Mengapakah saya perlu meluangkan masa sebelum bersara bergelut dengan sistem automasi pengetahuan operasi dan penyelenggaraan?

Pasukan saya telah melakukan pengoptimuman sistem sejak tahun 2003. Atas jemputan HP SERVICE, saya menyertai pasukan pengoptimuman sistem Haier mereka pada tahun 2003 dan bertanggungjawab untuk pengoptimuman pangkalan data Oracle. Ini adalah kali pertama saya mengambil bahagian dalam pengoptimuman sistem berskala besar Walaupun pada masa itu, saya tidak tahu di mana untuk mula mengoptimumkan sistem perkhidmatan selepas jualan berskala besar. Saya pergi ke Qingdao untuk mengambil bahagian dalam projek pengoptimuman ini dengan buku oleh Levi's Melalui projek ini, saya mendapat pemahaman awal tentang pengoptimuman pangkalan data Oracle. Kemudian, saya membantu HP menyelesaikan penilaian prestasi platform CAF yang digunakan dalam sistem SCM Huawei, dan mengesyorkan kepada pembuat keputusan untuk menghentikan projek tepat pada masanya untuk mengelakkan pembaziran dana yang lebih besar, kerana projek itu tidak dapat dioptimumkan lagi. Kemudian, HP menerima pakai cadangan saya dan menutup projek berdasarkan platform CAF Huawei juga memilih semula Oracle EBS sebagai asas sistem SCM dan sistem ERP. Sejak itu, pasukan kami telah berkembang dari segi saiz, melakukan lebih banyak projek pengoptimuman dan melatih sekumpulan pakar dalam pengoptimuman sistem.

Pada tahun 2011, kami mula membantu Grid Negeri dengan pengoptimuman sistem Di bawah kepimpinan pakar, beberapa projek pertama mencapai hasil yang sangat baik. Pelanggan mahu kami mengembangkan skop pengoptimuman dan membangunkan projek pengoptimuman berskala besar yang memerlukan hampir seratus DBA. Kami merekrut berpuluh-puluh DBA daripada banyak rakan kongsi untuk mengambil bahagian dalam projek ini Untuk memastikan kualiti projek, kami menjalankan beberapa latihan terpusat untuk seluruh pasukan. Walau bagaimanapun, pada akhirnya, hasil projek ini sangat tidak memuaskan Sebab utama ialah kebolehan DBA tidak sekata, dan kebanyakan mereka tidak mengambil bahagian dalam projek pengoptimuman berskala besar. Sejak projek itu, saya juga telah memikirkan masalah model operasi dan penyelenggaraan tradisional yang bergantung pada orang dan pakar, dengan harapan dapat mencari jalan untuk menjadikan pengalaman pakar memainkan peranan yang lebih besar. Ini adalah niat asal saya untuk membangunkan D-SMART, sistem automasi pengetahuan operasi dan penyelenggaraan. Untuk membina sistem automasi pengetahuan, tahap pendigitalan operasi mesti dipertingkatkan. Walau bagaimanapun, tahap pendigitalan operasi dan penyelenggaraan IT dalam industri tradisional adalah sangat rendah. Terdapat beberapa sebab utama untuk ini.

Sumber terhad: Banyak syarikat mungkin tidak mempunyai sumber yang mencukupi untuk melabur dalam R&D dan pelaksanaan sistem operasi dan penyelenggaraan pintar, atau mungkin berpendapat bahawa melabur sumber dalam aspek lain adalah lebih bermanfaat.

Faktor budaya: Sesetengah perniagaan mungkin lebih suka bergantung pada pengalaman manusia berbanding sistem automatik, mungkin kerana mereka kurang mempercayai sistem automatik, atau mereka mungkin percaya bahawa pertimbangan pakar lebih dipercayai daripada mesin semasa kecemasan.

Had teknikal: Sesetengah syarikat mungkin kekurangan infrastruktur teknikal yang diperlukan untuk menyokong sistem operasi dan penyelenggaraan pintar, yang mungkin memerlukan kos yang lebih tinggi untuk menaik taraf peralatan dan sistem.

Kurang kesedaran: Sesetengah perusahaan mungkin tidak menyedari potensi kelebihan operasi digital, atau mungkin tidak mempunyai pengetahuan dan pemahaman yang mencukupi tentang cara melaksanakan operasi digital.

