京公网安备 11010802034615号
经营许可证编号:京B2-20210330
DBA技能需紧跟大数据技术发展变化
新技术正在改变数据处理现状。尽管无模式NoSQL、Hadoop平台及其他相关工具越来越流行,但是传统数据库管理的变化可能并不大。然而在许多公司部署了基于这些技术的系统之后,一些新技术很可能会给数据库管理员(DBA)带来压力。DBA安心扮演“数据库模式(schema)管理者”的时间越来越少。
Caserta Concepts LLC是纽约一家专注于数据仓库和大数据部署的咨询与培训服务公司,公司总裁JoeCaserta对TechTarget记者说:“转变显然正在发生,但是它对于DBA的影响并没有想象中那么大。在传统企业数据部门中,DBA的职责仍然是管理长期以来围绕熟悉的SQL建立和运行的关系型数据库和数据仓库。”
然而,开发者在数据设计方面受到的影响越来越大,Caserta认为这种变化将促使一些DBA寻求丰富自己的技能。
有些东西在变,有些东西没有变
例如,开发者现在可以启动一些不使用数据库模式的Hadoop和NoSQL项目,这种现象代表了企业开发方式的一种转变。即便如此,有一些公司仍然很可能继续创建参考数据模型。虽然这些建模工作可能由企业架构师或数据架构师完成,但是Caserta指出,一些DBA也可以参与建模,所以他们需要学习NoSQL系统的工作原理。
“他们会使用不同的工具和不同的建模策略。我们仍然需要一些人来处理这些模型。我们也需要一些了解如何管理这些新数据库的人员。”Caserta说。
要想胜任后一种工作,则必须经过一些新培训:那些通过Oracle数据库认证的DBA未必就知道如何创建和设计一个Cassandra数据库。Caserta说:“一般DBA要求掌握的方法都必须重新学习。管理Hadoop集群的能力也会成为DBA的一项重要技能。通常,他们还需要学习如何在没有模式的数据库保存数据。”
灵活性的代价是什么?
MullinsConsulting公司总裁及首席咨询师Craig Mullins指出,NoSQL流行的前提就是能够简化一些DBA的学习过程。它并不是一些人想象的新事物。例如,面向大型主机的VSAM文件技术与新的键值数据存储之间有着明显的相似性。
但是,它们之间有一些本质区别。NoSQL软件提供的灵活性也有一定的代价,因为它实现数据完整性的难度更大了。但是,对于现在许多公司的Web应用程序而言,完整性优先级不如数据灵活性高。对于DBA而言,最大挑战是适应设计与开发风格的变化。
Mullins有30多年数据管理经验,撰写出版了图书《DBA修炼之道:数据库管理员的第一本书》。他说:“有一些DBA的适应能力强于其他人。过去20年里我们见过许多这样的例子。”
Mullins指出,在许多组织中,DBA总是需要管理多个关系型数据库系统。有这种技能的DBA应该研究NoSQL方法,以便在公司需要使用NoSQL产品时成为指导公司的第一线人员。
Mullins补充说,数据模式定义可能会越来越少,但是系统可用性和理解数据在各个节点的分布方式会变得越来越重要。
DBA的甜蜜时光到头了吗?
事实上,数据管理专家联盟DAMA International主席Sue Geuens认为,新的数据架构让DBA有机会扩大自己在公司中影响力。Geuens在南非约翰尼斯堡工作,是一家SAP软件和服务提供商EPI-USE SystemsLtd.的数据服务主管。她说:“DBA一直以来都被视为一些待在角落里默默监控数据库服务器运行状态的技术极客。我认为DBA已经厌倦了被贴上这样的标签。”
Geuens指出,我们很可能会在将来看到不同类型的DBA,有一些继续坚持从事传统技术与管理工作,而另一些则会努力学习管理大数据的新技术和工具。她说:“我们将看到新的DBA职业头衔,也会看到比现在更加专注于关系数据库的专业头衔。”
正如Geuens所强调的,这并不是DBA第一次增加新技能,他们本身就已经包含很多的职能。他们的技能包括建模、绩效管理和基础管理,而且每一种数据库品牌的专业深度又会进一步增加这个职业的复杂度。
这些专业知识可能就意味着薪资的提升。例如,TechTarget 2014 IT薪资与职业调查显示,近期涨幅居前的数据库管理员平均部薪资为115,630美元。年度增长率达到22%。
著名保险公司MetLife的数据库专家Greg Novikov在10月份波士顿的MongoDB Days 2014活动上指出,接触NoSQL数据库这样的新技术确实要求DBA调整自己的思考方式。但是它在一定程度上也会给DBA带来更丰厚的回报。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27