Mein Team beschäftigt sich seit 2003 mit der Systemoptimierung. Auf Einladung von HP SERVICE trat ich 2003 dem Haier-Systemoptimierungsteam bei und war für die Optimierung der Oracle-Datenbank verantwortlich. Dies war das erste Mal, dass ich an der Optimierung eines Großsystems beteiligt war. Schon damals wusste ich nicht, wo ich mit der Optimierung eines Großsystems für den Kundendienst beginnen sollte. Ich ging nach Qingdao, um an diesem Optimierungsprojekt mit einem Buch von Levi's teilzunehmen. Durch dieses Projekt erlangte ich ein vorläufiges Verständnis der Optimierung von Oracle-Datenbanken. Später half ich HP dabei, die Leistungsbewertung der im SCM-System von Huawei verwendeten CAF-Plattform abzuschließen, und empfahl den Entscheidungsträgern, das Projekt rechtzeitig zu stoppen, um eine größere Geldverschwendung zu vermeiden, da das Projekt nicht mehr optimiert werden konnte. Später nahm HP meinen Vorschlag an und schloss das Projekt auf Basis der CAF-Plattform ab. Huawei entschied sich auch wieder für Oracle EBS als Basis des SCM-Systems und des ERP-Systems. Seitdem ist unser Team gewachsen, hat immer mehr Optimierungsprojekte durchgeführt und eine Gruppe von Experten für Systemoptimierung ausgebildet.
Im Jahr 2011 haben wir begonnen, das State Grid bei der Systemoptimierung zu unterstützen. Unter der Führung von Experten erzielten die ersten Projekte besonders gute Ergebnisse. Der Kunde wollte, dass wir den Umfang der Optimierung erweitern, und entwickelte ein groß angelegtes Optimierungsprojekt, für das fast hundert Datenbankadministratoren erforderlich waren. Wir haben Dutzende DBAs von vielen Partnern für die Teilnahme an diesem Projekt rekrutiert. Um die Qualität des Projekts sicherzustellen, haben wir mehrere zentrale Schulungen für das gesamte Team durchgeführt. Am Ende waren die Ergebnisse dieses Projekts jedoch sehr unbefriedigend. Der Hauptgrund dafür ist, dass die Fähigkeiten der Datenbankadministratoren uneinheitlich sind und die meisten von ihnen nicht an groß angelegten Optimierungsprojekten teilgenommen haben. Seit diesem Projekt denke ich auch über die Probleme des traditionellen Betriebs- und Wartungsmodells nach, das auf Menschen und Experten basiert, in der Hoffnung, einen Weg zu finden, die Erfahrung von Experten stärker in den Vordergrund zu rücken. Dies ist meine ursprüngliche Absicht, D-SMART zu entwickeln, ein Wissensautomatisierungssystem für Betrieb und Wartung. Um ein Wissensautomatisierungssystem aufzubauen, muss der Grad der Digitalisierung im Betrieb verbessert werden. Allerdings ist der Grad der Digitalisierung des IT-Betriebs und der IT-Wartung in traditionellen Branchen sehr gering. Dafür gibt es mehrere Hauptgründe.
Begrenzte Ressourcen: Viele Unternehmen verfügen möglicherweise nicht über genügend Ressourcen, um in Forschung und Entwicklung zu investieren und intelligente Betriebs- und Wartungssysteme zu implementieren, oder denken möglicherweise, dass die Investition von Ressourcen in andere Aspekte lohnender ist.
Kulturelle Faktoren: Einige Unternehmen verlassen sich möglicherweise lieber auf menschliche Erfahrung als auf automatisierte Systeme, vielleicht weil ihnen das Vertrauen in automatisierte Systeme fehlt, oder weil sie glauben, dass Expertenurteile im Notfall zuverlässiger sind als Maschinen.
Technische Einschränkungen: Einige Unternehmen verfügen möglicherweise nicht über die erforderliche technische Infrastruktur zur Unterstützung intelligenter Betriebs- und Wartungssysteme, was möglicherweise höhere Kosten für die Aufrüstung von Geräten und Systemen erfordert.
Mangelndes Bewusstsein: Einige Unternehmen sind sich möglicherweise der potenziellen Vorteile digitaler Abläufe nicht bewusst oder verfügen möglicherweise nicht über ausreichende Kenntnisse und Verständnis für die Implementierung digitaler Abläufe.
