全球 800 多万用户以及亚马逊、IBM 等公司的信任。客户信任 DBeaver 是因为它支持近 100 种数据库、一体化数据库管理平台、大数据和 NoSQL 数据库中的企业功能，以及为用户提供强大的 SQL 编辑器、数据编辑器、可视化查询生成器等的领先功能集。

DBeaver 已巩固了其在数据用户核心基础设施层中的地位，在从数据存储到数据使用的价值链中建立了一个关键连接点。该产品从这一定位中受益匪浅，这使公司能够迅速实现新功能，并将全面的技术趋势转化为 IDE 中的关键产品功能，同时继续为用户提供关键价值。

伴随着大语言模型的爆火，DBeaver 也提供了使用自然语言构建 SQL 查询的功能，并具备 AI 智能完成和 AI 聊天功能。

例如，DBeaver 已经与 OpenAI API 的集成现在允许 DBA 利用简单的提示。

举个简单例子，在 ChatGPT 中输入编写一个 SQL 语句从 foress 数据库“显示所有发票”时，得到的回复相当完美——不仅生成了正确的 SQL 语句，还贴心地建议实验者应该确认实际的表名和列名，这种能力对于不熟悉 SQL 语法的业务人员或需要快速验证想法的开发者来说具有重要价值。但如果换个方式，直接输入“显示所有发票”，结果就大相径庭。

这就说明了，当前人工智能技术在 SQL 查询领域的应用呈现出明显的双面性。一方面，以 ChatGPT 为代表的大语言模型展现出了令人惊喜的潜力，能够根据自然语言描述生成基本的 SQL 查询语句。在实际测试中，当我们提供明确的数据库上下文（如指定使用 PostgreSQL）和具体的查询需求时，AI 确实能够生成语法正确、逻辑合理的 SQL 语句，甚至还能给出优化建议。

然而，这项技术在实际应用中面临着几个关键挑战。首先是上下文依赖问题，AI 需要完整的数据库结构信息（包括表名、字段、关系等）才能生成准确的查询， 这导致了一个悖论：如果用户已经掌握了如此详细的数据库知识，那么直接手写 SQL 可能比向 AI 解释需求更高效 。其次是技术限制，包括 token 数量约束（GPT-4 最多处理 32,000 个 token）、企业网络环境兼容性问题，以及针对超大型数据库或 NoSQL 数据库的支持不足等现实障碍。

从实现路径来看，通过 API 集成比直接使用 ChatGPT 界面更为可行。就像 DBeaver 这种数据库管理工具，已经实现了这种深度集成，能够自动管理上下文传递，让用户专注于表达查询意图而非技术细节。但必须认识到，AI 当前最适合处理的是简单到中等复杂度的 SELECT 查询，对于存储过程、复杂分析查询等场景仍存在局限。

参考链接：

https://headline.com/blog-latest/article-latest/investing-in-database-management-dbeaver

https://github.com/dbeaver/dbeaver

https://cybernews.com/security/tatiana-krupenya-dbeaver-the-security-issue-concerns-not-only-data-but-also-processes-in-the-company/

https://news.ycombinator.com/item?id=39662161