왜 퇴직 전 시간을 운영 및 유지보수 지식 자동화 시스템으로 고생하며 보내야 합니까?

저희 팀은 2003년부터 시스템 최적화 작업을 해왔습니다. 저는 HP SERVICE의 초청으로 2003년에 Haier 시스템 최적화 팀에 합류하여 Oracle 데이터베이스 최적화를 담당했습니다. 대규모 시스템 최적화에 참여하는 것은 이번이 처음이었습니다. 당시에도 대규모 애프터 서비스 시스템 최적화를 어디서부터 시작해야 할지 몰랐습니다. 저는 Levi's의 책을 가지고 이번 최적화 프로젝트에 참여하기 위해 칭다오에 갔습니다. 이 프로젝트를 통해 저는 오라클 데이터베이스 최적화에 대한 사전 이해를 얻었습니다. 나중에 저는 HP가 Huawei의 SCM 시스템에 사용되는 CAF 플랫폼의 성능 평가를 완료하도록 도왔고, 프로젝트가 더 이상 최적화될 수 없기 때문에 더 큰 자금 낭비를 피하기 위해 의사 결정자들에게 프로젝트를 제때에 중단할 것을 권고했습니다. 이후 HP는 내 제안을 받아들여 CAF 플랫폼 기반 프로젝트를 종료했고, 화웨이도 SCM 시스템과 ERP 시스템의 기반으로 Oracle EBS를 다시 선택했다. 그 이후로 우리 팀은 규모가 커지고 더 많은 최적화 프로젝트를 수행했으며 시스템 최적화 전문가 그룹을 교육했습니다.

2011년에 우리는 전문가의 지도 하에 State Grid의 시스템 최적화를 돕기 시작했으며 처음 몇 개의 프로젝트에서 특히 좋은 결과를 얻었습니다. 고객은 최적화 범위를 확장하기를 원했고 거의 100명의 DBA가 필요한 대규모 최적화 프로젝트를 개발했습니다. 우리는 프로젝트의 품질을 보장하기 위해 여러 파트너로부터 수십 명의 DBA를 모집하여 전체 팀을 대상으로 여러 차례 중앙 집중식 교육을 실시했습니다. 그러나 결국 이 프로젝트의 결과는 매우 만족스럽지 못했습니다. 가장 큰 이유는 DBA의 역량이 불균형하고, 대부분 대규모 최적화 프로젝트에 참여하지 않았기 때문입니다. 그 프로젝트 이후로 나는 전문가의 경험이 더 큰 역할을 할 수 있는 방법을 찾고자 사람과 전문가에 의존하는 전통적인 운영 및 유지 관리 모델의 문제점에 대해서도 고민해 왔습니다. 이것이 운영 및 유지보수 지식 자동화 시스템인 D-SMART를 개발하려는 원래 의도입니다. 지식 자동화 시스템을 구축하려면 윤중의 디지털화 수준을 높여야 합니다. 그러나 전통 산업의 IT 운영 및 유지 관리의 디지털화 정도는 매우 낮습니다. 여기에는 몇 가지 주된 이유가 있습니다.

제한된 리소스: 많은 기업은 R&D에 투자하고 지능형 운영 및 유지 관리 시스템을 구현하기에 충분한 리소스가 없거나 다른 측면에 리소스를 투자하는 것이 더 보람 있다고 생각할 수 있습니다.

문화적 요인: 일부 기업에서는 자동화 시스템에 대한 신뢰가 부족하거나 비상 시 기계보다 전문가 판단이 더 신뢰할 수 있다고 믿기 때문에 자동화 시스템보다 사람의 경험에 의존하는 것을 선호할 수 있습니다.

기술적 한계: 일부 회사는 지능형 운영 및 유지 관리 시스템을 지원하는 데 필요한 기술 인프라가 부족할 수 있으며, 이로 인해 장비 및 시스템을 업그레이드하는 데 더 높은 비용이 필요할 수 있습니다.

