国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

數(shù)據(jù)庫智能運維探索與實踐

CHENGKANG / 1072人閱讀

摘要:本文將介紹美團點評整個數(shù)據(jù)庫平臺的演進歷史,以及我們當(dāng)前的情況和面臨的一些挑戰(zhàn),最后分享一下我們從自動化到智能化運維過渡時,所進行的思考探索與實踐。

從自動化到智能化運維過渡時,美團DBA團隊進行了哪些思考、探索與實踐?本文根據(jù)趙應(yīng)鋼在“第九屆中國數(shù)據(jù)庫技術(shù)大會”上的演講內(nèi)容整理而成,部分內(nèi)容有更新。
背景

近些年,傳統(tǒng)的數(shù)據(jù)庫運維方式已經(jīng)越來越難于滿足業(yè)務(wù)方對數(shù)據(jù)庫的穩(wěn)定性、可用性、靈活性的要求。隨著數(shù)據(jù)庫規(guī)模急速擴大,各種NewSQL系統(tǒng)上線使用,運維逐漸跟不上業(yè)務(wù)發(fā)展,各種矛盾暴露的更加明顯。在業(yè)務(wù)的驅(qū)動下,美團點評DBA團隊經(jīng)歷了從“人肉”運維到工具化、產(chǎn)品化、自助化、自動化的轉(zhuǎn)型之旅,也開始了智能運維在數(shù)據(jù)庫領(lǐng)域的思考和實踐。

本文將介紹美團點評整個數(shù)據(jù)庫平臺的演進歷史,以及我們當(dāng)前的情況和面臨的一些挑戰(zhàn),最后分享一下我們從自動化到智能化運維過渡時,所進行的思考、探索與實踐。

數(shù)據(jù)庫平臺的演變

我們數(shù)據(jù)庫平臺的演進大概經(jīng)歷了五個大的階段:

第一個是腳本化階段,這個階段,我們?nèi)松?,集群少,服?wù)流量也比較小,腳本化的模式足以支撐整個服務(wù)。

第二個是工具化階段,我們把一些腳本包裝成工具,圍繞CMDB管理資產(chǎn)和服務(wù),并完善了監(jiān)控系統(tǒng)。這時,我們的工具箱也逐漸豐富起來,包括DDL變更工具、SQL Review工具、慢查詢采集分析工具和備份閃回工具等等。

第三個是產(chǎn)品化階段,工具化階段可能還是單個的工具,但是在完成一些復(fù)雜操作時,就需要把這些工具組裝起來形成一個產(chǎn)品。當(dāng)然,并不是說這個產(chǎn)品一定要做成Web系統(tǒng)的形式,而是工具組裝起來形成一套流程之后,就可以保證所有DBA的操作行為,對流程的理解以及對線上的影響都是一致的。我們會在易用性和安全性層面不斷進行打磨。而工具產(chǎn)品化的主要受益者是DBA,其定位是提升運維服務(wù)的效率,減少事故的發(fā)生,并方便進行快速統(tǒng)一的迭代。

第四個是打造私有云平臺階段,隨著美團點評業(yè)務(wù)的高速發(fā)展,僅靠十幾、二十個DBA越來越難以滿足業(yè)務(wù)發(fā)展的需要。所以我們就把某些日常操作開放授權(quán),讓開發(fā)人員自助去做,將DBA從繁瑣的操作中解放出來。當(dāng)時整個平臺每天執(zhí)行300多次改表操作;自助查詢超過1萬次;自助申請賬號、授權(quán)并調(diào)整監(jiān)控;自助定義敏感數(shù)據(jù)并授權(quán)給業(yè)務(wù)方管理員自助審批和管理;自定義業(yè)務(wù)的高峰和低峰時間段等等;自助下載、查詢?nèi)罩镜鹊取?/p>

第五個是自動化階段,對這個階段的理解,其實是“仁者見仁,智者見智”。大多數(shù)人理解的自動化,只是通過Web平臺來執(zhí)行某些操作,但我們認(rèn)為這只是半自動化,所謂的自動化應(yīng)該是完全不需要人參與。目前,我們很多操作都還處于半自動化階段,下一個階段我們需要從半自動過渡到全自動。以MySQL系統(tǒng)為例,從運維角度看包括主從的高可用、服務(wù)過載的自我保護、容量自動診斷與評估以及集群的自動擴縮容等等。

