Mon équipe optimise les systèmes depuis 2003. À l'invitation de HP SERVICE, j'ai rejoint leur équipe d'optimisation du système Haier en 2003 et j'étais responsable de l'optimisation de la base de données Oracle. C'était la première fois que je participais à l'optimisation d'un système à grande échelle. Même à cette époque, je ne savais pas par où commencer pour optimiser un système de service après-vente à grande échelle. Je suis allé à Qingdao pour participer à ce projet d'optimisation avec un livre de Levi's. Grâce à ce projet, j'ai acquis une compréhension préliminaire de l'optimisation des bases de données Oracle. Plus tard, j'ai aidé HP à terminer l'évaluation des performances de la plate-forme CAF utilisée dans le système SCM de Huawei et j'ai recommandé aux décideurs d'arrêter le projet à temps pour éviter un gaspillage de fonds plus important, car le projet ne pouvait plus être optimisé. Plus tard, HP a adopté ma suggestion et a clôturé le projet basé sur la plate-forme CAF. Huawei a également re-sélectionné Oracle EBS comme base du système SCM et du système ERP. Depuis, notre équipe s’est agrandie, a réalisé de plus en plus de projets d’optimisation et a formé un groupe d’experts en optimisation de systèmes.
En 2011, nous avons commencé à aider State Grid dans l'optimisation du système. Les premiers projets, menés par des experts, ont obtenu des résultats particulièrement bons. Le client souhaitait que nous élargissions la portée de l’optimisation et a développé un projet d’optimisation à grande échelle nécessitant près d’une centaine de DBA. Nous avons recruté des dizaines de DBA auprès de nombreux partenaires pour participer à ce projet. Afin de garantir la qualité du projet, nous avons organisé plusieurs formations centralisées pour l'ensemble de l'équipe. Cependant, au final, les résultats de ce projet ont été très insatisfaisants. La raison principale est que les capacités des DBA sont inégales et que la plupart d'entre eux n'ont pas participé à des projets d'optimisation à grande échelle. Depuis ce projet, j'ai également réfléchi aux problèmes du modèle traditionnel d'exploitation et de maintenance qui s'appuie sur des personnes et des experts, dans l'espoir de trouver un moyen de faire jouer un plus grand rôle à l'expérience des experts. C'est mon intention initiale de développer D-SMART, un système d'automatisation des connaissances en matière d'exploitation et de maintenance. Afin de construire un système d’automatisation des connaissances, le degré de numérisation en vigueur doit être amélioré. Cependant, le degré de numérisation des opérations et de la maintenance informatiques dans les secteurs traditionnels est très faible. Il y a plusieurs raisons principales à cela.
Ressources limitées : de nombreuses entreprises ne disposent peut-être pas de suffisamment de ressources pour investir dans la R&D et la mise en œuvre de systèmes intelligents d'exploitation et de maintenance, ou peuvent penser qu'investir des ressources dans d'autres aspects est plus gratifiant.
Facteurs culturels : Certaines entreprises peuvent préférer s'appuyer sur l'expérience humaine plutôt que sur les systèmes automatisés, peut-être parce qu'elles n'ont pas confiance dans les systèmes automatisés, ou parce qu'elles peuvent croire que le jugement d'un expert est plus fiable que les machines en cas d'urgence.
Limites techniques : Certaines entreprises peuvent ne pas disposer de l'infrastructure technique nécessaire pour prendre en charge des systèmes d'exploitation et de maintenance intelligents, ce qui peut nécessiter des coûts plus élevés pour mettre à niveau les équipements et les systèmes.
Manque de sensibilisation : certaines entreprises peuvent ne pas être conscientes des avantages potentiels des opérations numériques, ou ne pas avoir suffisamment de connaissances et de compréhension sur la manière de mettre en œuvre des opérations numériques.
Bien que les industries traditionnelles présentent diverses déficiences cognitives en matière d'exploitation et de maintenance numériques, avec le développement de la technologie et l'importance croissante de la numérisation, l'exploitation et la maintenance intelligentes deviendront une tendance dans l'exploitation et la maintenance futures des systèmes d'information. est aussi une direction inévitable.
En réfléchissant à notre expérience de travail dans l'optimisation, l'exploitation et la maintenance des systèmes au fil des années, le personnel technique inexpérimenté est un facteur important menant à de mauvais résultats d'optimisation. Le travail d’optimisation nécessite des connaissances et des compétences professionnelles, plutôt que de s’appuyer uniquement sur l’expérience. Une formation plus systématique peut être nécessaire pour garantir que tout le personnel impliqué dans les efforts d'optimisation possède les compétences et les connaissances nécessaires. En outre, l'effet du travail d'optimisation est également affecté par plusieurs facteurs, tels que la conception du système, la qualité des données et le processus de travail d'optimisation.
Avec le développement continu de la technologie, il existe désormais de nombreux algorithmes et méthodes intelligents disponibles, qui peuvent considérablement améliorer l'efficacité de l'exploitation et de la maintenance et réduire les erreurs humaines. Les outils d'automatisation des connaissances en matière d'exploitation et de maintenance peuvent fournir une analyse intelligente et des opérations automatisées pour aider les administrateurs de base de données à mieux gérer et optimiser le système. Si l’entreprise dispose de ressources suffisantes, elle peut envisager d’introduire ces outils et systèmes pour améliorer l’efficacité de l’exploitation et de la maintenance. Le « système d'automatisation des connaissances sur l'exploitation et la maintenance » combine l'analyse des mégadonnées, l'intelligence artificielle et d'autres technologies, ainsi que l'expérience des experts et l'accumulation de travail, pour créer un système complet de connaissances sur l'exploitation et la maintenance, qui peut aider à améliorer l'efficacité et la qualité de l'exploitation et travaux d'entretien. Grâce à des systèmes d'indicateurs de surveillance, des modèles de santé, des cartes de connaissances d'exploitation et de maintenance, des algorithmes de détection d'anomalies et d'autres technologies, le « système d'automatisation des connaissances d'exploitation et de maintenance » peut automatiquement analyser et résoudre les problèmes de performances du système, tout en fournissant également des suggestions d'optimisation intelligentes et une aide à la prise de décision. pour Fournit un soutien solide aux travaux d'exploitation et de maintenance de l'entreprise.