인식 부족: 일부 기업은 디지털 운영의 잠재적 이점을 인식하지 못하거나 디지털 운영 구현 방법에 대한 충분한 지식과 이해가 없을 수 있습니다.

전통산업은 디지털 운영 및 유지관리에 있어 다양한 인지적 결함을 안고 있지만, 기술의 발전과 디지털화의 중요성이 커짐에 따라 지능형 운영 및 유지관리는 미래 정보시스템 운영 및 유지관리의 트렌드이자 피할 수 없는 방향이 될 것입니다.

다년간의 시스템 최적화와 운영 및 유지 관리 분야의 업무 경험을 되돌아보면 경험이 부족한 기술 인력은 최적화 결과를 좋지 않게 만드는 중요한 요소입니다. 최적화 작업에는 경험에만 의존하기보다는 전문적인 지식과 기술이 필요합니다. 최적화 노력에 참여하는 모든 직원이 필요한 기술과 지식을 갖추도록 하려면 보다 체계적인 교육이 필요할 수 있습니다. 또한 최적화 작업의 효과는 시스템 설계, 데이터 품질, 최적화 작업 프로세스 등 여러 요소의 영향을 받습니다.

지속적인 기술 개발로 이제 많은 지능형 알고리즘과 방법을 사용할 수 있으며 이를 통해 운영 및 유지 관리 효율성을 크게 향상하고 인적 오류를 줄일 수 있습니다. 운영 및 유지 관리 지식 자동화 도구는 지능적인 분석과 자동화된 운영을 제공하여 DBA가 시스템을 더 잘 관리하고 최적화하는 데 도움을 줍니다. 기업에 충분한 리소스가 있는 경우 이러한 도구와 시스템을 도입하여 운영 및 유지 관리 효율성을 향상시키는 것을 고려할 수 있습니다. "운영 및 유지보수 지식 자동화 시스템"은 빅데이터 분석, 인공지능 등의 기술과 전문가 경험 및 업무 축적을 결합하여 운영 및 유지보수의 효율성과 품질을 향상시키는 데 도움이 되는 종합적인 운영 및 유지보수 지식 시스템을 구축합니다. 유지 보수 업무. 모니터링 지표 시스템, 상태 모델, 운영 및 유지 관리 지식 맵, 이상 감지 알고리즘 및 기타 기술을 통해 "운영 및 유지 관리 지식 자동화 시스템"은 시스템 성능 문제를 자동으로 분석 및 해결하는 동시에 지능형 최적화 제안 및 결정을 제공할 수 있습니다. - 만들기 지원 기업의 운영 및 유지 관리 업무에 대한 강력한 지원을 제공합니다.

사실 D-SMART 시스템 개발의 가장 중요한 목적은 우리 팀의 20년 이상의 IT 운영 및 유지 관리, 시스템 최적화 경험을 요약하여 팀 내 전문가들이 그 동안 축적된 경험을 전환할 수 있도록 하는 것입니다. 자동화 가능한 디지털 지식 베이스로 그리고 지식베이스의 지속적인 반복을 통해 운영 및 유지보수 지식이 플랫폼에 지속적으로 축적, 축적될 수 있어 자동화 분석 능력이 지속적으로 향상됩니다.

이 시스템의 연구 개발은 R&D 팀에만 의존하지 않습니다. 지식 도구의 연구 개발은 일반 운영 및 유지 관리 인력의 도움 없이 DBA에 의해 완전히 완료됩니다. 일반 R&D 인력은 IT 운영, 데이터베이스, 성능 최적화를 이해하지 못하기 때문이다. 운영 및 유지보수 업무를 수행한 DBA만이 전문가의 아이디어를 자동화된 도구로 보다 정확하게 전환할 수 있습니다.