現(xiàn)狀和面臨的挑戰(zhàn)

下圖是我們平臺的現(xiàn)狀,以關(guān)系數(shù)據(jù)庫RDS平臺為例,其中集成了很多管理的功能,例如主從的高可用、MGW的管理、DNS的變更、備份系統(tǒng)、升級流程、流量分配和切換系統(tǒng)、賬號管理、數(shù)據(jù)歸檔、服務(wù)與資產(chǎn)的流轉(zhuǎn)系統(tǒng)等等。

而且我們按照邏輯對平臺設(shè)計進行了劃分,例如以用戶維度劃分的RDS自助平臺,DBA管理平臺和測試環(huán)境管理平臺;以功能維度劃分的運維、運營和監(jiān)控;以存儲類型為維度劃分的關(guān)系型數(shù)據(jù)庫MySQL、分布式KV緩存、分布式KV存儲,以及正在建設(shè)中的NewSQL數(shù)據(jù)庫平臺等等。未來,我們希望打造成“MySQL+NoSQL+NewSQL,存儲+緩存的一站式服務(wù)平臺”。

挑戰(zhàn)一:RootCause定位難

即便我們打造了一個很強大的平臺,但還是發(fā)現(xiàn)有很多問題難以搞定。第一個就是故障定位,如果是簡單的故障,我們有類似天網(wǎng)、雷達(dá)這樣的系統(tǒng)去發(fā)現(xiàn)和定位。但是如果故障發(fā)生在數(shù)據(jù)庫內(nèi)部,那就需要專業(yè)的數(shù)據(jù)庫知識,去定位和查明到底是什么原因?qū)е铝斯收稀?/p>

通常來講,故障的軌跡是一個鏈,但也可能是一個“多米諾骨牌”的連環(huán)。可能因為一些原因?qū)е耂QL執(zhí)行變慢,引起連接數(shù)的增長,進而導(dǎo)致業(yè)務(wù)超時,而業(yè)務(wù)超時又會引發(fā)業(yè)務(wù)不斷重試,結(jié)果會產(chǎn)生更多的問題。當(dāng)我們收到一個報警時,可能已經(jīng)過了30秒甚至更長時間,DBA再去查看時,已經(jīng)錯過了最佳的事故處理時機。所以,我們要在故障發(fā)生之后,制定一些應(yīng)對策略,例如快速切換主庫、自動屏蔽下線問題從庫等等。除此之外,還有一個比較難的問題,就是如何避免相似的故障再次出現(xiàn)。

挑戰(zhàn)二:人力和發(fā)展困境

第二個挑戰(zhàn)是人力和發(fā)展的困境,當(dāng)服務(wù)流量成倍增長時,其成本并不是以相同的速度對應(yīng)增長的。當(dāng)業(yè)務(wù)邏輯越來越復(fù)雜時,每增加一塊錢的營收,其后面對應(yīng)的數(shù)據(jù)庫QPS可能是2倍甚至5倍,業(yè)務(wù)邏輯越復(fù)雜,服務(wù)支撐的難度越大。另外,傳統(tǒng)的關(guān)系型數(shù)據(jù)庫在容量、延時、響應(yīng)時間以及數(shù)據(jù)量等方面很容易達(dá)到瓶頸,這就需要我們不斷拆分集群,同時開發(fā)訴求也多種多樣,當(dāng)我們嘗試使用平臺化的思想去解決問題時,還要充分思考如何滿足研發(fā)人員多樣化的需求。

人力困境這一問題,從DBA的角度來說,時間被嚴(yán)重的碎片化,自身的成長就會遇到瓶頸,比如經(jīng)常會做一些枯燥的重復(fù)操作;另外,業(yè)務(wù)咨詢量暴增,盡管我們已經(jīng)在嘗試平臺化的方法,但是還是跟不上業(yè)務(wù)發(fā)展的速度。還有一個就是專業(yè)的DBA越來越匱乏,越來越貴,關(guān)鍵是根本招聘不到人手。

在這種背景下,我們必須去思考:如何突破困局?如何朝著智能化轉(zhuǎn)型?傳統(tǒng)運維苦在哪里?智能化運維又能解決哪些問題?

