- 综合排序
- 最热优先
- 最新优先
- 来自专栏DBA随笔
MongoDB运维与开发(9)---readConcern
// MongoDB运维与开发(9)---readConcern // readConcern产生背景： MongoDB的写请求写入Primary， secondary从Primary自动获取并且应用 但读数据可能存在以下问题： 1、如果用户从secondary读，但secondary还没有跟上Primary，就会导致读取了老数据 2、如果用户从primary读到数据，但在该数据复制到secondary 之前crash 了，就会导致用户读取到"脏数据"。 MongoDB在3.6版本中引入了readConcern这个参数，readConcern决定在读取数据的时候，到底能够读取到哪个版本的数据。 ：查询从实例返回数据，不能保证数据已经写入大多数副本集成员 如果本次读取没有使用causally consistent ，则默认在从库读 如果本次读取使用了causally consistent ，则不能使用
1.8K20发布于 2020-12-14 运维那些事儿（9）：运维知识库，串联全流程的运维效率神器
本期我们将详细拆解运维知识库的功能、价值和实用场景，重点介绍专属运维知识库的核心算法、实现目标和使用流程，让它与现有运维体系无缝联动，实现 “一站式运维支持”。 先搞懂：运维知识库的核心功能、价值与实用场景很多人觉得运维知识库只是 “存资料”，实则不然。它能深度融入日常运维工作，用智能匹配替代手动检索，用规范流程降低操作风险，核心价值和场景一看就懂、一用就会。 ✅一、核心功能：不止存资料，更能主动解决问题真正实用的运维知识库，核心围绕 “解决问题” 设计，4 大功能精准戳中运维痛点：1. 核心重点：专属运维知识库详解（算法 + 目标 + 流程）咱们的专属运维知识库，是结合前八期运维需求定制的，核心优势是 “精准匹配、贴合需求、联动所有工具”。 （二）后端匹配流程：系统自动完成 8 步后台自动处理匹配逻辑，确保精准高效：接收请求：接收前端发送的故障信息和数据；初始化引擎：加载配置的算法参数、权重、关系图谱；数据预处理：优化知识库中的方案数据，方便快速匹配
37521编辑于 2026-03-18- 来自专栏祝威廉
运维=平台+数据
运维会比开发更加重要 运维的发展日新月异，曾几何时，运维仅仅是被认知为跑机房，装系统，设计网络，给开发擦屁股。 但是现在运维变得极度重要，运维职责也更加细化，譬如稍大点的公司就将运维划分为基础运维，网络运维，DBA, 应用运维，架构师。 运维发展新方向 之前我写过一篇文章，谈及如何用大数据思维做运维，当然这篇文章有他自己的局限性，只是谈及了运维监控，灌输一种 data based 的理念。 一切服务都是为了帮助数据进行流转和变换，服务的状态也都反应在数据流上，这种瞬态和终态的量是非常大的，所以我们需要借助大数据的思维去做处理。 到这里就可以参考大数据思维做运维灌输的概念了。 所以未来运维可以完全依托一个固定的分布式操作系统，在其上开发各种运维工具，利用大数据相关的理念和工具，监控，追踪，分析服务的状态，解决现有的运维工具碎片化，难以复制，难于贡献生态的问题。
4.5K50发布于 2018-08-27 - 来自专栏Hadoop数据仓库
Greenplum 实时数据仓库实践（9）——Greenplum监控与运维
9.6.1 数据库活动监控 9.6.2 硬件和操作系统监控 9.6.3 系统目录监控 9.6.4 数据库维护 9.6.5 补丁与升级 小结 ---- 想要一个数据库长久健康的运行，离不开完备的运维工作 ，切忌只运而不维。 针对Greenplum分布式数据库，集群由大量服务器组成，对运维人员或DBA，不仅要关注数据库本身，还要注意集群中各硬件的状况，及时发现并处理问题。 纠正措施： 与运维或系统管理团队合作解决错误。 3. 检查RAID错误或RAID性能降级，每5分钟执行一次，等级为严重。 纠正措施： 尽快更换发生故障的磁盘。 Greenplum建议的监控与运维任务主要包括：监控数据状态、监控数据库警告日志、监控硬件和操作系统、监控系统目录、检查缺少统计信息的表、检查表膨胀、定期vacuum和analyze表、定期升级和打补丁等
5.1K32编辑于 2022-04-13 - 来自专栏王先森
Linux运维bind9-DNS概述入门
