多元智能時代zCloud引領數(shù)據(jù)庫運維的智能與敏捷革新

多元智能時代zCloud引領數(shù)據(jù)庫運維的智能與敏捷革新當前數(shù)據(jù)庫運維面臨的挑戰(zhàn)多樣的基礎架構(gòu)傳統(tǒng)IT架構(gòu)單一云多云公有云私有云混合云多樣的數(shù)據(jù)庫商業(yè)數(shù)據(jù)庫、云數(shù)據(jù)庫OracleDB2SQLServerALiYun/HW/Tencent

RDS開源數(shù)據(jù)庫MySQLPostgreSQLRedis

MongoDB國產(chǎn)數(shù)據(jù)庫達夢TDSQLOceanBaseKingBaseopenGauss

……核心系統(tǒng)CRM系統(tǒng)PLM系統(tǒng)……物料系統(tǒng)樣機訂單客服系統(tǒng)……電商平臺客戶洞察監(jiān)管新規(guī)……ITSM集成CMDB集成數(shù)據(jù)打通……傳統(tǒng)數(shù)據(jù)庫物 虛 私理 擬 有機 機 云開源數(shù)據(jù)庫物 虛理 擬機 機容器國產(chǎn)數(shù)據(jù)庫物 虛 私理 擬 有機 機 云云數(shù)據(jù)庫公 公 公有 有 有云 云 云1 2 3集成類場景創(chuàng)新業(yè)務場景中長尾場景穩(wěn)定業(yè)務場景復雜的多元混合數(shù)據(jù)庫環(huán)境管理運維對象指數(shù)級增長數(shù)量運維人員線性增長時間靈活敏捷低門檻專業(yè)高效可信賴定制化標準化穩(wěn)定敏捷創(chuàng)新業(yè)務場景集成類場景穩(wěn)定業(yè)務場景中長尾場景專業(yè)高效挑戰(zhàn)發(fā)展創(chuàng)新挑戰(zhàn)GAP增大傳統(tǒng)運維模式難以為繼十幾種數(shù)據(jù)庫類型，成百上千套庫，數(shù)萬指標，運維對象指數(shù)級增長，如何專業(yè)高效，解決挑戰(zhàn)，保障數(shù)據(jù)庫穩(wěn)定運行？數(shù)據(jù)庫運維要適應業(yè)務發(fā)展創(chuàng)新比如離職庫賬號關閉、取數(shù)、遷移、變更規(guī)范調(diào)整等，操作的同時還需遵守規(guī)范、滿足審計。如何快速滿足各種新訴求？AI的發(fā)展和客戶訴求結(jié)合，

促使數(shù)據(jù)庫AIOps加速落地Gartner發(fā)布2024年企業(yè)機構(gòu)需要探索的十大戰(zhàn)略技術趨勢，其中AI的發(fā)展帶來的機遇最為明顯：生成式AI：到

2026

年，Gartner預測超過80%的企業(yè)將使用生成式AI的API或模型，或在生產(chǎn)環(huán)境中部署支持生成式AI的應用。AI智能應用：

指基于AI的服務，更好地增強工作或提高工作的自動化程度。2023年Gartner調(diào)查，26%的CEO表明，AI被認為是未來三年對他們所在行業(yè)影響最大的技術AI增強開發(fā)：使用生成式AI、機器學習等AI技術協(xié)助軟件工程師進行應用設計、編碼和測試，提高開發(fā)人員生產(chǎn)力，滿足業(yè)務運營對軟件日益增長的需求。Gartner表明AI已經(jīng)逐步成熟部分客戶AI訴求某基金智能異常檢測：能自動產(chǎn)生不同業(yè)務的基線，能幫助客戶快速發(fā)現(xiàn)異常的時段，并了解異常偏離的程度。智能故障預測：了解某些指標在未來長期的趨勢，以便進行風險預防和提前規(guī)劃。某保險NL生成SQL：客戶希望實現(xiàn)，AI生成SQL語句，接著用我們SQM審核，進行聯(lián)動。相關的SQL能應用在功能特性中。用這種方案降低SQL寫作的工作量投入。2023年新興技術成熟度曲線生成式AIAI增強開發(fā)AI智能應用低代碼是應對數(shù)據(jù)庫運維多樣性挑戰(zhàn)的最佳方案業(yè)務流程差異不同行業(yè)標準（如：運營商）不同監(jiān)管要求（如：金融）不同供應商需求管理開發(fā)成本高交付周期長變更頻率高響應要求快安全規(guī)范差異數(shù)據(jù)安全管理（如：審批流程）操作安全管理（如：權(quán)責管控）低代碼應對策略靈活組件復用和調(diào)整，靈活應對需求變更低門檻數(shù)據(jù)庫組件拖拽、流程配置、界面可視化配置低成本減少人力成本、溝通成本、變更成本敏捷交付周期短，按需快速搭建功能業(yè)務行業(yè)人員挑戰(zhàn)云和恩墨z