首先從故障產(chǎn)生的原因來說,傳統(tǒng)運維是故障觸發(fā),而智能運維是隱患驅(qū)動。換句話來說,智能運維不用報警,通過看報表就能知道可能要出事了,能夠把故障消滅在“萌芽”階段;第二,傳統(tǒng)運維是被動接受,而智能運維是主動出擊。但主動出擊不一定是通過DBA去做,可能是系統(tǒng)或者機器人操作;第三,傳統(tǒng)運維是由DBA發(fā)起和解決的,而智能運維是系統(tǒng)發(fā)起、RD自助;第四,傳統(tǒng)運維屬于“人肉救火”,而智能運維屬于“智能決策執(zhí)行”;最后一點,傳統(tǒng)運維需要DBA親臨事故現(xiàn)場,而智能運維DBA只需要“隱身幕后”。

從自動化到智能化

那么,如何從半自動化過渡到自動化,進而發(fā)展到智能化運維呢?在這個過程中,我們會面臨哪些痛點呢?

我們的目標(biāo)是為整個公司的業(yè)務(wù)系統(tǒng)提供高效、穩(wěn)定、快速的存儲服務(wù),這也是DBA存在的價值。業(yè)務(wù)并不關(guān)心后面是MySQL還是NoSQL,只關(guān)心數(shù)據(jù)是否沒丟,服務(wù)是否可用,出了問題之后多長時間能夠恢復(fù)等等。所以我們盡可能做到把這些東西對開發(fā)人員透明化,提供穩(wěn)定高效快速的服務(wù)。而站在公司的角度,就是在有限的資源下,提升效率,降低成本,盡可能長遠(yuǎn)地解決問題。

上圖是傳統(tǒng)運維和智能運維的特點分析,左邊屬于傳統(tǒng)運維,右邊屬于智能運維。傳統(tǒng)運維在采集這一塊做的不夠,所以它沒有太多的數(shù)據(jù)可供參考,其分析和預(yù)警能力是比較弱的。而智能運維剛好是反過來,重采集,很多功夫都在平時做了,包括分析、預(yù)警和執(zhí)行,智能分析并推送關(guān)鍵報表。

而我們的目標(biāo),是讓智能運維中的“報警+分析+執(zhí)行”的比重占據(jù)的越來越少。

決策執(zhí)行如何去做呢?我們都知道,預(yù)警重要但不緊急,但報警是緊急且重要的,如果你不能夠及時去處理的話,事態(tài)可能會擴大,甚至?xí)o公司帶來直接的經(jīng)濟損失。

預(yù)警通常代表我們已經(jīng)定位了一個問題,它的決策思路是非常清晰的,可以使用基于規(guī)則或AI的方式去解決,相對難度更小一些。而報警依賴于現(xiàn)場的鏈路分析,變量多、路徑長,所以決策難,間接導(dǎo)致任何決策的風(fēng)險可能都變大。所以說我們的策略就是全面的采集數(shù)據(jù),然后增多預(yù)警,率先實現(xiàn)預(yù)警發(fā)現(xiàn)和處理的智能化。就像我們既有步槍,也有手槍和刺刀,能遠(yuǎn)距離解決敵人的,就盡量不要短兵相接、肉搏上陣。

數(shù)據(jù)采集,從數(shù)據(jù)庫角度來說,我們產(chǎn)生的數(shù)據(jù)分成四塊,Global Status、Variable,Processlist、InnoDB Status,Slow、Error、General Log和Binlog;從應(yīng)用側(cè)來說,包含端到端成功率、響應(yīng)時間95線、99線、錯誤日志和吞吐量;從系統(tǒng)層面,支持秒級采樣、操作系統(tǒng)各項指標(biāo);從變更側(cè)來看,包含集群拓?fù)湔{(diào)整、在線DDL、DML變更、DB平臺操作日志和應(yīng)用端發(fā)布記錄等等。

數(shù)據(jù)分析,首先是圍繞集群分析,接著是實例、庫,最后是表,其中每個對象都可以在多項指標(biāo)上同比和環(huán)比,具體對比項可參考上圖。

