数据库管理296期 2025-02-27
数据库管理-第296期 维护的事与价值（20250227）
作者：胖头鱼的鱼缸（尹海文） Oracle ACE Pro: Database PostgreSQL ACE Partner 10年数据库行业经验 拥有OCM 11g/12c/19c、MySQL 8.0 OCP、Exadata、CDP等认证 墨天轮MVP，ITPUB认证专家 圈内拥有“总监”称号，非著名社恐（社交恐怖分子） 公众号：胖头鱼的鱼缸 CSDN：胖头鱼的鱼缸（尹海文） 墨天轮：胖头鱼的鱼缸 ITPUB：yhw1809。 除授权转载并标明出处外，均为“非法”抄袭
又好几天没写文章了，有两个原因，第一是公众号接入了DeepSeek-R1，更新了一篇其他地方没有同步，有兴趣的可以去公众号看看；第二就是本周大概率感染诺如了（当然也可能是单纯着凉了），拉了3天，其中吐了1天，发烧1天，总共瘦了6斤，还是希望大家最近注意卫生，特别是上公共厕所的时候。
回归到本期题目，作为愤青（但据说35应该是算中年了，但至少我外表还年轻），还是想聊聊最近关于维护工作的一些感想。
1 日常工作无价值
维护的日常工作中最重要的其实就是巡检了，很多人会认为巡检无外乎就是看看状态、瞅瞅性能、截截图留个记录就完事了，机械简单重复，可以通过自动化工具即可实现记录与告警，这样的工作是毫无价值的。
当然如果说日常工作的流程本身来说，看起来确实很简单，但是要说其发挥的价值却是不可忽视的。首先一点就是是否触发阈值和是否正常运行是两码事，众所周知，当前的告警主要还是通过预设阈值实现的（即便有AI加持），阈值触发与否和运行状态尤其是性能的状态是否正常是真不一定的，比如下面一些情况：
- 因统计信息原因造成一条SQL变慢，但未影响到整体性能表现。这种情况除了数据库监控以外还需要类似于APM的工具来辅助。
- 批量入库更新带来的大量行锁/会话锁，这种情况会触发告警。但是对于数据库和业务来说，对于该表的其余读操作毫无影响。
- 一些服务、组件甚至是硬件异常不会影响上层软件运行也不会触发告警。但这实实在在会留下隐患，如不及时处理可能会带来严重的后果。
当然如果只是单纯机械的对巡检进行记录，确实价值不大，在我团队中也有因过于机械导致忽略隐患的现象，这也从另一个角度说明，作为维护日常工作中最重要的巡检，其最大的价值是发现隐患并提前消除。
2 如何监控
最近，无奈，又听到了，所有监控都基于脚本（主要是shell脚本）的间隔执行是比较好的方案，但是也会存在以下一些问题：
- 脚本需要输入远程主机的登录账号和密码，无法实现批量执行
- 如需要批量免密执行需要引入第三方软件，且需配置被管理节点与管理节点间的ssh互信的同时还涉及到shell脚本的适应性改造，同时带来通信安全性问题
- shell脚本执行本身就会消耗一定的系统资源，不可能在被管理节点实现秒级的循环执行，实时性较低，而且不排除循环间隔之间出现问题的可能性，不利于及时发现问题，监控数据非持续，无观测性
- 脚本批量执行的性能以及操作系统与网络占用问题
- …
其余内容我就直接翻出之前写过的内容数据库管理-第242期 总监要的数据库监控（20240916）。
3 越忙越好
维护的目的是求稳，一个稳定的数据库（或系统）是重中之重。以前一个客户跟我说过“你还是闲一点好，你要是忙了，整个中心都会鸡犬不宁”，一般来说当维护人员开始手忙脚乱的时候，大概率是已经出了比较大的问题了，这时的影响范围往往都比较大了。优秀的维护人员会尽可能提前解决隐患，减少出现问题的概率或尽可能将问题扼杀在摇篮之中，减少甚至消除其影响。而不是每天忙到飞起来做一些看似花里胡哨的无用功。
对应越忙越好，其实还有一个越多越好，这里主要是做事的人越多越好，其实这个更好说，可以去了解下市场上各个级别工程师的价格和能力即可，不多说了。
总结
有感而发。
老规矩，不知道写了些啥。