Obwohl traditionelle Industrien verschiedene kognitive Defizite bei der digitalen Bedienung und Wartung aufweisen, werden intelligente Bedienung und Wartung mit der Entwicklung der Technologie und der zunehmenden Bedeutung der Digitalisierung zu einem Trend und einer unvermeidlichen Richtung für den zukünftigen Betrieb und die Wartung von Informationssystemen.
Angesichts unserer jahrelangen Berufserfahrung in der Systemoptimierung sowie im Betrieb und in der Wartung ist unerfahrenes technisches Personal ein wichtiger Faktor, der zu schlechten Optimierungsergebnissen führt. Optimierungsarbeiten erfordern professionelle Kenntnisse und Fähigkeiten und verlassen sich nicht ausschließlich auf Erfahrung. Möglicherweise sind systematischere Schulungen erforderlich, um sicherzustellen, dass alle an Optimierungsbemühungen beteiligten Mitarbeiter über die erforderlichen Fähigkeiten und Kenntnisse verfügen. Darüber hinaus wird die Wirkung der Optimierungsarbeit auch von mehreren Faktoren beeinflusst, wie z. B. dem Systemdesign, der Datenqualität und dem Optimierungsarbeitsprozess.
Durch die kontinuierliche Weiterentwicklung der Technologie stehen mittlerweile viele intelligente Algorithmen und Methoden zur Verfügung, die die Betriebs- und Wartungseffizienz erheblich verbessern und menschliche Fehler reduzieren können. Tools zur Automatisierung von Betriebs- und Wartungswissen können intelligente Analysen und automatisierte Abläufe bereitstellen, um Datenbankadministratoren dabei zu helfen, das System besser zu verwalten und zu optimieren. Wenn das Unternehmen über ausreichende Ressourcen verfügt, kann es die Einführung dieser Tools und Systeme in Betracht ziehen, um die Betriebs- und Wartungseffizienz zu verbessern. Das „Betriebs- und Wartungswissensautomatisierungssystem“ kombiniert Big-Data-Analyse, künstliche Intelligenz und andere Technologien sowie Expertenerfahrung und Arbeitsakkumulation, um ein umfassendes Betriebs- und Wartungswissenssystem aufzubauen, das zur Verbesserung der Effizienz und Qualität des Betriebs beitragen kann Wartungsarbeiten. Durch Überwachungsindikatorsysteme, Gesundheitsmodelle, Betriebs- und Wartungswissenskarten, Anomalieerkennungsalgorithmen und andere Technologien kann das „Betriebs- und Wartungswissensautomatisierungssystem“ Systemleistungsprobleme automatisch analysieren und lösen und gleichzeitig intelligente Optimierungsvorschläge und Entscheidungen liefern -Machende Unterstützung für Bietet starke Unterstützung für die Betriebs- und Wartungsarbeiten des Unternehmens.
Tatsächlich besteht der wichtigste Zweck der D-SMART-Systementwicklung darin, die mehr als 20-jährige Erfahrung unseres Teams in den Bereichen IT-Betrieb und -Wartung sowie Systemoptimierung zusammenzufassen, damit die Experten im Team die über diese Jahre gesammelten Erfahrungen nutzen können in eine digitale Wissensdatenbank, die automatisiert werden kann. Und durch die kontinuierliche Iteration der Wissensbasis kann das Betriebs- und Wartungswissen kontinuierlich auf der Plattform gesammelt und gesammelt werden, wodurch die Fähigkeit zur automatisierten Analyse kontinuierlich verbessert wird.
Die Forschung und Entwicklung dieses Systems ist nicht nur auf das Forschungs- und Entwicklungsteam angewiesen. Die Forschung und Entwicklung von Wissenstools wird vollständig vom DBA ohne die Hilfe von gewöhnlichem Betriebs- und Wartungspersonal durchgeführt. Dies liegt daran, dass normales Forschungs- und Entwicklungspersonal kein Verständnis für IT-Betrieb, Datenbanken und Leistungsoptimierung hat. Nur DBAs, die Betriebs- und Wartungsarbeiten durchgeführt haben, können die Ideen von Experten genauer in automatisierte Tools umsetzen.
