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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12