通過上面的步驟,我們基本可以獲得數(shù)據(jù)庫的畫像,并且?guī)椭覀儚恼w上做資源規(guī)劃和服務(wù)治理。例如,有些集群實例數(shù)特別多且有繼續(xù)增加的趨勢,那么服務(wù)器需要scale up;讀增加迅猛,讀寫比變大,那么應(yīng)考慮存儲KV化;利用率和分布情況會影響到服務(wù)器采購和預(yù)算制定;哪幾類報警最多,就專項治理,各個擊破。

從局部來說,我們根據(jù)分析到的一些數(shù)據(jù),可以做一個集群的健康體檢,例如數(shù)據(jù)庫的某些指標(biāo)是否超標(biāo)、如何做調(diào)整等等。

數(shù)據(jù)庫預(yù)警,通過分析去發(fā)現(xiàn)隱患,把報警轉(zhuǎn)化為預(yù)警。上圖是我們實際情況下的報警統(tǒng)計分析結(jié)果,其中主從延遲占比最大。假設(shè)load.1minPerCPU比較高,我們怎么去解決?那么,可能需要采購CPU單核性能更高的機器,而不是采用更多的核心。再比如說磁盤空間,當(dāng)我們發(fā)現(xiàn)3T的磁盤空間普遍不夠時,我們下次可以采購6T或更大空間的磁盤。

針對空間預(yù)警問題,什么時候需要拆分集群?MySQL數(shù)據(jù)庫里,拆分或遷移數(shù)據(jù)庫,花費的時間可能會很久。所以需要評估當(dāng)前集群,按目前的增長速度還能支撐多長時間,進而反推何時要開始拆分、擴容等操作。

針對慢查詢的預(yù)警問題,我們會統(tǒng)計紅黑榜,上圖是統(tǒng)計數(shù)據(jù),也有利用率和出軌率的數(shù)據(jù)。假設(shè)這是一個金融事業(yè)群的數(shù)據(jù)庫,假設(shè)有業(yè)務(wù)需要訪問且是直連,那么這時就會產(chǎn)生幾個問題:第一個,有沒有數(shù)據(jù)所有者的授權(quán);第二個,如果不通過服務(wù)化方式或者接口,發(fā)生故障時,它可能會導(dǎo)致整個金融的數(shù)據(jù)庫掛,如何進行降級?所以,我們會去統(tǒng)計出軌率跟慢查詢,如果某數(shù)據(jù)庫正被以一種非法的方式訪問,那么我們就會掃描出來,再去進行服務(wù)治理。

從運維的層面來說,我們做了故障快速轉(zhuǎn)移,包括自動生成配置文件,自動判斷是否啟用監(jiān)控,切換后自動重寫配置,以及從庫可自動恢復(fù)上線等等。

報警自動處理,目前來說大部分的處理工作還是基于規(guī)則,在大背景下擬定規(guī)則,觸發(fā)之后,按照滿足的前提條件觸發(fā)動作,隨著庫的規(guī)則定義的逐漸完善和豐富,可以逐步解決很多簡單的問題,這部分就不再需要人的參與。

展望

未來我們還會做一個故障診斷平臺,類似于“扁鵲”,實現(xiàn)日志的采集、入庫和分析,同時提供接口,供全鏈路的故障定位和分析、服務(wù)化治理。

展望智能運維,應(yīng)該是在自動化和智能化上交疊演進,在ABC(AI、Big Data、Cloud Computing)三個方向上深入融合。在數(shù)據(jù)庫領(lǐng)域,NoSQL和SQL界限正變得模糊,軟硬結(jié)合、存儲計算分離架構(gòu)也被越來越多的應(yīng)用,智能運維正當(dāng)其時,我們也面臨更多新的挑戰(zhàn)。我們的目標(biāo)是,希望通過DB平臺的不斷建設(shè)加固,平臺能自己發(fā)現(xiàn)問題,自動定位問題,并智能的解決問題。