Cloud——

構(gòu)建智能、敏捷的數(shù)據(jù)庫管理平臺規(guī)劃優(yōu)化建設運維變更審批變更執(zhí)行變更審計備份策略備份服務器恢復操作數(shù)據(jù)校驗高可用創(chuàng)建高可用策略高可用監(jiān)控高可用切換智能性能分析容量分析問題診斷

變化趨勢 基準數(shù)據(jù)巡檢報告

智能監(jiān)控告警數(shù)據(jù)采集歷史數(shù)據(jù)巡檢策略實時指標安裝流程任務中心 任務監(jiān)控文件倉庫參數(shù)模板資源模板納管

新建 擴展備份恢復任務管理高可用數(shù)據(jù)庫性能分析/容量管理空間擴容 優(yōu)化建議數(shù)據(jù)庫監(jiān)控告警巡檢數(shù)據(jù)庫安裝部署SQL審核變更申請恢復演練容災演練智能趨勢預測全新巡檢中心專家預配置模板+場景自定義數(shù)據(jù)庫服務化數(shù)據(jù)庫資源池數(shù)據(jù)中間件RDS基于低代碼的開放運維框架基于WaaS理念的AI模型WaaS(Wisdom

as

aService)，是將AI算法與專家經(jīng)驗結(jié)合，把數(shù)據(jù)庫維護在最佳狀態(tài)的一種智能理念?；赪aaS理念的模型，持續(xù)采集大量數(shù)據(jù)，進行初步處理，形成有效信息，再依托人工高級專家標注+機器學習算法訓練的動態(tài)知識庫，對信息進行分析自處理。WaaS動態(tài)知識庫可以持續(xù)積累增長，覆蓋越來越多的場景。01智能告警，閾值自動隨業(yè)務趨勢動態(tài)適配智能SQL分析，從海量SQL->重點SQL->問題SQL->具體問題，自動識別，智能分析智能診斷，自動感知問題，分析推薦解決方案AI賦能運維平臺基于WaaS理念的AI模型漏告、誤告在上面場景里，“一刀切”靜態(tài)閾值，和業(yè)務特征不匹配，導致漏告、誤告；配置繁瑣需人工為每個庫，手動配置閾值，還需定期結(jié)合業(yè)務發(fā)展調(diào)整閾值，工作量大；某日風控調(diào)用數(shù)曲線交易高峰時段9:00~15:00準確告警智能基線隨業(yè)務變化動態(tài)調(diào)整，和業(yè)務特征匹配，讓監(jiān)控告警更準確，避免誤報、漏報；一鍵開啟針對成百上千套大規(guī)模數(shù)據(jù)庫管理，無需人工配置，僅一鍵開啟即可，從而節(jié)省人力成本?！痢练歉叻鍟r段6:00~8:00??典型場景金融交易均伴有風控，風控調(diào)用數(shù)監(jiān)控是非常重要的內(nèi)容，需要發(fā)現(xiàn)異常并分析處置。XX基金某日7點多，出現(xiàn)一波此時段不可能出現(xiàn)的調(diào)用量，但因未達到靜態(tài)閾值，沒有發(fā)現(xiàn)。10點多開始，大量的調(diào)用數(shù)過多告警出現(xiàn)，經(jīng)分析發(fā)現(xiàn)是每月12日，例行定投高峰疊加常規(guī)交易的正常調(diào)用，虛驚一場……

