לאחרונה כולם מחפשים אוטונומיה. לגבי הקטלונים – כבר לא ברור אם זה יקרה. עבור פורד ואורקל לעומת זאת, אשר תמיד נחשבו למובילות בתחומן , העתיד כנראה מבטיח יותר. בעוד לא הרבה שנים נראה יותר ויותר מכוניות אוטונומיות על הכביש, אבל באורקל לא מחכים, והDB האוטונומי הראשון כבר מעבר לפינה.
ודאי הספקתם לשמוע את ההכרזה של לארי אליסון בopen world האחרון על השקת בסיס הנתונים האוטונומי הראשון. מה זה אומר בסיס נתונים אוטונומי ? איך זה יעבוד? מה צופן העתיד לבסיס הנתונים ולDBA?
איך התגלגלנו מגרסא 9i לבסיס נתונים אוטונומי?
לאורך השנים אורקל פיתחה עשרות מנועי אוטומציה מתוחכמים בבסיס הנתונים. החל מ Automatic Memory Management ו-Automatic Statistics Gathering בגרסאות 9 ו10 , דרך Automatic Storage Management (ASM), Automatic DB Diagnostic Monitor (ADDM), Automatic Workload Repository (AWR) המשיכה עם Automatic SQL Tuning , Automatic Storage Indexes בגרסאות 11 ו12 ועד Automatic Refresh of Database Cloning ו Autonomous Health Framework. רובם הפכו לכלי עזר משמעותיים ובלתי נפרדים מארגז הכלים של הDBA.
באמצעות המערכות המהונדסות של אורקל, ובפרט הexadata אורקל למעשה הפכה את כל תשתית הDB לאוטומטי. לא עוד אינטגרציה של רכיבי חומרה ותוכנות, שרתים, אחסון, תקשורת, מערכות הפעלה וגרסאות DB באינספור וריאציות . אלא תשתית סטנדרטית, אחידה, מהונדסת ומוכנה להריץ DB בתצורה האופטימלית.
בבסיס הנתונים האוטונומי בענן, אורקל יכולה למעשה לשלב את כל היכולות האוטומטיות המתקדמות שפיתחה עד היום ולהרחיב אותן, וכן לשלב אותן עם תשתית מהונדסת ואוטומטית לחלוטין ומוסיפה אוטומציות חדשות באזורי הhigh availability ואבטחת המידע.
אז אנחנו מבינים כבר מה זה אוטומציה, אבל מה זה בסיס נתונים אוטונומי?
אם נשווה רגע לעולם הרכבים, יש לנו רכב אוטומטי שזה אומר שהרכב מפשט לנו את התפעול באמצעות הרבה פעולות שנעשות אוטומטית, למשל בקרת שיוט, בלימת הרכב בחירום, התראות על מעבר נתיבים וכו'. כך גם בסיס נתונים אוטומטי, מפשט לנו את התחזוקה שלו באמצעות כל אותם מנועים אוטומטים שהזכרנו ASM, AMM וכו,.
לעומת זאת רכב אוטונומי יודע כבר לנסוע בעצמו, הוא לא זקוק לנהג שיזיז את ההגה, או ילחץ על הבלמים, הוא רק צריך לדעת לאן אנחנו רוצים להגיע – השאר יעשה לבד. וכך גם בסיס נתונים אוטונומי בסופו של דבר מנהל את עצמו, כל הפיצ'רים כבר מוטמעים, מקונפגים, ורק צריך לומר לו מה אנחנו רוצים להריץ עליו, מה המטרה שלנו, איזה workload למעשה ירוץ עליו, ואת שאר העבודה – יעשה בעצמו.
איך יראה בסיס הנתונים האוטונומי, ואלו יכולות חדשות הוא כולל?
בסיס הנתונים האוטונומי הינו שירות DB בענן של אורקל. בשונה משירות הDB הקיים, הDB האוטונומי מתקין את עצמו על תשתית exadata בקונפיגורציה אלסטית לחלוטין (כמות CPU ונפח נתונים) ורץ על גבי oracle 18c.
בתהליך הprovisioning האוטומטי , אנחנו רק נישאל לשם הDB , הdata center המבוקש, כמות CPU ונפח נחוצים וסיסמת admin, ותוך פחות מדקה יהיה לנו DB זמין. לבסוף בסיס הנתונים יגדיר אוטומטית standby מרוחק ו-observer בregion נוסף כדי לממש failover אוטומטי.
הecosystem של בסיס הנתונים האוטונומי שונה מעט ממה שאנחנו מכירים עד היום ויראה כך:
מה חדש כאן? כחלק מהשירות כל נושא הservice management. למעשה console מוטמע בממשק הענן , דרכו ניתן לנהל את השירות .לבדוק את הצריכה, לבצע provisioning, להוריד שירות, לבצע scale up או down, לנטר את השירות ועוד. ממשק זה משמש גם לניטור ביצועי הDB. ניטור פעילות בreal time או היסטורית.
