[[266535]]

數據是核心

 

 

將DBA這個單詞分解一下，其對應的是操作對象—數據，操作介質—庫，操作角色—管理員。

這里的核心是數據，也是DBA這一角色***的價值所在。他們最了解數據、最懂得數據的價值。因此DBA后續可發展的一些方向，也基本是與數據有關。

此外，對于數據要有更加宏觀的認識，無論是企業的自有數據，還是外部獲得;無論是關系數據，還是其他模式數據;無論是保存在數據庫中，還是其他諸如日志等介質中，數據對企業都非常有價值，要將數據作為一種“資產”來管理。

只有上升到這樣的高度時，數據相關崗位的價值才能凸顯出來。

階段不同，側重不同

 

 

企業對數據應用水平不同，因而造成工作重心及崗位需求也有所不同。下面簡單描述一下各個層次：

• 層次一，是以數據庫維護為主，常見表現是“救火隊員”型。很多初創企業，都經歷過這一過程。數據庫維護基本靠人，隨著運維體量的增加，需要線性增加人員。整體數據應用水平，基本處于簡單、粗放型。
• 層次二，仍是以數據庫維護為主，但已形成較為完善的運維體系。除了基礎運維之外，甚至可以考慮一些預防性的措施，提高整體的運維效益。這一階段的體系化建設，往往是通過文檔、運維平臺等沉淀下來。數據庫作為基礎設施層，已可提供較好的數據存儲、計算能力輸出。但此階段尚未從更高角度去考慮數據問題，仍僅限于運維層面。
• 層次三，數據設計應用階段，企業已不滿足數據簡單的“存取類”需求，而是從更高的應用角度，考慮如何提高整體數據應用水平。這個階段會增加數據庫架構、設計，加強業務端數據優化工作。表現為增加產品DBA的角色，加大數據庫架構權重等。
• 層次四，數據架構治理階段，企業不單從某個應用、某條業務線去考慮數據問題，而是公司整體層面做數據的頂層設計?？紤]建立專門的機構(如數據委員會)或崗位-***數據官(CDO)。近些年來，頗為火熱的“數據中臺”，正是為迎合這一需求而產生的。

基礎運維工作，繁瑣枯燥

 

 

作為基礎類的運維工作，數據庫的要求是比較高的。上圖簡單羅列了部分工作，對DBA日常繁瑣工作可見一斑。

正是基于這點，平臺化、自動化、云化的訴求不斷被提出，進而間接地對DBA的能力提出了更高的要求。

DBA職能，向上進化

 

 

基于前面數據應用水平所談到的內容，企業內部DBA也對應承擔了幾類職能。自下而上的是數據物理架構、邏輯架構和業務架構。

公司內應用水平的高低，也決定了DBA各類工作的比例側重不同。隨著公司數據應用水平的不斷提高，DBA工作重心也應從下層逐步轉向中上層。

• 數據物理架構，對應為“運維DBA”，工作重心為基礎架構的建設。
• 數據邏輯架構，對應為“產品DBA”，工作重心為數據庫架構、架構設計及SQL質量問題。
• 數據業務架構，對應為“數據架構師-DA”，工作重心在于數據治理、管理類工作。

DBA面臨沖擊不斷

 

 

近些年來，DBA職位受到很大一些沖擊，我摘其重要的幾項說明下。

• 去IOE，阿里最早提出“去IOE”的叫法。它的提出，讓人們***次領悟到，企業的核心應用可以不依賴于傳統的國外大型商業數據庫，進而提出了一種新的解決思路。
• 開源與商業，企業發展階段不同，對于開源還是商業軟件的使用存在類似上圖的收益/成本曲線。當發展到一定階段時，是必須要考慮引入開源。企業要從技術戰略角度出發，考慮這一問題。
• “四化”，數據庫基礎運維工作，經歷了從手工、腳本、工具、平臺的發展階段。其發展特點表現為“四化”(平臺化、可視化、自動化、智能化)。這一發展方向也對DBA的技能要求產生了一些變化，特別是對研發的技能要求已成為必要條件。
• 云，是未來的發展方向。從全球范圍來看，云生態的數據庫占比在8%，未來預計在3~5年內，會提升到20%~30%。這無疑是巨大的飛躍。對于DBA而言，云環境下的數據庫工作有別于傳統環境，需要從多方面去適應，工作重心也要有所調整。

技術 OR 管理

DBA職業發展面臨的***個選擇就是發展方向是走管理路線還是技術路線。

上圖給大家描述了兩種不同方向的區別，個人可根據自己特質，對號入座。這里要避免一個誤區，就是“以管理為上”，這其實就是官本位思想的體現。不是每個人都適合管理路線，放在不恰當的位置上，對人的發展是一種摧殘。

客觀判斷，承認上限

在明確了發展路線之后，就需要對自身的發展階段有所判斷。無論是技術還是管理，都存在這樣一個進化理論，即越走向高級階段，其淘汰率越高。

要客觀、理性地認識到自己所處的階段。從上述比例也可以看出，能走到高階職位的畢竟是少數。雖然可以通過一些方式(后面會談到)突破，但是仍然有較大概率無法取得既定目標。此時，要勇于承認這一點，調整自己的職業定位，謀求新的發展方向。

高度與廣度 + 全局思維

 