作者簡介

應(yīng)鋼,美團點評研究員,數(shù)據(jù)庫專家。曾就職于百度、新浪、去哪兒網(wǎng)等,10年數(shù)據(jù)庫自動化運維開發(fā)、數(shù)據(jù)庫性能優(yōu)化、大規(guī)模數(shù)據(jù)庫集群技術(shù)保障和架構(gòu)優(yōu)化經(jīng)驗。精通主流的SQL與NoSQL系統(tǒng),現(xiàn)專注于公司業(yè)務(wù)在NewSQL領(lǐng)域的創(chuàng)新和落地。

文章版權(quán)歸作者所有,未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址:http://specialneedsforspecialkids.com/yun/17844.html

相關(guān)文章

  • 數(shù)據(jù)庫智能運維探索實踐

    摘要:本文將介紹美團點評整個數(shù)據(jù)庫平臺的演進歷史,以及我們當(dāng)前的情況和面臨的一些挑戰(zhàn),最后分享一下我們從自動化到智能化運維過渡時,所進行的思考探索與實踐。 從自動化到智能化運維過渡時,美團DBA團隊進行了哪些思考、探索與實踐?本文根據(jù)趙應(yīng)鋼在第九屆中國數(shù)據(jù)庫技術(shù)大會上的演講內(nèi)容整理而成,部分內(nèi)容有更新。 背景 近些年,傳統(tǒng)的數(shù)據(jù)庫運維方式已經(jīng)越來越難于滿足業(yè)務(wù)方對數(shù)據(jù)庫的穩(wěn)定性、可用性、靈活...

    yzzz 評論0 收藏0
  • 數(shù)據(jù)庫智能運維探索實踐

    摘要:本文介紹了美團整個數(shù)據(jù)庫平臺的演進歷史,以及我們當(dāng)前的情況和面臨的一些挑戰(zhàn),最后分享一下我們從自動化到智能化運維過渡時,所進行的思考探索與實踐。 背景近些年,傳統(tǒng)的數(shù)據(jù)庫運維方式已經(jīng)越來越難于滿足業(yè)務(wù)方對數(shù)據(jù)庫的穩(wěn)定性、可用性、靈活性的要求。隨著數(shù)據(jù)庫規(guī)模急速擴大,各種NewSQL系統(tǒng)上線使用,運維逐漸跟不上業(yè)務(wù)發(fā)展,各種矛盾暴露的更加明顯。在業(yè)務(wù)的驅(qū)動下,美團DBA團隊經(jīng)歷了從人肉運維到工...

    TNFE 評論0 收藏0
  • AIOps在攜程的踐行

    摘要:隨著人工智能時代的到來,攜程生產(chǎn)環(huán)境運維進入了新的運維時代。本文選取了幾種典型的運維場景對在攜程的踐行展開了介紹,首先讓我們從概念認(rèn)識下。針對應(yīng)用異常指標(biāo)檢測這種場景,抽取一定的樣本統(tǒng)計,在基于專家經(jīng)驗標(biāo)注下的準(zhǔn)確率可達(dá)到以上,召回率接近。 作者簡介徐新龍,攜程技術(shù)保障中心應(yīng)用管理團隊高級工程師,負(fù)責(zé)多個AIOps項目的設(shè)計與研發(fā)。信號處理專業(yè)碩士畢業(yè),對人工智能、機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)及數(shù)學(xué)有...

    MingjunYang 評論0 收藏0
  • 2017年TOP100summit15位大咖擔(dān)任聯(lián)席主席甄選最值得學(xué)習(xí)的100個研發(fā)案例

    摘要:以下將分別從五大技術(shù)專場維度介紹本屆峰會的部分聯(lián)席主席與精選案例。天時間集中分享年最值得學(xué)習(xí)的個研發(fā)案例實踐。 從萬維網(wǎng)到物聯(lián)網(wǎng),從信息傳播到人工智能,20年間軟件研發(fā)行業(yè)趨勢發(fā)生了翻天覆地的變化。大數(shù)據(jù)、云計算、AI等新興領(lǐng)域逐漸改變我們的生活方式,Devops、容器、深度學(xué)習(xí)、敏捷等技術(shù)方式和工作理念對軟件研發(fā)從業(yè)者提出更高要求。 由麥思博(msup)有限公司主辦的第六屆全球軟件案...

    andot 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<