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
在机器学习建模、数据预处理、抽样划分、模型初始化训练的全流程中,随机种子是控制实验随机性、保证结果可复现、提升模型稳定性 ...
2026-08-04Python作为面向对象的主流编程语言,核心编程体系由变量、方法、类三大基础要素构成。三者层层递进、相互协作,支撑起所有基础代 ...
2026-08-04 很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问 ...
2026-08-04为什么学习数据分析? 当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运 ...
2026-08-03CDA等级认证证书有效期为三年,三年进行一次年审,主要考察CDA持证人的职业发展情况;学历、工作单位及职业变更情况;继续教育 ...
2026-08-03【核心关键词】金融、岗位、企业、算法、知识、专业、理论、课程、软件、数据分析、业务类型、应用场景、经营管理、大型企业、 ...
2026-08-03在日常数据分析、业务报表复盘、业绩预测工作中,平均增长率是衡量数据长期变化趋势的核心指标,广泛用于营收增长、用户增长、销 ...
2026-08-03很多人把统计学理解为“一堆公式和计算”,却忽略了它的本质——一门让数据“开口说话”的科学。真正的数据分析高手,不是会算平 ...
2026-08-03在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28