Der Ausgangspunkt des D-SMART-Systems ist das Indikatorensystem, das meiner Meinung nach Teil der Expertenerfahrung ist und nur von Experten anerkannte Indikatoren vollständig interpretieren können. Derzeit stellen viele Datenbanküberwachungsprogramme viele Indikatoren bereit, die das Betriebs- und Wartungspersonal nicht richtig interpretieren kann. Selbst wenn diese Indikatoren abnormal sind, können sie möglicherweise nicht erkannt werden, wo das Problem liegt das System. Die von Experten aussortierten Indikatordaten sind einzeln und können von Experten interpretiert werden, sodass jeder Indikator von Experten markiert und mit einer bestimmten Bezeichnung versehen wird.
Der zweite Schritt von D-SMART besteht darin, die genaue Erfassung der Indikatoren abzuschließen. Die genaue Erfassung der Daten für jeden Indikator ist für ein intelligentes Betriebs- und Wartungssystem von entscheidender Bedeutung. Es ist wichtig sicherzustellen, dass alle Daten den tatsächlichen Zustand der Datenbank genau widerspiegeln. Nachdem viele Daten gesammelt wurden, müssen sie verarbeitet werden, bevor sie in nutzbare Indikatoren umgewandelt werden können. Diese Verarbeitungsalgorithmen spiegeln auch die Erfahrung von Experten wider. Durch diesen Schritt erhält das D-SMART-System kontinuierlich ein digitales Modell des Betriebszustands der Datenbank.
Der dritte Schritt besteht darin, eine automatisierte Modellierung und Analyse der gesammelten Indikatoren und Protokolldaten durchzuführen. Wir verwenden das Gesundheitsmodell, um festzustellen, ob der Betriebsstatus der Datenbank normal ist und ob Risiken bestehen. Wir verwenden das Leistungsmodell, um den Gesamtleistungsstatus der Datenbank zu verstehen Datenbank; wir nutzen das Fehlermodell, um mögliche versteckte Gefahren in der Datenbank zu entdecken und rechtzeitig Alarme bereitzustellen.
Der vierte Schritt besteht darin, die gesammelten Daten zu nutzen, um verschiedene Inspektionsaufgaben automatisch durchzuführen. Beispielsweise analysiert das System bei der täglichen Inspektion täglich um Mitternacht automatisch die am Vortag erfassten Daten, erkennt Risiken und versteckte Gefahren und erstellt einen täglichen Inspektionsbericht. Jeden Monat oder jede Woche können Sie Aufgaben anpassen, um die kürzlich gesammelten Daten automatisch zu analysieren und Inspektionsberichte zu erstellen. Diese Art der Inspektion kann umfassende Daten analysieren und verfügt über umfangreichere Daten als die herkömmliche Methode der manuellen Datenerfassung und manuellen Analyse. Auch Algorithmen, die die Analyse automatisieren, sind effizienter.
Anhand dieser Daten können Sie auch viele wertvolle Analysearbeiten durchführen, wie z. B. Kapazitätsvorhersagen, Leistungsoptimierungen, Sonderprüfungen usw. Gleichzeitig können wir mithilfe des standardisierten Indikatorensystems auch eine digitale Kommunikation zwischen Betrieb und Wartung der ersten Linie und Betrieb und Wartung der zweiten und dritten Linie aufbauen. Durch einen vollständigen Indikatorensatz können wir den Betrieb und die Wartung der dritten Linie gewährleisten mit einem möglichst umfassenden Panoramablick auf den Datenbankbetrieb, sodass kein Bedarf mehr besteht. Vor Ort können Experten alles über die Welt wissen.
Meine Mutter, die über 80 Jahre alt ist, hat vor einiger Zeit dafür gesorgt, dass ich meinen Geburtstag gefeiert habe. Sie rennt schon seit vielen Jahren herum und hat seit mehr als zehn Jahren keinen Geburtstag mehr gefeiert. Als ich die Kerzen anzündete, wurde mir klar, dass ich nach meinem Geburtstag bereits 54 Jahre alt war und nicht mehr viel Zeit bis zur Rente blieb. Ich möchte die über die Jahre gesammelten Erfahrungen so weit wie möglich digitalisieren, während ich jetzt noch etwas tun kann, damit ich es behalten kann, damit es kein Bedauern gibt.
Das obige ist der detaillierte Inhalt vonWarum sollte ich die Zeit vor meiner Pensionierung damit verbringen, mich mit dem Automatisierungssystem für Betriebs- und Wartungswissen herumzuschlagen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
