AI技术的快速应用与国产数据库替代的全面提速，使DBA的日常运维工作产生了一些变化，从工具依赖、运维流程乃至方法论似乎都在变化。不少DBA都在困惑：在这样一个新时期的技术环境中，应该保留什么、放弃什么、又或是集中精力进攻什么？
带着这一行业共性问题，【专家有话说】第十期邀请到梁敬彬、韩锋、陈举超和徐小强四位数据库领域资深专家分享深度见解，为广大DBA从业者的技术转型与职业发展提供参考。一起看看有哪些老经验仍具复用价值，哪些底层能力值得长期坚守，又有哪些新技能需要优先补齐。
🎙️梁敬彬
身处AI浪潮与国产化转型的双重变局中，常有朋友焦虑地问我：梁老师，我们要适配这么多国产库，AI又能自动写SQL，以前积累多年的Oracle经验是不是要作废了？
我的回答是：绝不是。越是资深的DBA，在这个时代反而越具备不可替代的价值。但这并不意味着可以躺平。若要看清前路，我认为必须辩证地看：有三点老经验是我们的压舱石，必须坚守；而有三项新技能是我们的破局点，急需突破。
先看三块必须要坚守的压舱石：
第一，洞悉本质的通透。这是解决国产化焦虑的良药。国产库与Oracle底层逻辑同宗同源，锁机制、MVCC等核心机制通用。只要掌握了原理，就能透过语法外衣看穿骨架。这种迁移能力，是老DBA最宝贵的资产。
第二，透视业务的洞察。AI能高效写出看似完美的SQL，却不懂数据背后的温度。而能读出业务脉络，预判流量对架构的冲击，这种融合能力是机器无法替代的灵魂。
第三，刻在骨子的敬畏。这是应对AI冲击的底线。AI降低了操作门槛，亦让毁灭触手可及。DBA刻在骨子里的谨慎、回车键前的反复确认，便成了保护数据安全最后且最重要的防线。
守住了老底子，更要攻克三项急需突破的新技能：
首先，迈向DBA²的综合能力（这是我提出的概念，即 Data × Business × Administrator × Architect）。这不仅是角色的转换，而是能力的平方级跃迁。我们不能再局限于运维，必须向上下游大幅延伸：向上主导架构设计与数据模型，向下渗透业务代码与应用开发。从单一的运维者进化为懂开发、懂设计、懂架构的全栈数据库专家。
其次，深度驾驭AI的工程能力。不只是查报错，更要掌握模型微调，学会将私有知识库注入模型，亲手训练出真正懂业务的智能助手。从看门人进化为企业模型的训练师。
最后，鉴别裁决AI的判断能力。AI常会一本正经地胡说八道。DBA需具备总编辑般的鉴别力，掌握精准提问技巧，对结果进行逻辑验证与纠错。提问比回答更重要，鉴别比获取更稀缺。
时代确实变了，但万变不离其宗。只要左手守住原理、敬畏与业务，右手握紧破界、AI与鉴别力，无论风向如何转，收获的季节终将到来。
🎙️陈举超
个人觉得对待数据库运维的态度很重要，数据库运维做的越久，越“胆小”，这并非保守，而是一种被大量“事故现场”反复锤炼出的深度职业自觉。将敬畏之心内化为操作习惯，每一次变更都预设最坏情况，每一次操作都追求可观测与可回滚，在复杂度呈指数增长的现代数据环境中，资深DBA的谨慎，恰恰是系统最终稳健性的关键人肉防线。
面对层出不穷的新技术，我建议可以将有限的精力优先聚焦于两个方向：
- 一是深入学习两种主流的国产数据库(集中式、分布式)，对体系结构、技术原理有一定研究；
- 二是投入一些时间去学习如何利用AI增强运维能力，比如为自己量身打造一套运维工具，提升运维效率和质量等。
🎙️徐小强（JiekeXu）
在AI的时代，DBA们变的越来越迷茫了，Oracle国内市场的萎缩，MySQL以及Microsoft SQL Server的市场下滑，PostgreSQL的崛起，信创市场的不断蚕食，那么数据库从业者DBA群体的出路会在哪里？拥有的老经验是否还“值钱”？我也在不断的问自己，如果不“值钱”了还应该补充哪些新技能？
首先想想自己有哪些“老经验”，比如下面：
1、对业务的熟悉程度：一条错误数据一次不一致的事务对业务来说意味着什么，对数据备份/恢复、闪回的肌肉记忆，是系统最后的防线。
2、性能优化的系统性思维：不会只盯着一条慢SQL，需要从应用设计、SQL写法、执行计划、统计信息、I/O分布一路看到操作系统和存储，知道什么是关键的等待事件。
3、高可用运维经验：从零到一搭过RAC/ADG，处理过RAC故障，知道切换的真正代价，理解快速恢复比永不中断更现实。
4、与开发/业务的沟通艺术：如何用AWR报告数据说话，并推动应用改造优化，这需要一座桥梁，那么就是需要DBA的老经验了。