עדכון patchים אוטומטי – עדכון של כל חבילת הpatchים (os,vm,db,firmware)יבוצע אוטומטית אחת לרבעון. השירות יבצע בדיקות מקדימות מספר ימים בטרם התקנת הpatch ולבסוף יבצע את העדכון בrolling upgrade כדי לשמור על זמינות המערכת. הלקוח יצטרך רק להגדיר מה חלון התחזוקה המתאים לו.
ניטור עצמי – ה DB ינטר חריגה בנפח או צווארי בקבוק של משאבים כמו CPU , זיכרון, storage, network. הוא יבטיח באמצעות resource management שצריכה מוגברת של משאבים לא תביא לירידה בביצועים. כמובן סף הצריכה/התראה שונה עבור סוגים שונים של פעילויות (dwh לעומת oltp). כמו כן ב-cluster health monitor נעשה שימוש ביכולות machine learning כדי לנטר פעילות, לזהות אנומליות ולהמליץ או ליישם אוטומטית פעולות מתקנות.
סקלביליות אוטומטית – בבסיס הנתונים האוטונומי כוח העיבוד והאחסון יכולים לגדול או לקטון באופן בלתי תלוי. כך ניתן למשל לגדול במשאב אחד ולקטון באחר, לכבות למשל את כל הCPUים אבל להשאיר STORAGE כדי לא לשלם על שעות בהן אין שימוש במערכת ובכל זאת לשמור על הDB כפי שהוא. כל זאת מתבצע מידית וב-online.
גיבויים אוטומטים – גיבויים מתוזמנים כמובן אוטומטית בכל לילה לאחסון בענן. ניתן לקנפג את הretention בהתאם לצורך.
התמודדות אוטומטית עם תקלות – אורקל מבטיחה SLA יוצא דופן של 99.995% כולל עדכונים, patchים, bug-ים או נפילות אזוריות – לא עלינו… . הDB האוטונומי מבצע סריקות אחר אירועים ותקלות באמצעות כלי דיאגנוסטיקה כמו exacheck, oracheck, oswatcher. אירועים ותקלות נארזים ונשלחים לsupport ומתבצעות בדיקות למציאת אירועים חוזרים.
ניתוח ואופטימיזצית ביצועים אוטומטית – באמצעות חלק מהמנועים הקיימים אורקל שומרת אינפורמציה מתוך AWR, ADDM, real time sql monitoring. כמו כן היא אוספת סטטיסטיקות בזמן שמידע נטען לDB ומשתמשת גם במנגנוני הtunning האוטומטים לבצע אופטימיזציות שונות כגון caching, locking, offload וכן מיישמת טכניקות machine learning כדי לבחון באופן מתמשך sql plans על סמך הסטטיסטיקות העדכניות ביותר וליישם עבורן plan-ים יעילים יותר. גם הtunning שונה עבור DB בפרופיל DWH לעומת OLTP.
איך כל זה ישפיע על הDBA?
עד היום ניתן לומר כי הDBA אחראי על 2 קבוצות משימות עיקריות:
משימות כלליות כוללות בעיקר :עבודת קונפיגורציה וtunning של המערכות, האחסון, הרשת. התקנות ,patchים ושדרוגים. גיבויים, יצירת תשתית H/A וDR. וכן אופטימיזציה מתמשכת של בסיס הנתונים.
סוג נוסף של משימות הן ספציפיות יותר לצרכי העסק כגון: תכנון ארכיטקטורה ובנייה של מודל הנתונים, ניהול אבטחת מידע של הנתונים וניהול מחזור החיים של הנתונים באמצעות teiring, ביצוע tuning ספציפי לאפליקציה ומתן SLA מקצה לקצה.
בסיס הנתונים האוטונומי למעשה יחסוך את כל המשימות הכלליות השוטפות, שאם להודות, זה החלק הפחות זוהר בחיי הDBA. וידרוש ממנו להתמקד בדברים החשובים לעסק כגון:
בסופו של דבר הוא יתפנה ליותר פרויקטים,לניסויים, למיצוי הערך מהDATA. הוא יוכל לתת מענה טוב יותר למפתחים, לשפר את חווית המשתמש, ולא פחות חשוב – ללמוד ולהתנסות בטכנולוגיות חדשות שיכולות להביא ערך נוסף לארגון כמו Machine learning.
לסיכום, מה אנחנו יודעים על בסיס הנתונים האוטונומי ?