“智能告警，

自動識別業(yè)務特征，

不漏告、不誤告告警痛點新思考新實踐交易高峰時段9:00~15:00非高峰時段6:00~8:00F1≥90%，指標檢測超過人類專家查準率，檢測出的異常中真正異常的占比，算法訓練調(diào)優(yōu)結(jié)果95%左右；召回率，真正的異常中被檢測為異常的占比，算法訓練調(diào)優(yōu)結(jié)果為86%左右；F1，查準率和召回率的調(diào)和平均數(shù)，反映了查準率和召回率的各自水平以及平衡性，算法訓練調(diào)優(yōu)結(jié)果≥90%；智能告警的關鍵技術要點根據(jù)運行歷史，自動校正基線質(zhì)量，臨界范圍，容忍條件基線質(zhì)量控制，當基線的R2<0.5時，認為基線不符合質(zhì)量，自動將告警切換為靜態(tài)閾值，當滿足質(zhì)量條件后自動切換為動態(tài)閾值臨界范圍控制，可通過經(jīng)驗，設置臨界值（上限值和下限值），讓算法修正最終的動態(tài)閾值；容忍條件控制，可設置異常容忍策略，連續(xù)多個數(shù)據(jù)點超過閾值后判定為異常；使用歷史智能基線和歷史真實值計算出來的擬合殘差均值、擬合殘差標準差，對預測的智能基線進行校正識別問題時間段和問題類型1識別性能衰變SQL2識別SQL性能根源3根據(jù)識別分析結(jié)果，構(gòu)建索引，恢復業(yè)務4監(jiān)控性能指標展示活動會話分析圖表AAS方法TOPSQL智能基線CPU資源基線歷史活動會話90分位線TOP

SQL列表OWI方法SQL數(shù)據(jù)列選擇度性能數(shù)據(jù)執(zhí)行計劃優(yōu)化參考的關鍵信息多維度拆解對比分析相關分析平臺集成各類分析方法，輔助DBA識別問題根源并支撐問題處理關聯(lián)展示智能SQL分析，

讓您變身優(yōu)化專家，

1

分鐘定位性能難題事后：追蹤到索引丟失，因xxx造成，調(diào)整xxx規(guī)范，避免類似情況再次發(fā)生?？蛻魞r值數(shù)據(jù)庫智能監(jiān)控告警，提前規(guī)避80%問題智能SQL分析、智能診斷，問題定位效率提升10倍從海量SQL->重點SQL->問題SQL->具體問題，自動識別，智能分析數(shù)據(jù)庫實例->集群->主機三位一體的深度監(jiān)控，收到問題預警時，運維人員通過zCloud一鍵診斷即可迅速定位故障原因統(tǒng)一數(shù)據(jù)庫管理，資產(chǎn)和運維雙視角展示，資源、狀態(tài)、問題一目了然資產(chǎn)總覽從業(yè)務使用視角清晰呈現(xiàn)數(shù)據(jù)庫系統(tǒng)資源、狀態(tài)、可用資源信息監(jiān)控總覽從運維視角呈現(xiàn)數(shù)據(jù)庫狀態(tài)核心指標和變化趨勢，實時掌握數(shù)據(jù)庫運行狀態(tài)，聚焦核心問題解決方案基于云和恩墨zCloud打造數(shù)據(jù)庫統(tǒng)一監(jiān)控平臺，統(tǒng)一納管生產(chǎn)環(huán)境數(shù)百套Oracle、MySQL、openGauss、OceanBase、Redis等數(shù)據(jù)庫。上線功能模塊包括數(shù)據(jù)庫巡檢、數(shù)據(jù)庫監(jiān)控告警、數(shù)據(jù)庫性能分析、數(shù)據(jù)庫故障一鍵診斷。構(gòu)建了“數(shù)據(jù)庫實例->集群->主機”三位一體的深度監(jiān)控體系，并逐步完善了三層架構(gòu)風險預警機制?？梢詭椭\維人員快速發(fā)現(xiàn)問題并給出決策建議。當收到問題預警時，運維人員通過

zCloud

一鍵診斷即可迅速定位故障原因，節(jié)省了大量時間，提升了主動運維的效率。客戶案例：

某銀行02靈活，可按需調(diào)整，靈活應對需求變化高效，交付周期短，按需快速搭建功能豐富，將數(shù)據(jù)庫、主機、磁盤、網(wǎng)絡等運維能力封裝為3000多個原子能力，支撐輕松搭建新場景功能低代碼助力敏捷運維基于低代碼的開放運維框架z

Cloud低代碼，

數(shù)小時即可完成，

數(shù)據(jù)庫運維能力擴展01.可視化界面配置支持表格、表單、卡片、報表、拓撲圖等多種前端組件，數(shù)小時即可完成界面配置02.業(yè)務流程編排腳本編排原子能力，通過簡單拖拽實現(xiàn)業(yè)務流程自定義編排數(shù)小時數(shù)小時060504020301更多創(chuàng)新更多可能API對接數(shù)據(jù)庫升級數(shù)據(jù)備份恢復數(shù)據(jù)導入/導出數(shù)據(jù)庫安裝部署低代碼助力敏捷運維-

