なぜ退職までの時間を運用保守知識自動化システムの苦労に費やさなければならないのでしょうか?

私のチームは 2003 年からシステムの最適化を行っています。 HP SERVICE からの招待で、私は 2003 年に同社のハイアール システム最適化チームに加わり、Oracle データベースの最適化を担当しました。私は大規模システムの最適化に参加するのは初めてでしたが、その時も大規模なアフターサービスシステムの最適化をどこから始めればよいのか分かりませんでした。私はリーバイスの本を持ってこの最適化プロジェクトに参加するために青島に行き、このプロジェクトを通じてOracleデータベースの最適化について予備的な理解を深めました。その後、私は HP がファーウェイの SCM システムで使用されている CAF プラットフォームのパフォーマンス評価を完了するのを支援し、プロジェクトを最適化できなくなったため、資金のさらなる無駄を避けるためにプロジェクトを適時中止するよう意思決定者に勧告しました。その後、HP は私の提案を採用して CAF プラットフォームに基づくプロジェクトを終了し、ファーウェイも SCM システムと ERP システムの基盤として Oracle EBS を再選択しました。それ以来、私たちのチームは規模が拡大し、ますます多くの最適化プロジェクトを実行し、システム最適化の専門家グループを訓練してきました。

2011 年、私たちはシステムの最適化で州電力網の支援を開始し、専門家のリーダーシップの下、最初のいくつかのプロジェクトは特に良い結果を達成しました。お客様は最適化の範囲を拡大することを望んでおり、100 人近くの DBA を必要とする大規模な最適化プロジェクトを開発しました。このプロジェクトに参加するために多くのパートナーから数十人の DBA を採用し、プロジェクトの品質を確保するために、チーム全体に対して複数の集中トレーニングを実施しました。しかし、最終的にこのプロジェクトの結果は非常に満足のいくものではありませんでした。主な理由は、DBA の能力にばらつきがあり、DBA のほとんどが大規模な最適化プロジェクトに参加していないことです。このプロジェクト以来、私は人や専門家に依存する従来の運営・保守モデルの問題点についても考え、専門家の経験をもっと活かせる方法を見つけたいと考えてきました。これが私が運用保守知識自動化システム「D-SMART」を開発した当初の意図です。知識自動化システムを構築するには、雲中市のデジタル化の度合いを向上させる必要があります。しかし、伝統的な産業における IT 運用と保守のデジタル化の度合いは非常に低いです。これには主な理由がいくつかあります。

リソースが限られている: 多くの企業は、インテリジェントな運用保守システムの研究開発と実装に投資するのに十分なリソースがないか、他の側面にリソースを投資する方がより有益であると考えている可能性があります。

文化的要因: 企業によっては、自動化システムよりも人間の経験に頼ることを好む場合があります。これはおそらく、自動化システムに対する信頼が欠けているか、緊急時には機械よりも専門家の判断の方が信頼できると信じているためかもしれません。

技術的な制限: 企業によっては、インテリジェントな運用および保守システムをサポートするために必要な技術インフラストラクチャが不足している可能性があり、機器やシステムのアップグレードに高いコストが必要となる場合があります。

認識の欠如: 一部の企業は、デジタル運用の潜在的な利点を認識していないか、デジタル運用の実装方法について十分な知識と理解を持っていない可能性があります。

伝統的な産業にはデジタル運用保守におけるさまざまな認識上の欠陥がありますが、テクノロジーの発展とデジタル化の重要性の増大に伴い、インテリジェントな運用保守が将来の情報システム運用保守のトレンドとなり、また、避けられない方向性。

長年にわたるシステムの最適化と運用保守における当社の業務経験を振り返ると、経験の浅い技術者は最適化の結果を低下させる重要な要因となっています。最適化作業には経験だけに頼るのではなく、専門的な知識とスキルが必要です。最適化の取り組みに関わるすべての担当者が必要なスキルと知識を確実に身につけるには、より体系的なトレーニングが必要になる場合があります。さらに、最適化作業の効果は、システム設計、データ品質、最適化作業プロセスなどの複数の要因によっても影響されます。