Walaupun industri tradisional mempunyai pelbagai kekurangan kognitif dalam operasi dan penyelenggaraan digital, dengan perkembangan teknologi dan peningkatan kepentingan pendigitalan, operasi dan penyelenggaraan pintar akan menjadi trend dalam operasi dan penyelenggaraan sistem maklumat masa depan, dan juga An arah yang tidak dapat dielakkan.

Memikirkan pengalaman kerja kami dalam pengoptimuman sistem dan operasi serta penyelenggaraan selama ini, kakitangan teknikal yang tidak berpengalaman merupakan faktor penting yang membawa kepada hasil pengoptimuman yang lemah. Kerja pengoptimuman memerlukan pengetahuan dan kemahiran profesional, dan bukannya bergantung pada pengalaman semata-mata. Latihan yang lebih sistematik mungkin diperlukan untuk memastikan semua kakitangan yang terlibat dalam usaha pengoptimuman mempunyai kemahiran dan pengetahuan yang diperlukan. Selain itu, kesan kerja pengoptimuman juga dipengaruhi oleh pelbagai faktor, seperti reka bentuk sistem, kualiti data dan proses kerja pengoptimuman.

Dengan perkembangan teknologi yang berterusan, banyak algoritma dan kaedah pintar kini tersedia, yang boleh meningkatkan kecekapan operasi dan penyelenggaraan serta mengurangkan kesilapan manusia. Alat automasi pengetahuan pengendalian dan penyelenggaraan boleh menyediakan analisis pintar dan operasi automatik untuk membantu DBA mengurus dan mengoptimumkan sistem dengan lebih baik. Jika perusahaan mempunyai sumber yang mencukupi, ia boleh mempertimbangkan untuk memperkenalkan alat dan sistem ini untuk meningkatkan kecekapan operasi dan penyelenggaraan. "Sistem automasi pengetahuan operasi dan penyelenggaraan" menggabungkan analisis data besar, kecerdasan buatan dan teknologi lain, serta pengalaman pakar dan pengumpulan kerja, untuk membina sistem pengetahuan operasi dan penyelenggaraan yang komprehensif, yang boleh membantu meningkatkan kecekapan dan kualiti operasi dan kerja penyelenggaraan. Melalui sistem penunjuk pemantauan, model kesihatan, peta pengetahuan operasi dan penyelenggaraan, algoritma pengesanan anomali dan teknologi lain, "sistem automasi pengetahuan operasi dan penyelenggaraan" secara automatik boleh menganalisis dan menyelesaikan masalah prestasi sistem, dan pada masa yang sama memberikan cadangan dan keputusan pengoptimuman pintar -membuat sokongan untuk Memberi sokongan yang kukuh untuk operasi dan kerja penyelenggaraan perusahaan.

Malah, tujuan terpenting pembangunan sistem D-SMART adalah untuk meringkaskan pengalaman lebih daripada 20 tahun pasukan kami dalam operasi IT dan penyelenggaraan serta pengoptimuman sistem, supaya pakar dalam pasukan dapat mengumpul pengalaman lebih pengalaman bertahun-tahun menjadi pangkalan pengetahuan digital yang boleh diautomasikan. Dan melalui lelaran berterusan pangkalan pengetahuan, pengetahuan operasi dan penyelenggaraan boleh terus terkumpul dan terkumpul dalam platform, dengan itu terus meningkatkan keupayaan analisis automatik.

Penyelidikan dan pembangunan sistem ini bukan sahaja bergantung kepada pasukan R&D Penyelidikan dan pembangunan alatan pengetahuan diselesaikan sepenuhnya oleh DBA tanpa bantuan kakitangan operasi dan penyelenggaraan biasa. Ini kerana kakitangan R&D biasa tidak memahami operasi IT, pangkalan data dan pengoptimuman prestasi. Hanya DBA yang telah melakukan kerja operasi dan penyelenggaraan boleh menjadikan idea pakar menjadi alat automatik dengan lebih tepat.

