阿里云CloudDBA

基于当代数据调用的情况，人工型的维护数据库已经满足不了数据业务的增长速度，在实际的增加速度中，其中出现灾难的情况，大的业务需求情况下，几分钟的灾难业务将带来的经济损失是不可估量的，在目前的技术上，已经将灾难发生的时间缩短到几秒钟，远远难以去接受几秒钟能损失的业务经济。因此在阿里的数据库维护过程，由人–>工具化–>自动化–>智能化。

CloudDBA的整体架构上，从四层上将技术作为一个呈现，其中有采集层、计算层、数据诊断服务层、接入层。

Sql优化
优化的步骤：
哪些内容进一步的优化，需要怎么样优化？
如何优化
优化后的前后对比是什么，进行量化的跟踪，确定是否优化有效
发现没有效果，进行再次的优化过程，直到问题被解决。
索引表本身是作为一种最为有有效的优化方式，在此方式中，需要对列行建立一定的数量。
但是往往我们对于空间方面的优化，更多考虑得是存储空间，机器的数量，没有去考虑索引的建立是否合理，存在这种情况，表格中的列本身就十条，但是却添加了二三十条的索引，这在存储空间上就带来了很多的浪费。下面我们要讲解到的存储空间上的优化。
存储空间优化

1、存储优化

通过数据存储方式的优化来节省空间。分析存在哪些数据表字段占用的空间较大，并且可以进行一定的空间大小压缩，建议使用压缩。对于数据量特别大时，数据的压缩本为不可行的方式，可以做数据库的存储引擎迁移，从InnoDB到RocksDB，从而是空间变得更大。

2、空间回收

回收部分无用的数据来提高存储空间，其中包括有表碎片进行分析和回收，重复索引/无用索引删除，无流量删除等等。数据量的增大也带来大量的数据没有使用，存储许多的表及索引长期没有用户访问，可以进行删除，从而也达到存储空间的提升。

3、数据迁移

根据数据的访问时间进行数据的分类，长期无人访问且已经不被访问的数据可以迁移到成本较低的离线存储上，从而也到达存储空间的使用。CloudDBA自身会根据表的创建时间，访问的次数进行一个量化的分析过程，其中可以将表格分为一个月到三个月的访问次数、三个月到六个月的访问次数、六个月到12个月的访问次数，对数据进行分析之后，可以将这一部分分析过的数据进行迁移操作，并在之后的使用中，将其迁移到成本较低的存储上。

数据的驱动设置
1、异常检测/关联分析
对于异常，都需要一定的评价标准，是标准的执行中，发现的时候越晚，线上所造成的损失就越大。及时的定位异常，快速定位原因的本质，减少业务影响。

2、主动预警
通常我们往往都是发现之后才能发现异常，通过发现的时间长短来决定损失的经济大小，都会选择快速的发现问题，并采用最快速的方式将业务上线，之后进行问题的修复。

3、容量预估

在峰值及谷底都需要对数据库的运行服务器进行适当的增加及减少，各大疯抢时刻都给数据库服务器带来巨大的负载压力，使用容量的预估如果得不到很好的评估，导致成本的损失。进行模式及空间的预测可以得到很好的效果，减少因容量预估出错所带来的经济损失。

4、自诊断、自优化

CloudDBA在智能化的阶段，可以进行智能化的快速故障定位，评估整个服务快速上线之后的。

欢迎关注微信公众号：“Coding World”
获取更多相关的技术