רוצים לשמוע עוד? דברו איתי.
liat.sabag@oracle.com
לאחרונה כולם מחפשים אוטונומיה. לגבי הקטלונים – כבר לא ברור אם זה יקרה. עבור פורד ואורקל לעומת זאת, אשר תמיד נחשבו למובילות בתחומן , העתיד כנראה מבטיח יותר. בעוד לא הרבה שנים נראה יותר ויותר מכוניות אוטונומיות על הכביש, אבל באורקל לא מחכים, והDB האוטונומי הראשון כבר מעבר לפינה.
ודאי הספקתם לשמוע את ההכרזה של לארי אליסון בopen world האחרון על השקת בסיס הנתונים האוטונומי הראשון. מה זה אומר בסיס נתונים אוטונומי ? איך זה יעבוד? מה צופן העתיד לבסיס הנתונים ולDBA?
איך התגלגלנו מגרסא 9i לבסיס נתונים אוטונומי?
לאורך השנים אורקל פיתחה עשרות מנועי אוטומציה מתוחכמים בבסיס הנתונים. החל מ Automatic Memory Management ו-Automatic Statistics Gathering בגרסאות 9 ו10 , דרך Automatic Storage Management (ASM), Automatic DB Diagnostic Monitor (ADDM), Automatic Workload Repository (AWR) המשיכה עם Automatic SQL Tuning , Automatic Storage Indexes בגרסאות 11 ו12 ועד Automatic Refresh of Database Cloning ו Autonomous Health Framework. רובם הפכו לכלי עזר משמעותיים ובלתי נפרדים מארגז הכלים של הDBA.
באמצעות המערכות המהונדסות של אורקל, ובפרט הexadata אורקל למעשה הפכה את כל תשתית הDB לאוטומטי. לא עוד אינטגרציה של רכיבי חומרה ותוכנות, שרתים, אחסון, תקשורת, מערכות הפעלה וגרסאות DB באינספור וריאציות . אלא תשתית סטנדרטית, אחידה, מהונדסת ומוכנה להריץ DB בתצורה האופטימלית.
בבסיס הנתונים האוטונומי בענן, אורקל יכולה למעשה לשלב את כל היכולות האוטומטיות המתקדמות שפיתחה עד היום ולהרחיב אותן, וכן לשלב אותן עם תשתית מהונדסת ואוטומטית לחלוטין ומוסיפה אוטומציות חדשות באזורי הhigh availability ואבטחת המידע.
אז אנחנו מבינים כבר מה זה אוטומציה, אבל מה זה בסיס נתונים אוטונומי?
אם נשווה רגע לעולם הרכבים, יש לנו רכב אוטומטי שזה אומר שהרכב מפשט לנו את התפעול באמצעות הרבה פעולות שנעשות אוטומטית, למשל בקרת שיוט, בלימת הרכב בחירום, התראות על מעבר נתיבים וכו'. כך גם בסיס נתונים אוטומטי, מפשט לנו את התחזוקה שלו באמצעות כל אותם מנועים אוטומטים שהזכרנו ASM, AMM וכו,.
לעומת זאת רכב אוטונומי יודע כבר לנסוע בעצמו, הוא לא זקוק לנהג שיזיז את ההגה, או ילחץ על הבלמים, הוא רק צריך לדעת לאן אנחנו רוצים להגיע – השאר יעשה לבד. וכך גם בסיס נתונים אוטונומי בסופו של דבר מנהל את עצמו, כל הפיצ'רים כבר מוטמעים, מקונפגים, ורק צריך לומר לו מה אנחנו רוצים להריץ עליו, מה המטרה שלנו, איזה workload למעשה ירוץ עליו, ואת שאר העבודה – יעשה בעצמו.
איך יראה בסיס הנתונים האוטונומי, ואלו יכולות חדשות הוא כולל?
בסיס הנתונים האוטונומי הינו שירות DB בענן של אורקל. בשונה משירות הDB הקיים, הDB האוטונומי מתקין את עצמו על תשתית exadata בקונפיגורציה אלסטית לחלוטין (כמות CPU ונפח נתונים) ורץ על גבי oracle 18c.
בתהליך הprovisioning האוטומטי , אנחנו רק נישאל לשם הDB , הdata center המבוקש, כמות CPU ונפח נחוצים וסיסמת admin, ותוך פחות מדקה יהיה לנו DB זמין. לבסוף בסיס הנתונים יגדיר אוטומטית standby מרוחק ו-observer בregion נוסף כדי לממש failover אוטומטי.
הecosystem של בסיס הנתונים האוטונומי שונה מעט ממה שאנחנו מכירים עד היום ויראה כך:
מה חדש כאן? כחלק מהשירות כל נושא הservice management. למעשה console מוטמע בממשק הענן , דרכו ניתן לנהל את השירות .לבדוק את הצריכה, לבצע provisioning, להוריד שירות, לבצע scale up או down, לנטר את השירות ועוד. ממשק זה משמש גם לניטור ביצועי הDB. ניטור פעילות בreal time או היסטורית.