Titik permulaan sistem D-SMART ialah sistem penunjuk Saya fikir penunjuk adalah sebahagian daripada pengalaman pakar, dan ia adalah bahagian yang sangat penting Hanya penunjuk yang diiktiraf oleh pakar boleh ditafsirkan sepenuhnya. Pada masa ini, banyak perisian pemantauan pangkalan data menyediakan banyak penunjuk yang tidak dapat ditafsirkan oleh kakitangan operasi dan penyelenggaraan dengan betul Walaupun penunjuk ini tidak normal, ia mungkin tidak ditemui Dalam erti kata lain, jika penunjuk tidak normal ditemui, mereka tidak dapat merasakan di mana masalahnya sistem tersebut. Data indikator yang disusun oleh pakar adalah tunggal dan boleh ditafsirkan oleh pakar, jadi setiap indikator akan ditandai oleh pakar dan diberi label tertentu.

Langkah kedua D-SMART ialah melengkapkan pengumpulan petunjuk yang tepat untuk setiap penunjuk adalah sangat kritikal untuk sistem operasi dan penyelenggaraan yang pintar. Adalah penting untuk memastikan bahawa setiap data menggambarkan keadaan sebenar pangkalan data dengan tepat. Selepas banyak data dikumpulkan, ia perlu diproses sebelum ia boleh dijadikan penunjuk yang boleh digunakan Algoritma pemprosesan ini juga mencerminkan pengalaman pakar. Melalui langkah ini, sistem D-SMART secara berterusan memperoleh model digital status pengendalian pangkalan data.

Langkah ketiga ialah menjalankan pemodelan automatik dan analisis penunjuk dan data log yang dikumpul. Kami menggunakan model kesihatan untuk menentukan sama ada status berjalan pangkalan data adalah normal dan sama ada kami menggunakan model prestasi untuk memahami status prestasi keseluruhan pangkalan data kami menggunakan model beban untuk memahami situasi beban semasa; pangkalan data; kami menggunakan model kerosakan untuk mengetahui kemungkinan bahaya tersembunyi dalam pangkalan data dan menyediakan penggera tepat pada masanya.

Langkah keempat ialah menggunakan data yang dikumpul untuk menyelesaikan pelbagai tugas pemeriksaan secara automatik. Contohnya, semasa pemeriksaan harian, sistem akan secara automatik menganalisis data yang dikumpul pada hari sebelumnya pada tengah malam setiap hari, menemui risiko dan bahaya tersembunyi, dan menjana laporan pemeriksaan harian. Setiap bulan atau setiap minggu, anda boleh menyesuaikan tugasan untuk menganalisis data yang dikumpul baru-baru ini secara automatik dan menjana laporan pemeriksaan. Pemeriksaan jenis ini boleh menganalisis data yang komprehensif dan mempunyai data yang lebih kaya daripada kaedah tradisional pengumpulan data manual dan analisis manual. Algoritma yang mengautomasikan analisis juga lebih cekap.

Menggunakan data ini, anda juga boleh melakukan banyak kerja analisis yang berharga, seperti ramalan kapasiti, pengoptimuman prestasi, audit khas, dsb. Pada masa yang sama, menggunakan sistem penunjuk piawai, kami juga boleh membina komunikasi digital antara operasi dan penyelenggaraan baris pertama dan operasi dan penyelenggaraan baris kedua dan ketiga Melalui set penunjuk lengkap, kami boleh menyediakan operasi dan penyelenggaraan baris ketiga dengan pandangan panoramik operasi pangkalan data selengkap mungkin, benar-benar menghapuskan keperluan untuk Di tapak, pakar boleh mengetahui segala-galanya tentang dunia.

Sebentar tadi, ibu saya, yang berusia lebih 80 tahun, memastikan untuk menyambut hari lahir saya, dia telah berlari-lari selama bertahun-tahun dan tidak menyambut ulang tahun lebih daripada sepuluh tahun. Apabila saya meletakkan lilin, saya menyedari bahawa saya sudah berusia 54 tahun selepas hari lahir saya, dan tidak banyak masa lagi sebelum bersara. Saya ingin mendigitalkan pengalaman yang terkumpul selama ini sebanyak mungkin sementara saya masih boleh melakukan sesuatu sekarang, supaya saya dapat menyimpannya, supaya tidak ada penyesalan.

Atas ialah kandungan terperinci Mengapakah saya perlu meluangkan masa sebelum bersara bergelut dengan sistem automasi pengetahuan operasi dan penyelenggaraan?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!