说完老经验，也该谈谈补充哪些新技能了：
1、AI时代学AI用AI，应该拥有自动化思维：借用AI将重复的运维操作，比如部署、小版本升级、扩缩容等自动化。
2、拥抱云服务，转变管控思维：云趋势下，放弃使用鼠标点点点，而在于理解其高可用架构、备份恢复机制、性能扩展和计费模型。
3、掌握“可观测性”体系，而不仅仅是运维监控：国产化浪潮下，很多国产数据库“可观测性”能力不足，属于黑盒管理。如果没有可观测性就是“瞎子”，通过图形化或日志根据经验找出最关键、最能反映问题的指标和告警。
4、深入掌握一种分布式数据库：选择一款主流开源分布式数据库，深入理解其数据库架构原理、分布式事务实现和扩容原理等。
时代变了，但数据的重要性、系统的复杂性以及对可靠性的追求从未改变。对我们DBA来说，老经验和新技能都很重要。
🎙️韩锋
在云计算普及、自动化工具如雨后春笋般涌现，尤其是大模型与智能运维迅猛发展的今天，DBA这个传统职业正站在一个前所未有的十字路口。一个不争的事实是：纯粹依赖特定数据库产品“使用说明书”级别的操作经验，其壁垒和“保值”能力已今非昔比。那么，DBA有哪些核心的老经验依然熠熠生辉，甚至更为“值钱”呢？
首先，是超越具体工具、深入骨髓的原理性经验。 无论自动化工具多么先进，其底层遵循的依然是计算机科学的基本原理。对数据结构、事务与并发控制、存储引擎原理、网络与IO模型、系统资源的深刻理解，构成了DBA面对任何新数据库技术时都能快速上手并做出精准判断的基石。当智能运维平台告警数据库延迟激增时，最终的分析、决策与根因定位，依然需要人基于这些原理性知识，结合具体上下文进行逻辑推理和验证。这是AI目前难以完全替代的、人类专家的最终判断力。
其次，是深刻理解业务逻辑与数据价值结合的业务经验。 数据库从来不是孤立的存在，它是业务在数字世界的映射。一位资深的DBA，其不可替代的价值往往在于：能将数据与业务无缝翻译。他不仅知道表如何设计，更知道为何这样设计。例如，在设计一个电商系统的数据库时，理解购物车、订单、支付、库存之间的业务逻辑和一致性要求，远比单纯优化某个查询语句更重要。
既然有些经验在贬值，有些在升值，那么新时代的DBA应该优先补足哪些新技能，才能顺势而为，保持甚至提升自身竞争力呢？
首要的新技能，是学会与AI协同工作，成为AI增强型DBA。 与其将AI视为对手，不如将其发展为最高效的“副驾驶”（Copilot）。这意味着：主动学习如何利用大模型辅助进行SQL代码编写与审查、性能报告分析与解读、自动化脚本生成、甚至是复杂故障排查的头脑风暴，将自己从重复劳动中解放出来，聚焦于更高价值的分析与决策。更重要的是，要培养自身的“提示工程”能力，能精准地向AI描述问题上下文、约束条件和目标，以获得高质量的输出，并对结果进行专业的鉴别与修正。
另一个至关重要的转型方向，是从传统的、以运维为中心的DBA，向以架构与价值为核心的数据架构师或数据工程师演进。 未来的重心不应再局限于维护少数几个核心交易数据库的稳定，而应扩展到规划和管理整个企业的数据资产蓝图。这要求DBA积极学习数据治理、数据安全与隐私保护、数据仓库以及不同数据产品的选型与整合。
总而言之，时代的确变了。DBA职业的护城河正从手工技艺转向原理深度、业务洞察与架构视野。那些仅满足于执行重复操作的经验正在加速贬值，而对底层原理的掌握、对业务的理解、与AI协同的能力以及对宏观数据架构的驾驭，正成为新时代最值钱的资本。DBA们应当主动拥抱变化，完成从“术”到“道”的升华。
本期【专家有话说】专栏中，四位专家从不同视角分享了他们觉得可坚守的老经验和可突破进阶的新技能。梁敬彬从DBA能力体系的角度出发，认为DBA应该固牢原理功底、业务洞察力、敬畏之心，同时主要从三项新技能着手突破；陈举超则从实操视角切入，强调职业态度的重要性，并精简地给出两大学习方向；徐小强直接从运维工作的实际出发，明确列出了哪些是可直接复用的老经验和应对变化的调整策略；韩锋则从行业演进趋势和DBA职业发展的视角，厘清了哪些经验在升值、哪些能力需重构。
时代会变，但DBA的核心价值不会消失。各位DBA也无需过度焦虑，多年实战沉淀的老经验确可成为立身之本，但在守牢原理、打好根基的同时也需要贴合业务、拥抱变化，主动补足核心新技能。或许真正的职业护城河，从来不是某一项技术，而是经验背后的思维模式与可迁移能力。
本文已收录至【论道数据库 解读新发展】墨天轮专家邀稿合辑，点击可阅读前两期专家专栏文章及其他邀稿。