עדכון patchים אוטומטי – עדכון של כל חבילת הpatchים (os,vm,db,firmware)יבוצע אוטומטית אחת לרבעון. השירות יבצע בדיקות מקדימות מספר ימים בטרם התקנת הpatch ולבסוף יבצע את העדכון בrolling upgrade כדי לשמור על זמינות המערכת. הלקוח יצטרך רק להגדיר מה חלון התחזוקה המתאים לו.
ניטור עצמי – ה DB ינטר חריגה בנפח או צווארי בקבוק של משאבים כמו CPU , זיכרון, storage, network. הוא יבטיח באמצעות resource management שצריכה מוגברת של משאבים לא תביא לירידה בביצועים. כמובן סף הצריכה/התראה שונה עבור סוגים שונים של פעילויות (dwh לעומת oltp). כמו כן ב-cluster health monitor נעשה שימוש ביכולות machine learning כדי לנטר פעילות, לזהות אנומליות ולהמליץ או ליישם אוטומטית פעולות מתקנות.
סקלביליות אוטומטית – בבסיס הנתונים האוטונומי כוח העיבוד והאחסון יכולים לגדול או לקטון באופן בלתי תלוי. כך ניתן למשל לגדול במשאב אחד ולקטון באחר, לכבות למשל את כל הCPUים אבל להשאיר STORAGE כדי לא לשלם על שעות בהן אין שימוש במערכת ובכל זאת לשמור על הDB כפי שהוא. כל זאת מתבצע מידית וב-online.
גיבויים אוטומטים – גיבויים מתוזמנים כמובן אוטומטית בכל לילה לאחסון בענן. ניתן לקנפג את הretention בהתאם לצורך.
התמודדות אוטומטית עם תקלות – אורקל מבטיחה SLA יוצא דופן של 99.995% כולל עדכונים, patchים, bug-ים או נפילות אזוריות – לא עלינו… . הDB האוטונומי מבצע סריקות אחר אירועים ותקלות באמצעות כלי דיאגנוסטיקה כמו exacheck, oracheck, oswatcher. אירועים ותקלות נארזים ונשלחים לsupport ומתבצעות בדיקות למציאת אירועים חוזרים.
ניתוח ואופטימיזצית ביצועים אוטומטית – באמצעות חלק מהמנועים הקיימים אורקל שומרת אינפורמציה מתוך AWR, ADDM, real time sql monitoring. כמו כן היא אוספת סטטיסטיקות בזמן שמידע נטען לDB ומשתמשת גם במנגנוני הtunning האוטומטים לבצע אופטימיזציות שונות כגון caching, locking, offload וכן מיישמת טכניקות machine learning כדי לבחון באופן מתמשך sql plans על סמך הסטטיסטיקות העדכניות ביותר וליישם עבורן plan-ים יעילים יותר. גם הtunning שונה עבור DB בפרופיל DWH לעומת OLTP.
איך כל זה ישפיע על הDBA?
עד היום ניתן לומר כי הDBA אחראי על 2 קבוצות משימות עיקריות:
משימות כלליות כוללות בעיקר :עבודת קונפיגורציה וtunning של המערכות, האחסון, הרשת. התקנות ,patchים ושדרוגים. גיבויים, יצירת תשתית H/A וDR. וכן אופטימיזציה מתמשכת של בסיס הנתונים.
סוג נוסף של משימות הן ספציפיות יותר לצרכי העסק כגון: תכנון ארכיטקטורה ובנייה של מודל הנתונים, ניהול אבטחת מידע של הנתונים וניהול מחזור החיים של הנתונים באמצעות teiring, ביצוע tuning ספציפי לאפליקציה ומתן SLA מקצה לקצה.
בסיס הנתונים האוטונומי למעשה יחסוך את כל המשימות הכלליות השוטפות, שאם להודות, זה החלק הפחות זוהר בחיי הDBA. וידרוש ממנו להתמקד בדברים החשובים לעסק כגון:
בסופו של דבר הוא יתפנה ליותר פרויקטים,לניסויים, למיצוי הערך מהDATA. הוא יוכל לתת מענה טוב יותר למפתחים, לשפר את חווית המשתמש, ולא פחות חשוב – ללמוד ולהתנסות בטכנולוגיות חדשות שיכולות להביא ערך נוסף לארגון כמו Machine learning.
לסיכום, מה אנחנו יודעים על בסיס הנתונים האוטונומי ?
רוצים לשמוע עוד? דברו איתי.
liat.sabag@oracle.com
הודעתך לא התקבלה - נסה שוב מאוחר יותר
Oops! Something went wrong while submitting the form