DBA如何确保AI真正创造价值？

根据SolarWinds《监控与可观测性现状报告》的最新数据，51%的IT专业人士认为，更好的可观测性将有助于提升数据库性能。通常情况下，由于团队使用了多种分散的可观测性和监控工具，数据库的可观测性往往难以得到保障。这种工具泛滥会造成监控盲区，从而增加识别和应对数据库性能问题的难度。

与许多IT工作流一样，AI具有简化数据库监控、减轻某些可观测性工作流传统上所需人工负担的潜力。尽管AI能够为现代环境扩展监控和可观测性能力，但在使用AI方面，数据库管理员(DBA)仍会犯某些错误。

识别这些错误，然后解决这些错误，并实施健全的AI和可观测性最 佳实践，对于提升数据库性能至关重要。

AI在数据库管理中的应用场景

目前，AI在DBA职能中主要通过两种方式体现。首先，生成式 AI(GenAI)简化了许多手动任务，包括弥合知识缺口、整合海量信息以及撰写文档。DBA 需要掌握的知识面极其广泛，因此GenAI有助于全面覆盖其职责范围并填补这些空白。

其次，生成式AI正成为提升性能的重要资产。最常见的例子是SQL代码生成。该技术能够提供替代方案、测试代码、调试以及重构。此外，人工智能还简化了数据库设计的许多方面，例如设计索引以简化数据库搜索并提升整体性能。当用于分析和解读性能数据时，生成式AI能帮助DBA提升性能。

这包括将特定错误信息的出现与性能遥测数据相关联，从而为DBA在进行故障排除时提供坚实的基础。

数据库管理中AI对DBA的不足

尽管生成式AI在数据库管理中已发挥重要作用，但仍有诸多障碍可能阻碍其有效应用。DBA的角色已陷入两难境地：他们既要应对高强度且压力巨大的工作要求，又要满足快速响应的需求。反观人工智能，既能减轻工作负荷，又能优化工作流程。因此，DBA必须深入理解生成式AI的工作原理，以及其所支持的数据库平台的细微差别。

在“紧急事务的专制”(我喜欢这样称呼)带来的快速工作压力下，DBA可能会直接采纳生成式AI的输出结果并照搬其建议，而几乎不进行任何验证。这包括未经仔细审查就直接实施完整的SQL脚本建议等做法。此外，即使进行了审查，DBA也可能未采取措施去理解输出结果背后的逻辑。AI的缺陷还可能在使用前或实施过程中显现。

前述DBA对速度的需求可能导致AI工具被仓促、临时地部署。这种AI实施方式日后可能会对DBA及其所管理的数据库产生负面影响。为避免这些后果，企业在实施 AI 之前至少应考虑以下两点：

• 合规性与可解释性——许多国家和地区对AI的“黑箱”性质日益反感。因此，全球各国政府正要求AI工具在决策过程中具备更高透明度。2026年《欧盟AI法案》便是其中一例。预计许多此类新法规将对违规行为设定严厉处罚。

• 人权——与可解释性类似，全球范围内越来越多的法规正在扩大数字世界中的人权保护范围。例如，欧盟《通用数据保护条例》包含“被遗忘权”条款，赋予个人要求从AI模型、企业数据库及其他系统中删除其个人数据的权利。在关系型数据库中，删除操作通常很简单，因为数据库管理员(DBA)只需在特定数据库内删除个人数据即可。然而，生成式AI通常采用其他技术存储数据，例如向量数据库和建模权重，这些技术更加不透明，且难以彻底清除。

数据库可观测性的实践与合适的AI工具

在充分考虑这些因素后，团队可以循序渐进地将AI可观测性工具整合到数据库管理工作流中。第一步是确定哪些任务最耗费DBA的时间。无论是处理工单、异常检测还是事件日志审查，都有基于AI的可观测性解决方案，能够大幅减少团队在这些任务上耗费整日时间的需求。借助人工智能驱动的统一监控与可观测性平台，团队不仅能实现这些工作流的自动化，还能通过单一控制面板对整个数据库进行实时监控。

要让人工智能真正创造价值，团队不仅需要选择合适的工具，还必须做到以下几点：

• 持续优化错误监控和资源消耗阈值的告警设置，以避免告警疲劳，并优先处理可操作的告警。

• 为每个警报设定优先级并配置自动化响应。例如，不要仅仅发出数据库备份过程失败的警报，而应建立针对备份失败的工作流：每当关键备份失败时，系统将根据相关工作流自动启动新的备份。

• 持续审查来自数据库监控的信息。这将使团队能够洞察数据库活动的趋势，并发现提升效率的机会。此外，当AI解决方案基于监控洞察提供发现结果时，这也将使DBA能够实施“人机协同”的实践。

AI将如何推动数据库管理演进

AI即将渗透到数据库管理的方方面面，从DBA工具箱中的一个选项，演变为每个工作流中值得信赖的顾问。DBA将越来越多地采用AI工具，从分散的数据源中收集信息，并据此制定数据库战略。以云计算数据库环境的预算编制和成本优化为例。

成本优化相关信息的复杂性和海量程度足以让任何DBA寝食难安。但借助生成式AI(GenAI)，财务运营和容量规划可以快速、轻松地完成，且几乎无需担忧。

包括DBA在内的IT专业人员也将从操作者转变为协调者。事实上，根据最新数据，80%的IT专业人员已经预见到这一转变。当今的DBA是执行者。不妨将他们比作一级方程式赛车队的机械师。未来的大规模生成式AI(GenAI)能力将使DBA从修理数据库引擎的机械师，转变为优化赛车和团队以赢得比赛的赛车工程经理。前者是深入机器内部、亲力亲为的实干家;后者则拥有多名团队成员(即AI代理)，各自负责夺冠的不同环节。2030年代的数据库管理员将成为一支智能代理乐团的指挥家。

然而，要实现这一未来，企业必须与数据库团队通力合作，尽快为更深入的AI实施奠定坚实基础。这意味着要为DBA提供合适的AI驱动可观测性工具，采取系统化且负责任的AI实施方法，并将AI与统一的企业级监控系统进行集成。

作者：Kevin Kline