运维人员应该多学习一些理论知识

原创白鳝白鳝的洞穴 2021年02月18日 00:26

过年的时候孩儿他妈在学习一个视频转场的制作技巧，我儿子站在旁边看了一会儿说，你没搞懂啥是蒙版，所以你搞不好关键帧。用到运维领域，也是如此。经常有朋友问我：“老白，为什么你做优化的时候总是有神来之笔，而我虽然大致也了解咋回事，但是总是抓不住关键呢？”

其实在十年前，我在创作《DBA的思想天空》的时候，就是希望DBA能从原理出发去考虑运维与优化。在九十年代末的时候，DBA圈子就有两个观点，一个观点是必须深入理解ORACLE的一些算法，才能把ORACLE运维做好，持这种观点的人在不断深入的研究ORACLE INTERNALS；另外一个观点是，对于内部原理，大致清楚就行了，没必要太深入，重要的学习运维与优化的一些方法和技巧，这些人在收集运维的“葵花宝典”。过于深入的分析原理，实际上也是存在瓶颈的，没有目的的学习原理并不能让原理为运维带来帮助。而不考虑原理的情况下去学习技巧，也会学成教条主义。老白是倾向于运维人员需要多学习一些理论知识的，因此在《DBA的思想天空》中都是以原理的学习为出发点，通过原理去分析该如何分析与操作。只有把原理的理论研究和实际操作结合起来，才能发挥最大的作用。

举个例子，如果你不懂WRITE AHEAD LOG的基本原理，那么你就很难理解数据库CHECKPOINT方面的优化该怎么去做。但是仅仅理解一些初步的理论知识，而没有更为深入的了解Oracle、达梦、PostgreSQL数据库的REDO日志在算法上的不同。这时候你用优化ORACLE日志切换的技巧去优化达梦数据库或者PostgreSQL数据库的日志性能，那么你可能很难很快找到正确的方法。

Oracle数据库的日志切换是一种十分高开销的工作，因此如果日志切换引起了数据库的性能抖动，那么我们通过加大REDO LOG文件的大小就可以缓解这个问题。而PostgreSQL的日志切换只是换了一个新的日志文件去写入WAL数据，整个WAL写入操作并没有受到很大的影响，因此加大WAL LOG BUFFER的大小和增加WAL LOG 文件的大小，对WAL性能的影响并不大，而加大MAX WAL SIZE，对于提高并发事务的能力的效果十分明显。虽然如果我们不知道这个原理，通过实践也能够试出来，不过通过原理去分析出来的方法，肯定会更为精准。

二十多年前，我在学习ORACLE的时候，老DBA总是告诫我，除非是十分紧急的情况，千万不要shutdown abort去关闭数据库，否则容易出事。当时我对数据库的日志和故障恢复的原理也是一知半解，因此就小心谨慎的按照前辈教导我的方法去做。遇到过几次十分紧急的情况，需要立即关闭数据库，shutdown immediate无法关闭数据库，也不敢强制关闭数据可靠，有时候甚至差点酿成严重的后果。后来理解了REDO和数据库故障恢复的原理后，才发现以前前辈教给我的方法是错误的，shutdown abort仅仅会丢失当前没有提交的一些数据而已，数据库重启后就可以恢复。于是再遇到类似问题的时候，就可以有更多的选择了。

知其然，知其所以然，不仅对于运维人员来说是十分关键的，在我们做智能化运维的时候就更为重要了。我们通过异常检测发现的异常点，如果无法确定这些异常点到底异常在哪，那么这些异常点就无法被正确的标注，那么后续的模型训练也就无法高质量的完成了。一个故障场景被发现后，如果无法对该场景通过原理进行抽象，那么我们就无法让这个故障场景变成一个通用的，能够在更为普遍的范围内发现问题，进行故障预警的模型，因为可能下一次发生类似问题的时候，现象又不太一样了。只有有懂得这些原理的专家参与到故障模型的抽象工作中去，才能够举一反三，把某个故障现象抽象成更为普遍与通用的故障模型。只有这种模型才是能够多次重现的，才对我们的日常运维有价值。

2021年新年假期很快的就结束了，对于中国人来说，新的一年才真正的展开。牛年也可能是智能化运维真正在实际生产中落地的元年，很多业务都可能出现颠覆性的变化。前两天老白看到了一个老美对于疫情后高等教育变化的研判，他认为当前各个高校正在上的网课今后可能是高等教育的新常态，就像疫情过去后，电话会议变成了大多数会议的新常态一样。而这种变化会导致全美超过30%的高校破产，而同时谷歌等大企业会借机进入高等教育领域，学生在高等教育上需要获得的除了文凭，更重要的是获得工作机会的能力。

和高等教育与网络电话会议一样，2020年的疫情让我们的更多的运维服务工作变成了离线工作，很多以前认为无法离线进行的运维服务工作被迫在线上离线进行。似乎效果还不错，甚至有些领导发现工作效率和工作效果都比以前还好。我想基于智能化运维的离线服务也将会在2021年生根发芽，我们做好了这个准备了吗？不管如何，运维人员多学点理论知识总是没错的。

系统健康管理专辑90

信创生态346

系统健康管理专辑 · 目录

上一篇专家知识在AIOPS中的作用下一篇评价CPU负载用average LOAD一定没问题吗？？

继续滑动看下一个