国产数据库的可观测性与O记的差距
我搞了几十年数据库运维和优化,除了最近这十几年,大多数时间都是在和Oracle打交道。感受到Oracle数据库越来越好用,主要是两方面的原因,一方面是自己对Oracle的理解越来越深,另外一方面是Oracle的可观测性能力在不断提升。
数据库可观测性的价值,在于业务出现卡顿或者故障时,能够解释时间消耗在哪里、哪些会话受到影响、问题由谁触发,以及恢复后能否还原现场。比较Oracle与OceanBase、达梦、电科金仓KES、GaussDB、GoldenDB,不能只数监控指标和报表数量,而应看内核埋点、会话呈现、持续采集、历史保存与诊断知识是否形成完整链条。
Oracle的主要优势,是诊断体系的连贯性。 从DB Time、等待事件到SQL、执行计划、会话和对象,DBA可以逐层缩小问题范围;AWR提供区间负载,ASH通过每秒活跃会话采样保留故障片段,ADDM进一步提供自动诊断。这使“系统慢”能够转化为“某段时间、某批SQL、某类等待”的具体问题。ASH是采样记录,不能还原每一次执行,但与累计统计结合后,能够兼顾整体趋势与局部异常。而国产数据库大多数是在模仿Oracle的“形”,并没有达到形神具备。分析国产数据库的时候,我们似乎只能用点来分析,无法像Oracle那样自顶而下,连贯分析,这个差距实际上是从数据库内核往外的,不是随便做几个工具就能解决的。
OceanBase在实战中更依赖于点状的跟踪。 SQL Audit记录请求来源、执行状态、资源消耗、等待及执行阶段耗时,配合会话等待视图和ASH,已经具备较完整的分析入口。其诊断难点在于分布式关联:一次请求可能涉及多个节点,必须把租户、SQL、执行节点及远程执行过程联系起来,单看某个节点的等待排名容易误判。此外,SQL Audit存在内存淘汰机制,需要事先规划留存。与Oracle比较,更值得检验的是跨节点证据能否贯通,以及故障发生后是否还保留足够细节。目前Oceanbase的诊断分析还是限于基于经验的点状分析,还无法实现像Oracle那样的连贯分析。
达梦接口最相似,但是实战差距较大。 其动态视图包含会话等待、系统等待和等待历史,也提供AWR快照及报告。达梦的可观测性能力和相关工具都做到了和Oracle的形似,但是尚未达到神似的境界。事件参数是否足以定位具体资源,等待能否关联SQL与阻塞事务,历史记录能保留多久,以及AWR是否完成初始化并持续采集。报表名称相似,并不意味着统计口径、采集覆盖与分析深度完全相同。如果套用Oracle的经验去分析达梦,恐怕分析出来的结果南辕北辙。
电科金仓KES的time model与SQL负载之间尚有缺口。金仓KES也提供KWR与KSH,支持负载快照、会话采样以及等待与SQL关联,并构建了时间模型、等待事件等历史统计视图。从time model作为起点分析问题的初步能力已经具备,但是贯穿多个诊断路径的数据并未实现无缝衔接,一些诊断路径还存在跳点。目前时间模型到SQL的路径相对完备,但是等待事件分析路径尚不完善。
GaussDB数据形似,但是缺少理论指导。 GaussDB在可观测性数据方面是模仿O记最为完善的,WDR用于分析快照区间内的负载,ASP从SQL、会话和等待维度分析短暂性能故障;相关版本还支持等待次数与时长统计。运维中需要重点验证集中式与分布式、不同版本之间的差别,以及协调节点与数据节点的信息能否关联起来。目前GaussDB可观测性方面的形似还没有构建出真实的能力,因为数据采集、数据准确性、数据实用性方面尚未经过实战,在实战中,也缺乏利用这些数据完成连贯性分析的经验,如何把这些可观测性数据利用到实战,应该是厂家要认真对待的问题。
国产数据库与Oracle在可观测性能力的差异首先影响的是定位效率与证据质量。只有资源曲线,通常只能发现异常;有会话等待,可以缩小范围;再有历史采样、执行统计与关联标识,才有条件在业务恢复后追溯原因。采集未开启、数据被覆盖或节点之间无法关联,都会让短暂故障变成“等下次再抓”。但等待事件只是线索,不能直接等同根因,仍需结合负载变化、执行计划和操作系统数据验证。
对售后服务而言,可观测性决定了多少问题能由客户和一线工程师完成定位,多少必须升级到研发。证据完整、口径明确,远程分析和知识复用就更容易;如果关键解释只能依赖内部日志与研发经验,就容易增加现场支持、重复采集和跨团队沟通成本。这是诊断体系差异可能带来的服务影响,不能据此直接推断某家厂商的实际服务水平。
国产数据库下一步值得投入的,是把已有能力做成稳定、可解释、可持续使用的诊断体系:明确事件语义和参数,完善会话输出与低开销采集,统一历史留存、跨节点关联及导出接口,并持续公开典型案例。可观测性越完善,客户越能自主运维,厂商越能把售后经验沉淀为产品能力,智能运维也才有可靠的证据基础。