テクノロジーの継続的な発展により、現在では多くのインテリジェントなアルゴリズムと手法が利用可能になり、運用とメンテナンスの効率を大幅に向上させ、人的エラーを減らすことができます。運用および保守のナレッジ自動化ツールは、インテリジェントな分析と自動化された運用を提供し、DBA がシステムをより適切に管理および最適化できるようにします。企業に十分なリソースがある場合は、運用と保守の効率を向上させるために、これらのツールやシステムの導入を検討できます。 「運用・保守知識自動化システム」は、ビッグデータ分析、人工知能などの技術と専門家の経験・業務蓄積を組み合わせて、包括的な運用・保守知識システムを構築し、運用・保守の効率化と品質の向上に貢献します。保守作業。 「運用および保守知識自動化システム」は、監視インジケーターシステム、健全性モデル、運用および保守ナレッジマップ、異常検出アルゴリズムおよびその他のテクノロジーを通じて、システムパフォーマンスの問題を自動的に分析および解決し、同時にインテリジェントな最適化の提案と決定を提供します。企業の運用保守業務を強力にサポートします。

実際、D-SMART システム開発の最も重要な目的は、IT 運用と保守およびシステム最適化における当社チームの 20 年以上の経験を要約し、チームの専門家が長年にわたって経験を蓄積できるようにすることです。長年の経験を自動化可能なデジタルナレッジベースに統合します。そして、ナレッジベースの継続的な反復により、運用および保守のナレッジがプラットフォームに継続的に蓄積され、それによって自動分析の能力が継続的に向上します。

本システムの研究開発は研究開発チームのみに依存するものではなく、ナレッジツールの研究開発は一般の運用保守要員の手を借りずにDBAのみで完結します。これは、一般の研究開発担当者が IT 運用、データベース、パフォーマンスの最適化を理解していないためです。運用保守作業を行った DBA だけが、専門家のアイデアをより正確に自動化ツールに変換できます。

D-SMART システムの原点はインジケーター システムです。インジケーターは専門家の経験の一部であり、非常に重要な部分だと思います。専門家が認識したインジケーターのみが完全に解釈できます。現在、多くのデータベース監視ソフトウェアには、運用保守担当者が正しく解釈できない指標が多数用意されており、たとえ異常であっても発見できない、つまり、異常な指標が発見されても、どこに問題があるのか​​を感知できない場合があります。システム。専門家によって分類された指標データは単一であり、専門家が解釈できるため、各指標は専門家によってマークされ、特定のラベルが付けられます。

D-SMART の 2 番目のステップは、指標の正確な収集を完了することです。各指標のデータを正確に収集することは、インテリジェントな運用および保守システムにとって非常に重要です。すべてのデータがデータベースの実際の状態を正確に反映していることを確認することが重要です。大量のデータを収集した後、使用可能な指標に変える前に処理する必要がありますが、これらの処理アルゴリズムには専門家の経験も反映されています。このステップを通じて、D-SMART システムはデータベースの動作ステータスのデジタル モデルを継続的に取得します。

3 番目のステップは、収集された指標とログ データに対して自動モデリング分析を実行することです。健全性モデルを使用してデータベースの実行状態が正常かどうか、リスクがあるかどうかを判断します。パフォーマンス モデルを使用してデータベースの全体的なパフォーマンス ステータスを把握し、負荷モデルを使用してデータベースの現在の負荷状況を把握します。データベース; 障害モデルを使用して、データベース内の潜在的な隠れた危険を発見し、タイムリーに警報を発します。

4 番目のステップは、収集したデータを使用して、さまざまな検査タスクを自動的に完了することです。例えば、日常点検では、前日午前0時にシステムが収集したデータを自動的に分析し、リスクや隠れた危険を発見し、点検日報を作成します。毎月または毎週タスクをカスタマイズして、最近収集されたデータを自動的に分析し、検査レポートを生成できます。この種の検査では包括的なデータを分析でき、手動でデータ収集して手動で分析する従来の方法よりも豊富なデータが得られます。分析を自動化するアルゴリズムもより効率的です。

このデータを使用すると、容量の予測、パフォーマンスの最適化、特別な監査など、多くの貴重な分析作業を行うこともできます。同時に、標準化されたインジケーターシステムを使用して、一次業務と二次、三次業務の間のデジタルコミュニケーションを構築することもでき、完全なインジケーターセットを通じて、データベースのパノラマビューで三次業務を提供できます。可能な限り包括的に運用することで、現場の専門家は世界のすべてを知ることができます。

少し前、80歳を超えた母が私の誕生日を必ず祝ってくれましたが、長年走り回っていて、もう10年以上誕生日も祝っていません。ろうそくを灯したとき、私は誕生日を過ぎてすでに54歳であり、退職まであまり時間が残っていないことに気づきました。これまで積み上げてきた経験を、今できるうちにできる限り数値化して、悔いのないように残したいと思っています。

以上がなぜ退職までの時間を運用保守知識自動化システムの苦労に費やさなければならないのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。