場景1

：

賬號回收中的應用與效果數(shù)據(jù)庫種類繁多密碼處理不安全賬戶對應人困難通知提醒不準確管理者處理過程沒有安全風險DBA處理過程完整降低工作量開發(fā)人員定向通知沒有無關信息開發(fā)人員由于需要定位問題，通常需要在生產(chǎn)數(shù)據(jù)庫中擁有賬號，這些數(shù)據(jù)庫的賬號DBA如何管理？如何提醒快過期的賬號如何定期回收不用賬號不同角色的訴求賬號回收中的挑戰(zhàn)低代碼助力敏捷運維-

場景1

：

賬號回收中的應用與效果低代碼助力敏捷運維-

場景2

：

數(shù)據(jù)提取場景的應用與效果數(shù)據(jù)庫種類繁多工作串行化費時腳本修改易出錯執(zhí)行錯誤易返工DBA盡量降低機械工作的處理時間降低工作量開發(fā)人員數(shù)據(jù)快速獲取支撐后續(xù)的測試任務開發(fā)人員在應用上線前，需要使用生產(chǎn)數(shù)據(jù)進行仿真測試，仿真環(huán)境搭建復雜，包括數(shù)據(jù)的導出，導入，數(shù)據(jù)的脫敏等，DBA如何能快速完成這些任務？如何將不同的流程打通并自動銜接如何快速完成一些費時的任務。比如，數(shù)據(jù)庫的部署不同角色的訴求賬號回收中的挑戰(zhàn)低代碼助力敏捷運維-

場景2

：

數(shù)據(jù)提取場景的應用與效果高效率項目實際開發(fā)和交付周期小于6個月，滿足客戶上線時間要求易使用&易維護基于低代碼開發(fā)的業(yè)務功能完全具備標準化產(chǎn)品的質(zhì)量要求，且通過流程的修改/擴展快速響應業(yè)務需求變化?？蛻舭咐?/p>

某運營商痛點①某運營商使用了集團自研teleDB和telePG數(shù)據(jù)庫，這2款數(shù)據(jù)庫具備分布式、多分片、高可用容災等多種特性，但在運維過程中經(jīng)常需要按需進行數(shù)據(jù)庫集群資源的擴縮、容災切換等操作，目前缺少可視化的管理平臺，導致管理效率低下；②開發(fā)建設專業(yè)的數(shù)據(jù)庫容災管理系統(tǒng)和平臺代價巨大，期望開發(fā)和交付的項目周期短（半年），投入遠大于產(chǎn)出。方案效果低成本整體項目成本相較于獨立建設專業(yè)容災

管

理

平

臺

，

成

本

只

有

后

者

的10~20%業(yè)務場景teleDB主備切換switchoverFailovertelePG主備切換switchoverFailover節(jié)點擴縮添加節(jié)點納管節(jié)點移除節(jié)點容災切換基于低代碼能力構(gòu)建zCloud

for

teleDB/telePG

數(shù)據(jù)庫統(tǒng)一運維管理平臺標準運維能力自動化安裝部署監(jiān)控告警巡檢性能容量管理文件傳輸、文件管理、參數(shù)模板等預置原子能力（3000+）預置圖形化組件表格、圖表、流程、拓撲圖、卡片、彈窗等文件/日志檢查、數(shù)據(jù)稽核、服務管理等用戶自定義原子能力開發(fā)安裝參數(shù)模板管理新增節(jié)點部署切換前數(shù)據(jù)庫檢查流程數(shù)據(jù)庫SwitchOver/Failover切換流程…解決方案實現(xiàn)了數(shù)據(jù)庫運維能力的服務化，讓業(yè)務人員自助參與運維工作，減輕DBA負擔；構(gòu)建數(shù)據(jù)庫統(tǒng)一的運維平臺，不僅具備數(shù)據(jù)庫專業(yè)的運維能力，也要全面覆蓋DBA日常工作需求一體化協(xié)同工作效率大幅提升，基于運維平臺進行創(chuàng)新，靈活擴展更多的能力，達到“降本增效”的目標痛點①數(shù)據(jù)庫類型多，沒有專業(yè)的數(shù)據(jù)庫運維管理平臺（之前對數(shù)據(jù)庫的監(jiān)控運維是通過某廠商的“泛監(jiān)控”平臺，深度不足）；②DBA需要被動響應及支持業(yè)務側(cè)/開發(fā)側(cè)各種數(shù)據(jù)庫操作需求，日常工作效率受很大影響。③日常運維管理需求多樣化、個性化，標準化產(chǎn)品難以滿足，現(xiàn)有工具或平臺不支持讓DBA擴展新增運維管理能力方案效果客戶案例：

某基金公司解決