取得職業發展突破，有兩個小的建議：

• 高度與廣度。在職業發展初期，需要有個快速成長的“原始積累期”。這里談到的原始積累，不是財富，而是技術技能。要在某專一領域，盡量達到自己的技術高點。會存在某個點，你已經無法突破達到更高的高度時，要謹慎分析原因。如確實非主觀原因，那么要坦然接受它。剩下來的技術發展，可考慮橫向發展，即將自己打造成“T字型”人才。上面談到的高點很重要，它會決定你的技術“視野”。
• 全局思維。即不要僅僅從技術角度考慮問題，特別是達到一定高度之后，可更多地嘗試從業務角度、人的角度考慮之前面臨的問題，也許你就會有新的發現。全局思維，會有助于你發現原有發展階段的瓶頸點，從而實現突破。

DBA職業選擇路線

 

前面講了很多，那么DBA職業發展可考慮哪些方向呢?下面試圖給出一些可能的選擇。以下僅僅是本人根據自己所熟悉的領域給出的選擇，不代表全部。

選擇： 數據庫技術、數據庫業務

 

數據庫技術。這是一個比較容易的選擇，即在某數據庫領域里不斷精進自己，以達到一個更高的目標。職業定位是***DBA、DBA專家等。如果考慮這個發展方向，建議考慮乙方或云廠商，因為他們對技術本身要求更高。甲方角色，受限于自身環境，一般很難有需要不斷突破的技術氛圍。

數據庫業務。將數據庫技術與公司業務相結合，突出在某業務領域的數據能力。這是需要在某行業打磨多年，充分了解其業務特點，不斷抽象出其數據要求。這一方向可考慮行業的頭部公司或者是專為某行業服務的ISV。

選擇： 內核研發、數據庫架構

 

 

• 數據庫內核研發，是相對“小眾”的一類人才需求，一般只有大型企業/云廠商或數據庫廠商會考慮設置。其專業性較強，人員素質要求也較高。建議選擇高起點的一些企業，對個人長期職業發展有利。
• 數據庫架構師，這是一個相對綜合類的職位。“架構”的含義比較模糊，各企業對架構師角色的定位也各不相同。一般能考慮設置數據庫架構師角色的企業，都是有一定規模，企業內數據應用比較復雜的情況。下面根據我所在公司的實際場景，嘗試給出一個數據庫架構師的技能圖譜，供各位參考。

 

 

一家之言： 數據庫架構師技能圖譜

上圖羅列了對數據庫架構師的十二項基本能力要求，各項能力的要求不同，我通過左側的餅圖比例大小予以說明。當然能符合全部要求的人，少之又少。公司可根據側重，有所取舍。上述技能要求，可大致分為四類：

數據自身技能，如數據庫、大數據、數據治理、數倉等。

關聯領域技能，如基礎設施、云、容器等。

研發方向技能，如DevOps等。

綜合技能類，如業務思維、軟技能(如溝通技巧)。

選擇： 數據架構、數據產品

 

 

數據架構，不同于“數據庫架構”。數據架構，更強調于頂層設計，需要對數據有全局的思維，幫助企業做好整體數據規劃設計工作。它不在拘泥于某種技術，而是著眼于數據整合、安全、共享、價值、資產等問題。

數據產品，也是一種綜合類職位。需要對技術本身有一定深入的了解，但更強調其技術廣度。此外需要有產品化思維，能將業務需求，轉換為產品功能設計。

選擇： 解決方案架構、數據庫布道者

 

 

• 解決方案架構，往往是從“售前架構”、“技術顧問”等角色體現出來。其核心要點在具備一定技術能力的同時，還要有甲方思維，能夠了解用戶痛點，能從技術角度幫助客戶解決現有問題。這里不光是銷售自己的產品，更重要的是給客戶帶來價值。
• 數據庫布道者，少數的選擇，只針對有一定技術影響力的人員才可以考慮。是一種偏向于自由職業者的選擇。

選擇： 數據治理、數據倉庫

 

 

• 數據治理，是一項比較“浩大”的工程。隨著企業對數據的重視程度越來越高，這一崗位也愈發重要起來。其強調幾個關鍵過程域的活動，提升企業整體數據應用水平。右圖中給出的DAMA的過程域圖例，供大家參考。
• 數據倉庫，是一個處于轉型中的職位，傳統的數倉做法，目前已不適應現代企業要求。但其核心的數據建模理論，還是具有指導意義的。因此各大互聯網公司，均有自己頗有特色的數倉實踐。可以考慮大廠或行業頭部客戶作為選擇。

選擇： 大數據、運維開發

大數據，作為大“DBA”的范疇，大數據領域在某種意義上講也是一種數據庫。當然它有其自身的特殊性，表現為技術分散、變化快、沒有統一標準、對研發能力有一定要求等。

DevOps，運維開發。適合有一定研發基礎的DBA選擇。

選擇： 項目管理、技術管理

項目管理，DBA是一個比較綜合類的職位，在溝通、協調、組織方面，與項目管理有相似在之處。因此，可以考慮轉型做項目管理類職位。

技術管理，DBA職位的涉及的技術領域較廣，如稍加留意可以涉獵很多關聯領域。這與技術管理類對技能的訴求有一定相似。再加上其對軟技能的要求，是可以考慮將技術管理作為發展方向。在圈子中也發現過不少高級管理人員，都是DBA出身，不無一定道理。

寫在***

面對一個充滿不確定性的未來，唯一能確定的就是變化。讓我們擁抱變化，努力改變今天的自己!

作者介紹

 

韓鋒，CCIA(中國計算機行業協會)常務理事、Oracle ACE ，宜信技術研發中心主任工程師。精通多種關系型數據庫，曾任職于當當網、TOM在線等公司，曾任多家公司***DBA、數據庫架構師等職，多年一線數據庫架構、設計、開發經驗。著有《SQL優化***實踐》一書。