DNS概念 DNS（Domain Name System，域名系统），因特网上作为域名和IP地址相互映射的一个分布式数据库，能够使用户更方便的访问互联网，而不用去记住能够被机器直接读取的IP数串。 DNS 的分布式数据库是以域名为索引的，每个域名实际上就是一棵很大的逆向树中路径，这棵逆向树称为域名空间（domain name space）。 从DNS服务器：使用自动更新方式从主DNS服务器同步数据的DNS服务器。也成辅助DNS服务器。 缓存服务器：不负责本地解析，采用递归方式转发客户机查询请求，并返回结果给客户机的DNS服务器。 使用centos6自带的yum源即可，同时确保机器可以解析外网域名，并能连接公网 yum install -y bind-utils bind bind-devel bind-chroot bind9主配置文件 加载自定义区域文件 include "/etc/named.root.key"; 检查配置文件 # named-checkconf -z /etc/named.conf 没有报错就属于正常 启动bind9服务
2.6K20编辑于 2023-04-24 - 来自专栏个人总结系列
指标数据运维流程
现状 针对目前大数据异常响应效率低，解决处理定位难，运维压力集中在某几个人等不合理的现状。 针对技术组件方向，建立大数据技术保障组，异常谁发现谁报备到保障组并@组件负责人，组件负责人根据实际情况，业务重要程度，是否发起团队能力协助处理来主要负责处理。 二.
1.4K00发布于 2021-08-14 - 来自专栏阿贤Linux
Linux运维工程师面试题（9）
Linux运维工程师面试题（9）祝各位小伙伴们早日找到自己心仪的工作。持续学习才不会被淘汰。地球不爆炸，我们不放假。机会总是留给有有准备的人的。加油，打工人！ 内存资源不够打 labels 标签PodScheduled：pod 正处于调度中，在 kube-scheduler 刚开始调度的时候，还没有将 pod 分配到指定node，在筛选出合适的节点后就会更新 etcd 数据 9 有状态和无状态服务的区别http请求无状态，多次请求之间没有依赖关系有状态就是多次访问之间有关联关系，需要记录多次之间的访问关系10 k8s 中 service 是做什么的？ 阿里云、腾讯云、华为云、今日头条、百家号、GitHub、个人博客公众号：阿贤Linux个人博客：blog.waluna.tophttps://blog.waluna.top/---原文链接: Linux运维工程师面试题 （9）.
1.2K20编辑于 2023-09-08 - 来自专栏人工智能机器学习
企业运维安全管理实践的9大领域
运维安全作为企业安全保障的基石，特别是互联网企业，它不同于Web安全、移动安全、或者业务安全，因为运维安全位于最底层，或涉及到服务器、网络设备。 而在企业日常运营中，运维安全事件的出现通常预示着这个企业的安全规范、流程有问题，这种情况下就会不止一台机器有同样的漏洞，会是一大片，甚至波及整个公司的核心业务。 邮箱没有对通讯录遍历功能进行限制，导致遍历通讯录 对所有的用户进行一次弱口令的洗劫（参考图一的弱口令），是用Burpsuite破解（简称：BP） 得到一个运维或者运维组员工的邮箱，在邮件里面找到了明文密码 、数据泄露防护（DLP）脆弱性扫描与测试 9.运营安全参考标准与制度：包含ISO27001、行政性安全管理制度示例等内容 安全是一个整体，保证安全不在于地方有多强大，而是要找到自己薄弱的地方。 以上内容参考：运维安全管理必修课 安全牛课堂 来自：
1.4K00发布于 2019-07-22 - 来自专栏散尽浮华
运维相关指标数据采集并ES入仓 - 运维笔记
收集到的应用指标数据最好要进行ES入仓，入到Kafka里面，并通过Kibana可视化展示。 需要进行采集的应用进程相关指标如下： ? 指标值 indexValue CHAR 是 支持批量 指标类别 indexType CHAR 是 安全 测试 运行 应用 环境 指标描述 indexDesc VARCHAR 是 指标说明，指标采集数据源 legao……） 采集时间 collectTime TIMESTAMP 是 支持批量 应用名称 appName CHAR 是 以AIOPS的3位编码为准 主机名 hostName CHAR 否 发送数据源主机 /bin/bash source /etc/profile hostName=$(hostname) IP=$(ifconfig eth0| sed -nr '2s/(^[^0-9]+)([0-9.] /bin/bash source /etc/profile hostName=$(hostname) IP=$(ifconfig eth0| sed -nr '2s/(^[^0-9]+)([0-9.]
