数据库智能化运维技术路线有几种？

在技术实现上，有三种不同的技术路线。

第一种是以全链路监控为核心的智能化运维，依托 NPM/APM 对业务系统全链路的数据采集， 结合异常检测算法实现对数据库问题的智能化发现，从而实现异常提前预警。其优点是可以较为全 面的观察到链路上每个环节的运行效率，从而可以比较快速的发现数据库存在了问题；其缺点是不 知道怎么解决问题，较难深入的对数据库的问题进行下钻，根因溯源能力较弱，只能把问题直接转 给 DBA 人工排查。采用这种技术路线的产品相对比较成熟，产品化程度比较高，在金融、制造业 等有大量应用，主要厂商有天旦、听云、蓝海讯通等 APM/NPM 厂家。此类产品形成了专业化的 智能化发现能力，产品化程度高，虽然在下钻分析能力上存在缺陷，但在特定应用场景下效果不错。

第二种是以智能运维算法为核心，利用企业在运维大数据的历史积累，进行异常检测分析，通 过分析算法发现数据库存在的问题。其优点是利用算法的能力可能发现运维专家都忽视的问题，发 现与解决一些以往专家都无法解决的问题。其缺点是客户历史积累的运维大数据比较零散，而且大 多采用客户现有的各种监控软件做采集器采集数据，数据质量不高，因此效率低。这种技术路线是 希望从理论出发走向实践，但这条路线能不能走通，还在积极探索中。但由于选择这种路线的公司， 均可以提供较完善的算法库，希望与客户一起用历史运维大数据，验证算法库，实际效果并不理想， 很难形成成熟的即用产品，准确的讲是在做大数据定制软件开发的集成项目。以智能运维算法为核 心的企业，比如必示、擎创等采用此技术路线。此技术路线基于大数据软件定制开发，产品化程度 较低，实施成本较高。对于大型企业的特定需求支持程度较好，适合于较为大型的个性化需求。

第三种是以运维知识、专家经验和智能模型为核心的技术路线。首先将运维专家的专业知识梳理出来，形成规则表达式和运维知识图谱，作为数据库智能化运维工具的基础。再结合异常检测算 法等大数据分析与深度学习算法，构建数据自动化处理框架。最终结合专家知识与智能分析的双引 擎，实现数据库智能化运维辅助。该方法的优点是针对具体的数据库的综合分析能力较强，问题溯 源较容易实现，缺点是产品研发过程中需要高水平 DBA 专家参与，知识梳理的工作量较大，同时 也需要大量的实战案例作为基础，单一企业较难实施落地。这种技术路线经历了从实践、认识、再 实践、再认识，循环往复的良性过程，产品化程度高，智能分析功能强大。南京基石数据、云和恩 墨等企业采用此技术路线。此技术路线基于运维知识图谱，产品化程度高，不过需要研发单位有大 量的数据库运维专家参与研发。