D-SMART 시스템의 출발점은 지표 시스템이라고 생각합니다. 지표는 전문가의 경험의 일부이고, 전문가가 인정한 지표만이 완전한 해석이 가능하다고 생각합니다. 현재 많은 데이터베이스 모니터링 소프트웨어는 운영 및 유지 관리 담당자가 올바르게 해석할 수 없는 많은 지표를 제공합니다. 이러한 지표가 비정상이더라도 발견되지 않을 수 있습니다. 즉, 비정상 지표가 발견되면 문제가 어디에 있는지 감지할 수 없습니다. 시스템. 전문가가 정리한 지표 데이터는 단일하고 전문가가 해석할 수 있으므로 각 지표에는 전문가가 표시하고 특정 라벨이 부여됩니다.

D-SMART의 두 번째 단계는 정확한 지표 수집을 완료하는 것입니다. 각 지표에 대한 정확한 데이터 수집은 지능형 운영 및 유지 관리 시스템에 매우 중요합니다. 모든 데이터가 데이터베이스의 실제 상태를 정확하게 반영하는지 확인하는 것이 중요합니다. 많은 양의 데이터가 수집된 후 이를 처리하여 유용한 지표로 변환해야 합니다. 이러한 처리 알고리즘에도 전문가의 경험이 반영됩니다. 이 단계를 통해 D-SMART 시스템은 데이터베이스 운영 상태에 대한 디지털 모델을 지속적으로 획득합니다.

세 번째 단계는 수집된 지표와 로그 데이터에 대한 자동화된 모델링 및 분석을 수행하는 것입니다. 상태 모델을 사용하여 데이터베이스의 실행 상태가 정상인지, 위험이 있는지 여부를 확인합니다. 성능 모델을 사용하여 데이터베이스의 전반적인 성능 상태를 이해합니다. 로드 모델을 사용하여 데이터베이스의 현재 로드 상황을 이해합니다. 데이터베이스; 우리는 결함 모델을 사용하여 데이터베이스에서 잠재적인 숨겨진 위험을 발견하고 적시에 경보를 제공합니다.

네 번째 단계는 수집된 데이터를 활용하여 다양한 검사 작업을 자동으로 완료하는 것입니다. 예를 들어 일일점검 시 매일 자정에 전날 수집된 데이터를 시스템이 자동으로 분석해 위험요소와 숨은 위험을 발굴하고 일일점검 보고서를 생성한다. 매월 또는 매주 작업을 맞춤화하여 최근 수집된 데이터를 자동으로 분석하고 검사 보고서를 생성할 수 있습니다. 이러한 종류의 검사는 수동 데이터 수집 및 수동 분석의 전통적인 방법보다 포괄적인 데이터를 분석할 수 있으며 더 풍부한 데이터를 보유합니다. 분석을 자동화하는 알고리즘도 더 효율적입니다.

이 데이터를 사용하면 용량 예측, 성능 최적화, 특별 감사 등 귀중한 분석 작업을 많이 수행할 수도 있습니다. 동시에 표준화된 지표 시스템을 사용하여 1차 운영과 2차 및 3차 운영 간의 디지털 커뮤니케이션을 구축할 수도 있습니다. 완전한 지표 세트를 통해 데이터베이스를 한눈에 볼 수 있는 3차 운영을 제공할 수 있습니다. 최대한 포괄적으로 운영하여 현장의 필요성을 완전히 제거함으로써 전문가는 전 세계의 모든 것을 알 수 있습니다.

80세가 넘으신 어머니께서 얼마 전 제 생일을 꼭 축하해주셨는데, 수년 동안 밖에서 뛰어다니시고 10년 넘게 생일을 축하하지 않으셨습니다. 촛불을 켜보니 생일을 지나 벌써 54세가 되었고 은퇴까지 얼마 남지 않았다는 것을 깨달았습니다. 지금이라도 할 수 있는 일을 할 수 있을 때, 그 동안 쌓아온 경험을 최대한 디지털화해서 간직할 수 있도록, 후회가 없도록 하고 싶다.

위 내용은 왜 퇴직 전 시간을 운영 및 유지보수 지식 자동화 시스템으로 고생하며 보내야 합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!