1.8K31发布于 2019-07-08 - 来自专栏腾讯云TVP
运维数据生态之数据思维
运维数据根据上述运维方式的发展历程逐步构建数据生态，如果我们把运维方式的发展浓缩成运维技术提升和工具建设，那与之相对应的，运维数据的发展也有四个阶段：自动化运维能力、平台化运维能力、数据化运维能力、智能化运维能力 在数据化运维能力中，运维数据已初步形成初步数据生态标准，具备构建运维数据中台和数据可视化，同时也能对数据的进行血缘能力和影响能力的初步分析。 在智能化运维能力中，运维数据已形成较大的规模，因此将运维经验和大数据、机器学习的技术相结合，开发成一系列智能策略，提升运维数据的输出能力，让运维的数据边界延伸至更多的场景。 二、 什么是运维的“数据思维” 运维方式的发展提升了运维人员的基础门槛能力，在现在很多的企业中，运维人员的日常离不开数据，运维的过程和结果靠不靠谱，都可以通过数据来验证。 而运维人员只需要将运维场景的数据和其他第三方数据进行有机的结合，因此运维人员随时看数据，并不需要成为他们，运维服务能力的边界延伸并不意味运维技术的延伸，运维人员跟需要善于运用现有的数据来获得想要的结果和反馈
2.9K2519发布于 2020-06-29 运维管理数智化：数据与智能运维场景实践
数据与智能技术在运维业务中的定位数据与智能技术在运维业务中的应用近几年进入“实用化提升阶段”，无论从供给方，还是需求方，都逐步认识到，“数据与智能”运维有其边界和条件，“AI加持运维”比“AI颠覆运维” 运维大数据在运维的定位：跨多数据源系统，实现配置、运行、操作、流程等维度数据源分析，提升性能容量、观测整合、运营分析等的运维能力。 概要设计：运维大数据及AI是技术能力，核心是应用到运维业务场景中；有三个核心基础：基础运维系统提供数据和能力、数据及AI平台提供数据处理和模型训练能力、运维数据分析及算法工程师和团队提供组织支撑。 而到运维数据平台自身的应用架构，运维数据平台应该具备的核心功能包括数据采集接入、数据清洗加工、数据入库存储、数据开发、数据探索、数据集市等，并且要具备元数据、数据质量和安全等管理能力和自运维能力。 图9: 时序数据检测模型应用多维下钻业务系统的管理人员需要监控大量的指标来了解和维护系统的可用性，通常这些指标会包含一些维度，例如，一个微服务调用数相关的指标可能会包含服务供应方（Internet Service
3.7K40编辑于 2024-07-17- 来自专栏AI+运维：智能化运维的未来
运维人不再“救火”：数据驱动才是主动运维的底气
运维人不再“救火”：数据驱动才是主动运维的底气 “运维=救火队”？你也太低估它了！作为一个“打过补丁、熬过大夜、啃过故障单”的老运维，我想说句实话：传统运维，说白了就是“哪里着火，往哪儿跑”。 系统挂了，才开始排查；磁盘满了，才开始清理；用户骂了，才知道卡顿……这不是运维，这是“被动接锅侠”！但你别急，这两年形势真变了：数据，开始让运维变“主动”了。 从“亡羊补牢”到“预判于未发”，数据驱动的运维，才是未来的正道。 什么是“数据驱动的主动运维”？一句话解释：就是靠数据说话，不靠报警响了再动手。 ：触发式运维（能动手才叫真主动）接入Webhook联动脚本：异常触发自动扩容、通知、拉日志自定义报警规则+自动Playbook执行构建闭环：数据采集 -> 预警 -> 自动响应❤️ 一点真实感受：运维的未来 说真的，运维这个工种，以前太容易被低估了，感觉就是在修服务器、拉网线。但今天，优秀的运维，靠的是数据思维。你要知道哪里可能出问题，更要知道问题还没来的时候，它已经“动了一下”。
37400编辑于 2025-07-14 - 来自专栏防火墙自动化
运维监控，如何获取数据？