En fait, l'objectif le plus important du développement du système D-SMART est de résumer les plus de 20 ans d'expérience de notre équipe dans l'exploitation et la maintenance informatiques et l'optimisation des systèmes, et de laisser les experts de l'équipe les mettre en valeur. Des années d'expérience accumulées sont transformées en une base de connaissances numérique qui peut être exécutée automatiquement. Et grâce à l'itération continue de la base de connaissances, les connaissances sur l'exploitation et la maintenance peuvent être continuellement accumulées et accumulées dans la plate-forme, améliorant ainsi continuellement la capacité d'analyse automatisée.
La recherche et le développement de ce système ne reposent pas uniquement sur l'équipe R&D. La recherche et le développement d'outils de connaissances sont entièrement réalisés par le DBA sans l'aide du personnel d'exploitation et de maintenance ordinaire. En effet, le personnel R&D ordinaire ne comprend pas les opérations informatiques, les bases de données et l'optimisation des performances. Seuls les administrateurs de base de données ayant effectué des travaux d'exploitation et de maintenance peuvent transformer avec plus de précision les idées des experts en outils automatisés.
Le point de départ du système D-SMART est le système d'indicateurs. Je pense que les indicateurs font partie de l'expérience des experts, et ils en sont une partie très importante. Seuls les indicateurs reconnus par les experts peuvent être pleinement interprétés. À l'heure actuelle, de nombreux logiciels de surveillance de bases de données fournissent de nombreux indicateurs que le personnel d'exploitation et de maintenance ne peut pas interpréter correctement. Même si ces indicateurs sont anormaux, ils peuvent ne pas être découverts. En d'autres termes, si des indicateurs anormaux sont découverts, ils ne peuvent pas détecter où se situe le problème. le système. Les données des indicateurs triées par les experts sont uniques et peuvent être interprétées par des experts, chaque indicateur sera donc noté par des experts et doté d'une étiquette spécifique.
La deuxième étape de D-SMART consiste à compléter la collecte précise d'indicateurs. Une collecte précise de données pour chaque indicateur est très critique pour un système d'exploitation et de maintenance intelligent. Il est essentiel de garantir que chaque donnée reflète avec précision le véritable état de la base de données. Une fois qu’un grand nombre de données ont été collectées, elles doivent être traitées avant de pouvoir être transformées en indicateurs utilisables. Ces algorithmes de traitement reflètent également l’expérience des experts. Grâce à cette étape, le système D-SMART obtient en continu un modèle numérique de l'état de fonctionnement de la base de données.
La troisième étape consiste à effectuer une modélisation et une analyse automatisées des indicateurs et des données de journal collectés. Nous utilisons le modèle de santé pour déterminer si l'état de fonctionnement de la base de données est normal et s'il existe des risques ; nous utilisons le modèle de performances pour comprendre l'état de performance global de la base de données ; nous utilisons le modèle de charge pour comprendre la situation de charge actuelle de la base de données ; base de données ; nous utilisons le modèle de panne pour découvrir d’éventuels dangers cachés dans la base de données et fournir des alarmes en temps opportun.
La quatrième étape consiste à utiliser les données collectées pour effectuer automatiquement diverses tâches d'inspection. Par exemple, lors d'une inspection quotidienne, le système analysera automatiquement chaque jour à minuit les données collectées la veille, découvrira les risques et les dangers cachés et générera un rapport d'inspection quotidien. Chaque mois ou chaque semaine, vous pouvez personnaliser les tâches pour analyser automatiquement les données récemment collectées et générer des rapports d'inspection. Ce type d'inspection peut analyser des données complètes et contient des données plus riches que la méthode traditionnelle de collecte manuelle de données et d'analyse manuelle. Les algorithmes qui automatisent l’analyse sont également plus efficaces.
En utilisant ces données, vous pouvez également effectuer de nombreux travaux d'analyse précieux, tels que la prédiction de capacité, l'optimisation des performances, des audits spéciaux, etc. Dans le même temps, en utilisant le système d'indicateurs standardisé, nous pouvons également établir une communication numérique entre les opérations de première ligne et les opérations de deuxième et troisième lignes. Grâce à un ensemble complet d'indicateurs, nous pouvons fournir aux opérations de troisième ligne une vue panoramique de la base de données. opération aussi complète que possible, éliminant véritablement le besoin de Sur place, les experts peuvent tout savoir sur le monde.
Il y a quelque temps, ma mère, qui a plus de 80 ans, a fait en sorte de fêter mon anniversaire. Elle a couru dehors toutes ces années et n'a pas fêté d'anniversaire depuis plus de dix ans. Quand j'ai allumé les bougies, j'ai réalisé que j'avais déjà 54 ans après mon anniversaire et qu'il ne me restait plus beaucoup de temps avant la retraite. Je veux numériser le plus possible l'expérience accumulée au fil des années pendant que je peux encore faire quelque chose maintenant, pour pouvoir la conserver, pour qu'il n'y ait pas de regrets.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
![[Web front-end] Démarrage rapide de Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
