數(shù)據(jù)是客觀的某種解釋，但是數(shù)據(jù)不是事實(shí)本身，而是對事實(shí)的某種方面的描述。我們在分析事實(shí)的時(shí)候經(jīng)常會(huì)用到數(shù)據(jù)，但是我們在看數(shù)據(jù)的時(shí)候往往帶有某種情緒或者觀點(diǎn)。比如說對于經(jīng)濟(jì)數(shù)據(jù)的看法總是有兩種聲音，唱衰亦或是看好。三月份的出口數(shù)據(jù)，同比下降了7.5%，這個(gè)數(shù)據(jù)是好還是壞呢？簡單地從數(shù)值上看，可能是相當(dāng)不好，不過如果考慮到去年3月份強(qiáng)勁的出口，以及1-3月的總的數(shù)據(jù)，似乎還不錯(cuò)。

遇到這樣的情況，我的做法是去看3月份的用電量數(shù)據(jù)，從某個(gè)口徑統(tǒng)計(jì)的數(shù)據(jù)上看，3月份用電量增長為6.4%，不過第二產(chǎn)業(yè)增長確實(shí)有所下降，為3.7%，是最近半年內(nèi)的最低。不過從1-3月的總數(shù)據(jù)來看，代表制造業(yè)景氣狀態(tài)的1-3月總的用電量增長為6.9%+，為最近幾年來的最高。如果再看看2023年3月的數(shù)據(jù)，第二產(chǎn)業(yè)同比增長6.9%，去年三月中國的實(shí)體經(jīng)濟(jì)恢復(fù)很快，增長很猛。通過這些數(shù)據(jù)的完整對比，我想對當(dāng)前中國實(shí)體經(jīng)濟(jì)的總體看法恐怕就會(huì)有所不同了。

實(shí)際上看數(shù)據(jù)的方法對于不同的行業(yè)來說都是類似的，我們做數(shù)據(jù)庫運(yùn)維的時(shí)候，依賴的也是各種指標(biāo)和數(shù)據(jù)，因此和看用電量數(shù)據(jù)一樣，如何正確使用這些數(shù)據(jù)十分關(guān)鍵。不能采取正確的方法來看這些數(shù)據(jù)，那么就無法實(shí)現(xiàn)高效的運(yùn)維。

昨天和一個(gè)友商交流運(yùn)維工具的時(shí)候，他對比了我們的工具與其他工具的功能差異，覺得我們在某些地方做得比較好，有些地方做得不如其他廠商。他的觀點(diǎn)還是比較客觀的，不過我覺得對于數(shù)據(jù)庫運(yùn)維工具，不是簡單的功能對比，因?yàn)閿?shù)據(jù)庫運(yùn)維工具好不好，很大程度上不在于功能，在某些情況下，對數(shù)據(jù)的解讀能力上的差異更需要關(guān)注。

D-SMART是一種十分特殊的數(shù)據(jù)庫運(yùn)維工具，我們定義為“運(yùn)維知識自動(dòng)化系統(tǒng)”，是通過對數(shù)據(jù)庫的數(shù)字化分析，從而幫助用戶預(yù)警故障，分析問題，優(yōu)化數(shù)據(jù)庫系統(tǒng)的。并不包含數(shù)據(jù)庫日常運(yùn)維中的部署，啟停，處置等功能。這個(gè)工具可以與具有這樣功能的工具相結(jié)合，成為企業(yè)中運(yùn)維平臺(tái)的基礎(chǔ)能力組件。

前兩天有個(gè)客戶和聊天說，我們的工具幫助他們避免了一次嚴(yán)重的運(yùn)營事故。問題很簡單，是歸檔空間用滿了。他們的系統(tǒng)平時(shí)歸檔量不是很大，歸檔空間給得很大，正常情況下是不會(huì)出現(xiàn)歸檔空間滿的情況。因此他們也給了歸檔空間告警設(shè)置了一個(gè)較高的閾值，96%。一般情況下，從96%的歸檔空間到空間爆滿影響業(yè)務(wù)，至少也有1-2天的緩沖時(shí)間，足夠讓他們?nèi)ヌ幹昧恕?/p>

前幾天遇到一個(gè)特殊情況，正好是他們大批量從其他系統(tǒng)導(dǎo)入數(shù)據(jù)的日子，同時(shí)也正好遇到開發(fā)商在做一些數(shù)據(jù)升級，重建索引等維護(hù)操作。REDO產(chǎn)生量就比平時(shí)高了數(shù)十倍。長時(shí)間系統(tǒng)沒出過大問題也讓他們對此有些麻痹。

圖片

出問題的時(shí)候，首先告警的故障模型是一個(gè)平時(shí)不太常見的場景，歸檔使用率超過95%，并且歸檔可用天數(shù)小于0.03天（不足1小時(shí) ）。這個(gè)故障模型的依據(jù)是動(dòng)態(tài)計(jì)算的歸檔空間可用天數(shù)這個(gè)指標(biāo)，這個(gè)指標(biāo)隨著當(dāng)前日志量會(huì)動(dòng)態(tài)波動(dòng)，不是十分精準(zhǔn)，但是應(yīng)對類似場景十分有效。

六分鐘后，歸檔使用率過高的告警也出現(xiàn)了，隨后歸檔目錄滿等告警也同時(shí)出現(xiàn)。他們收到第一個(gè)告警后馬上意識到了問題的 嚴(yán)重性，立即開始處置，當(dāng)他們連到系統(tǒng)上進(jìn)行處理的時(shí)候，實(shí)際上系統(tǒng)已經(jīng)出現(xiàn)了卡死，業(yè)務(wù)報(bào)錯(cuò)也已經(jīng)開始出現(xiàn)了。不過幸運(yùn)的是在業(yè)務(wù)部門剛剛發(fā)現(xiàn)錯(cuò)誤的同時(shí)，故障已經(jīng)被處置完成了。本次故障沒有造成太大的損失。數(shù)據(jù)庫團(tuán)隊(duì)也因?yàn)闃O其快速地處置了故障而受到了領(lǐng)導(dǎo)的表揚(yáng)。

這救命的6分鐘給了數(shù)據(jù)庫團(tuán)隊(duì)一個(gè)提前量，讓他們避免了一次災(zāi)難。從這個(gè)案例中，我們可以看到實(shí)際應(yīng)用場景的多樣性，以及系統(tǒng)故障可能的多樣性。面對復(fù)雜的多樣性，數(shù)據(jù)分析與數(shù)據(jù)使用的能力成為成敗的關(guān)鍵。也再一次證明了，數(shù)據(jù)是運(yùn)維監(jiān)控系統(tǒng)的核心，對數(shù)據(jù)的運(yùn)用能力的不斷提升是運(yùn)維監(jiān)控系統(tǒng)建設(shè)的關(guān)鍵。