运维如果想做自动化高效化，则少不了搭建监控系统。目前市面上已经有大量成熟、开源的监控平台可供挑选。但如果想实现一个监控系统，或了解监控系统的原理，则可参见本文。 1. 常见运维监控系统划分 常见运维监控系统可按有/无Agent，使用Pull/Push获取数据进行简单划分。 [sqpnqlpbyh.png? [s43d9f2qsf.png? 相信运维/开发对此协议都很熟悉，用于监控时，它可以直接输入系统命令从而获得监控数据输出。优点是一次就能获取大量的信息，缺点是交互不好控制和获取到的输出往往需要清洗处理。SSH示例如下。 小结 运维监控系统可按“有/无agent”、“使用pull/push获取数据”划分成6类。 Agent实际是一个轻量程序，用于提供系统无法直接提供的数据。
5.5K103编辑于 2022-05-22 - 来自专栏小麦苗的DB宝专栏
Apache Doris元数据运维
这个 bdb 目录相当于 bdbje 的 “数据目录”。 其中 .jdb 后缀的是 bdbje 的数据文件。这些数据文件会随着元数据 journal 的不断增多而越来越多。 从 FE 内存中恢复元数据 在某些极端情况下，磁盘上 image 文件可能会损坏，但是内存中的元数据是完好的，此时我们可以先从内存中 dump 出元数据，再替换掉磁盘上的 image 文件，来恢复元数据 如果你并不十分了解 FE 元数据的运行逻辑，或者没有足够 FE 元数据的运维经验，我们强烈建议在实际使用中，只部署一个 FOLLOWER 类型的 FE 作为 MASTER，其余 FE 都是 OBSERVER ，这样可以减少很多复杂的运维问题！ 所以如 最佳实践 一节中所述，如果你没有丰富的元数据运维经验，不建议部署多 FOLLOWER。
1.6K31编辑于 2023-10-28 - 来自专栏运维之路
4.5.1 他山之石之运维数据
【概要】 ---- 本篇是《数智万物下的运维思考》第4章“平台”的第4节“分析平台”第1小节，主要观点有：： 1、在围绕“监管控析”的运维平台有机躯体上，运维数据平台定位为大脑，承担生产环境所有数据和信息汇总 ）、应用运营几类运维数据出发，挖掘对应厂商对运维数据应用场景的观点。 3、运维数据平台考虑以下几个关注： 关注数据在运维数字化空间的融合作用。 关注提升业务连续性保障、IT交付效率、感知客户体验、产品运营能力的分析能力。 关注运维数据治理、运维指标体系的建设。 得益于他们对“监管控”落地全家桶式的解决方案，加上围绕运维数据平台中专门打造的运维数据平台、日志、统一事件、可视化工具，从纸面上看，提供了相对齐全的运维数据分析能力。 统一的监控性能指标数据。 3、关注运维数据治理、运维指标体系的建设。 4、关注运维数据平台在多源、实时、海量的数据汇集能力，与低代码的数据开发，数据开放与输出的平台能力。 5、关注AIOps解决未知问题的数据分析能力。
1.6K21发布于 2021-03-03 - 来自专栏数据库相关
运维DBA的4大纪律9项注意【转】
听运维经理、运维总监、CTO、CEO的指挥。 当年墨子当巨子的时候，手下180人，训练有素，同心同德，“赴火蹈刃，死不还踵”。这样的团队来搞运维，就具备了基本要求。 运维DBA的九项注意 三大纪律是规矩-Rules，八项注意是指导原则-Guidance。 做运维的人，不能总说这个我们没想到，哎呀，没想到这也不行。 但是，去做自动化运维，是运维DBA绕不开的路径。就像从昆明到上海，最开始是只能靠马帮，后来逐渐通了高速公路，现在开始沪昆高铁了一样。 这个自动化运维怎么做？完全靠自己重复造轮子显然不完全靠谱。 如果你不是BAT，也不是京东新美大饿了么，最好的方式，是找专业运维的公司研发的自动化运维平台，是骡子是马拿出来遛两下，你就喜欢上了。 9、起步始于交流，收获源于分享 做过讲师的人，都会有这样一个共识，就是讲完东西，自己其实比听课的“学生”收获更大。
77130发布于 2019-09-17 - 来自专栏devops_k8s
做运维的感悟(做运维需要考虑事,运维组织结构,运维学习地图....)
