為了滿足不同類型業務的需求，企業的 IT 系統中往往會同時部署多種類型的數據，並運行着數量龐大的數據庫實例。

同時，由於業務出海或者高可用的需要，這些數據庫將被同時部署於不同品牌的雲廠商，和不同類型的基礎設施。

如何能夠在多種類型基礎設施之上，仍然可以有效的管理不同品牌、類型各異、數量眾多的數據庫實例，保證他們能夠穩定運行，對於 DBA 將是一件非常具有挑戰的事情。

01 百度智能雲數據庫平台 DBStack

為了幫助 DBA 更好地應對上層各種數據庫、下層各類基礎設施帶來的運維挑戰，百度智能雲推出數據庫平台 DBStack。

DBStack 屏蔽了各類數據庫和不同基礎設施的複雜性，統一對各類型數據庫實例進行管理。藉助 DBStack，DBA 可以對各種數據庫進行白屏化操作，使得 DBA 能夠在不同基礎設施環境中，提高大規模數據庫應用場景下的數據庫運維效率，同時滿足業務的數據合規性要求。

1.1 統一管理多種類型數據庫，提升運維效率

以銀行業務系統為例，核心業務系統的數據庫一般使用集中式或分佈式關係型數據庫；非核心繫統，例如客户服務系統、網絡銀行系統以及部分內部管理系統往往採用成本低的開源數據庫。

除了傳統的關係型數據庫外，一些新興的領域採用以 MongoDB 為代表的 NoSQL 數據庫支持銀行在大數據和互聯網金融方面的創新業務。

然而，不同的數據庫引擎有着各自的特點和管理方式，這就代表數據庫的運維人員需要掌握多種技能和工具，這無形中增加了數據庫管理的難度與運維工作的複雜性。

數據庫平台 DBStack 能夠實現單一平台管理多種數據庫引擎。通過一體化管理平台，實現權限、資源、監控及負載均衡等平台基礎能力的統一管理。運維人員可以在一個界面上對不同類型的數據庫進行操作，大大降低了運維管理成本，提高了工作效率。

DBStack 支持的數據庫內核引擎及生態工具包括：

• 百度智能雲自研數據庫 GaiaDB、VectorDB、PegaDB、數據倉庫 Palo 等；
• 常見的開源關係型數據庫 MySQL、PostgreSQL、openGauss，開源鍵值數據庫 Redis，開源文檔數據庫 MongoDB 等；
• 商業數據庫 Oracle、SQL Server、DB2 等；
• 數據庫生態工具 DBSC、DTS 等；

1.2 支持多類型基礎設施，保障數據安全合規

隨着越來越多企業出海需求的增加，企業面臨的挑戰不僅是如何在競爭激烈的國內市場中保持領先，更是如何安全、有效地將業務擴展到國際市場。

對於拓展海外市場的企業而言，出海業務應用系統往往選擇「國內雲+海外雲」的多雲架構來支持其業務。然而，不同雲服務提供商的數據庫產品存在較大差異，這給企業的數據庫基礎設施管理帶來了重大挑戰。

在這種複雜的基礎設施環境下，如何有效地將多雲、混合雲基礎設施進行統一管理，並確保多雲和混合雲環境中數據的災備、安全合規同時確保用户體驗的一致性，成為了亟待解決的問題。

DBStack 為企業提供了一站式的多雲和混合雲管理解決方案，客户可以通過 DBStack 平台和數據庫內核引擎實現不同雲 IaaS 層的統一管理，無縫對接國內外雲基礎設施，確保用户在不同雲環境下都能獲得一致的數據庫使用體驗，同時保持數據的安全和合規。

DBStack 支持的底層基礎設施包括：物理機、虛擬機、容器、私有云、公有云（包括海外雲 AWS、Azure、GCP 等）、混合雲等。

在安全合規方面，DBStack  支持私有化部署。採用與百度智能雲公有云數據庫同棧同源的模式，既擁有公有云一致的體驗，又能滿足定製化的安全合規要求。同時，通過平台統一管理，實現權限控制、IP 白名單、數據加密、日誌審計和安全審計，讓惡意攻擊及誤操作無處遁形，有效保障了數據庫的安全合規以及數據隱私。

1.3 標智能運維，提升數據庫統籌管理效率

在統一納管了各類數據庫以後，百度智能雲 DBStack 為管理員提供了白屏化操作、全方面的監控運維能力以及 AI 知識庫等，幫助數據庫管理員同時管理好幾十種不同類型的數據庫與上千規模數據庫實例，提升運維效率。

• 運維白屏化操作：在白屏化操作的過程中，DBStack 可提供數據庫常規運維操作與高可用災備管理能力支持。在數據庫常規運維操作中，運維人員無需針對不同的數據庫，各自編寫對應的命令操作，只需要使用 DBStack 已經總結好的腳本即可快速執行任務命令。不僅如此，DBStack 還提供了高可用災備管理功能，確保數據庫在面臨各種故障時能夠快速切換。
• 監控告警：數據庫平台 DBStack 可以通過實時監控數據庫的運行狀態，預置近 300 項監控告警規則，能夠提早發現風險進行預報、並採取干預措施，避免故障的發生。運維人員無需在多類型數據庫統籌管理中投入過多的時間與精力，運維質量與效率整體得到提升。
• AI 知識庫：AI 對運維效率的提升越來越關鍵，DBStack 憑藉百度多年在不同數據庫中的實踐經驗，集成了各類的技術文檔知識，形成智能問答知識庫。快速幫助運維人員找到問題所在，提供解決方案，提升工作效率。

02 案例

2.1 業務背景

在某大型國有銀行的 IT 系統中，依據不同業務等級和場景的需要，使用的數據庫引擎也有所不同。這其中涵蓋了來自於國內外多個數據庫品牌的關係型和非關係型數據庫。

同時，隨着應用系統從集中式朝着分佈式的演進，數據庫實例數量正在以 10 倍以上的速度進行擴張。大規模數據庫實例和多種數據庫引擎的複雜場景，給日常運維管理、問題排查、匯聚查詢都帶來了挑戰。

2.2 解決方案

在已經建成的私有云平台上，客户完成了數據庫平台 DBStack 部署，成功管理 100+ 個數據庫集羣， 800+ 數據庫節點。基於兩地三中心流式容災，實現同城自動容災切換和跨地域彈性伸縮，簡化了業務運維的難度，預報並及時干預了上百個風險事件，故障響應解決的效率提升 70%，及時對業務收益止損。

同時，業務流程和數據管理完全符合金融行業的嚴格標準，百度智能雲數據庫平台 DBStack 為客户提供了一體化、智能化的數據庫服務與管控能力，確保核心業務系統數據庫的可見、可管和可計。

————END————

推薦閲讀

基於PP-ShiTuv2新增PaddleX圖像識別模型產線，顯著提升商品識別等細粒度開放域產業場景檢索性能

基於GPU的ANN檢索

維度爆炸背景下uv計算在Feed業務的高效實踐

數據湖系列之四  | 數據湖存儲加速方案的發展和對比分析

大模型時代，雲原生數據底座的創新和實踐