做运维需要考虑的事 简介 /* 运维是在于一个量 最少的人，最多的事 并且保证业务 比如说google的一个数据中心，只有几个人在维护 运维不能直接的创造价值，而是可以变相的节约成本 9.体系，运维最好制定一些发布流程，虚拟机申请流程，巡检流程等等。巡检也是很重要的，云服务器也要定时看看是否磁盘满了，是否要续费等等。否则哪天出问题，问题就大了。 （7）资产管理 记录和管理运维相关的基础物理信息，包括数据中心、网络、机柜、服务器、ACL、IP等各种资源信息，制定有效的流程，确保信息的准确性；开放API接口，为自动化运维提供数据支持。 数据库运维 数据库运维负责数据存储方案设计、数据库表设计、索引设计和SQL优化，对数据库进行变更、监控、备份、高可用设计等工作。详细的工作职责如下所述。 运维研发 运维研发负责通用的运维平台设计和研发工作，如：资产管理、监控系统、运维平台、数据权限管理系统等。提供各种API供运维或研发人员使用，封装更高层的自动化运维系统。详细的工作职责如下所述。
8.6K1011发布于 2020-12-23 - 来自专栏北京马哥教育
运维 | 运维好数据中心的四大法宝
对于数据中心，运维工作的重要性不言而喻，在数据中心生命周期中运维管理是历时时间最长的一个阶段。 投资巨大的数据中心，为了能够尽快得到收益，就需要在运维的工作上多下工夫，切勿进入“一流设备、二流设计、三流运维”的不良运营之中，高品 质数据中心运维的工作至关重要。 那么如何才能提升数据中心的运维水平，本文提出了数据中心运维工作制胜的四大法宝，做好这四个方面的工作将使数据中心一直 运行于最佳状态，为数据中心创造最大的受益。 通过对数据中心运维而 输出的各种技术文档，将为后来人提供方便，并且可以提升数据中心整体的运维能力。数据中心的文档五华八门，你不知道什么时候其中的哪些文档就会派上用场。 工程文档、业务备份、在线监测、周期巡检是数据中心运维工作的四个重要方面，只有做好这四个方面的工作，才能让数据中心保持长期稳定运行，并能产生良好的效益，是数据中心运维水平高低的主要体现，拥有这四大法宝，将使数据中心终身受益
4K70发布于 2018-05-02 - 来自专栏AI+运维：智能化运维的未来
大模型进驻运维战场：运维数据处理的智能革命
大模型进驻运维战场：运维数据处理的智能革命在传统运维工作中，数据处理一直是个让人头疼的问题——日志分析、异常检测、告警优化，各种数据纷至沓来，往往让运维人员不堪重负。 如今，大模型技术正在悄然改变这一现状，让运维不再是靠经验“拍脑袋”，而是依赖数据驱动的智能决策。今天，我们就来聊聊大模型技术在运维数据处理中的应用，看看它到底能帮运维人员省多少力。 运维数据为何需要大模型？ 运维环境复杂多变，数据量庞大，数据格式各异，传统分析方法往往吃力不讨好：日志数据庞杂：每天数百万条日志，哪怕是神一样的运维，也难以人工筛查所有问题；异常检测门槛高：规则设定过严，容易误报；设定过松，又可能错过关键故障 运维人员的工作将逐步从“疲于奔命”变为“智能运维”，让数据真正服务于业务增长。总结大模型技术的引入，让运维数据处理迈向智能化。
72710编辑于 2025-05-25 - 来自专栏AI+运维：智能化运维的未来
运维不怕事多，就怕没数据——用大数据喂饱你的运维策略
“运维不怕事多，就怕没数据——用大数据喂饱你的运维策略”咱干运维的都知道，一个系统出问题，往往不是技术没到位，而是问题没及时发现，或者发现了却没找到根因。 一、为什么运维离不开大数据以前的运维更多是“救火队”：监控报警 → 运维接单 → SSH 上服务器排查一顿猛查，找到原因修好 → 继续等下一次报警这套流程的缺点很明显：反应慢：报警来了才动手。 而大数据的价值，就是把海量运维数据“榨干”，让我们：提前预警快速定位自动化决策一句话，大数据让运维从“救火”变成“防火”。二、运维数据从哪来？ 四、运维优化的几种大数据玩法真实场景可不止检测 CPU，这里我给你总结几个高价值玩法：1. 大数据不是替代运维，而是让我们有了更聪明的眼睛和更快的反应速度。如果说传统运维靠经验，那数据驱动运维就是“经验 + 科学”的结合，既有老道的判断，也有算法的精准。
31900编辑于 2025-08-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号