前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >梳理工作的一点小结-20220309

梳理工作的一点小结-20220309

作者头像
jeanron100
发布于 2022-03-10 03:42:30
发布于 2022-03-10 03:42:30
4880
举报

这是学习笔记的第 2407篇文章

  最近在梳理工作的时候,做了一些小结。

  首先是对于工作情况的量化,如果我们只是说自己做了什么什么事情,可能洋洋洒洒几十页ppt,也会让别人看得云里雾里,如果不是这个专业方向的人,基本都会有点晕菜,所以对于这个事情的抓手就是需要有一个参考基准,有了这个基准,你所做的事情都有一个对比,到底是多了还是少了,多了多少,少了多少,具体哪些多了,哪些少了都可以通过数字量化得到答案。 

   比如对于数据库服务能力的量化,我是选用了信通院开发的这个模型,通过评估惊人的发现我们做了很多的建设和改进工作,但是总体服务能力竟然没有明显的提升,反而还有2%的降低,如下图所示:

经过分析我做了如下的三点补充说明:

  • 服务规模增长,标准有所降低,比如管理100台数据库和管理200台是有明显的差异的
  • 现有支撑能力值不是恒定不变,投入少相对分数很可能下降,如果有些服务已经比较稳定,投入的精力和时间较少,我觉得分值就应该适度降低,不应该存在指涨不降的情况。
  • 需求升级,原来可用的功能会存在一些限制或者瓶颈,比如SQL审核,慢日志管理功能,4年前还是比较领先的方案,但是现在数据库版本都更新这么快了,有很多基础建设能力还没有完全跟上

所以对此我的策略是补足短板和巩固核心目标,我们在去年的时候就开始着手数据库标准化的建设,所幸的是这个事情一直坚持了下来,只是有些形式还没有明确。

其次,感受比较深的是对于数据库技术战略规划,这是很多公司都相对来说忽略的,目前的数据库大环境是相对复杂的,主要是公有云和国产化的热潮,如果说得直白一些,设想如果业务都使用公有云了,那么在私有云环境中我们能够存活下来的主要依据应该是什么?经过前期的一些测算,显然成本不是一个很合理的考虑。还有国产化,假设有一天数据库技术遇到了卡脖子的情况,我们的业务还能不能够玩得转,我们是否完全强依赖于国外开源技术,在技术战略层面,我们是否有足够的考虑和长足的规划。无论如何这一步都得迈出去,只是这是你主动迈出的还是被踢了一脚不得已而为之。 

第三点是对于数据库基础建设和服务化建设的思考,如果说得有凡尔赛一些,我们现在的一大困扰是很多问题都是想在了业务前面,通常会有半年左右的一个适应期,大部分的情况下,我们通过架构和设计的方式让业务少走了一些弯路,但是让人纠结的是,这种情况下问题还没有出现,还压根没有发生,我们就已经扑灭了小火苗,所以一切都是那么违和,回过头来,你的价值是什么?用一把看得见的尺子来衡量,一句话就可以让我们哑口无言。同时服务化建设的工作是一个相对漫长的工作,如果拼纯研发能力,数据库方向是不占有绝对优势的,但是如果按照中台的设计模式,其实有些思路是和运维口不是很匹配的。如何体现价值,其中的一个出口就是计量计费,用了多少量,用了什么服务,通过计量计费的方式来摊分成本,这种情况下的服务化能力都有了一个基准,当然这一步要真的搞起来,而且搞透,就会发现是多处拔毛,留下来的成本可能也没有想象的那么多,假设有100个数据库(主从算1个),假设RDS每月需要600元,私有云自建成本是300元,那么系统资源,网络,IDC的成本都摊上之后假设剩下了100元,那么私有云的运维管理按照100个的规模只有1万元左右,这个成本就相当尴尬了。这是一个比较笼统的账目,只是在考虑能够解决的困惑多一些还是带来的困惑更多一些。

第四点就是中年危机,我对这个问题的看法就相当于你突然醒来,发现自己已经在一辆公交车上了,或者你开车时错过了路口,那么一切都是规定好的,你只能乖乖继续向前走,然后找一个合适的路口掉头重来。所以与其说是危机,倒不如说是像是经历一个又一个毕业典礼,记得前几天有同事问我说,我为什么考虑读在职研究生,我只是淡淡的说了一句,算是补充一段记忆,当然这句话有很多没说完的下半句。最近也突然想起了很多读过的大道理,换一种心理状态读起,竟然带给了我全新的感受,这是一种从不理解,懒得理解到信服的态度转变。

各大平台都可以找到我

  • 微信公众号:杨建荣的学习笔记
  • Github:@jeanron100
  • CSDN:@jeanron100
  • 知乎:@jeanron100
  • 头条号:@杨建荣的学习笔记
  • 网易号:@杨建荣的数据库笔记
  • 大鱼号:@杨建荣的数据库笔记
  • 腾讯云+社区:@杨建荣的学习笔记

原创热文:

维护之夜,说点故事和经验

我们为什么在MySQL中几乎不使用分区表

新年大吉 总结了如下的感想

《大江大河2》最触动我的一段经典对话

MySQL 8.0给开发方向带来的一些困扰

迁移到MySQL的业务架构演进实战

如何优化MySQL千万级大表,我写了6000字的解读

一道经典的MySQL面试题,答案出现三次反转

小白学MySQL要多久?我整理了10多个问题的答案

QQ群号:763628645

QQ群二维码如下, 添加请注明:姓名+地区+职位,否则不予通过

在看,让更多人看到

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2022-03-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 杨建荣的学习笔记 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【高阶数据结构】AVL树详解
因此,两位俄罗斯的数学家G.M.Adelson-Velskii和E.M.Landis在1962年发明了一种解决上述问题的方法:
YIN_尹
2024/01/23
1.8K0
【高阶数据结构】AVL树详解
12(13)个球1个不同重量称3次称出的详细分析
  因为网上这道题没有详细思路,我想我还是补个详细思路。这道题目描述是这样的:   有12个一模一样的球,其中11个重量一模一样,剩下的1个重量和其他的不一样。使用一个无砝码的天平称3次,找出重量不一样的这一个球,以及知道这个球比其他的球重还是轻。   这个题目似乎很早就出来了,估计有十几年吧,曾以不一样的身份出现在各个帖子里,有的时候号称是微软笔试题,也曾被称为google笔试题,还有说是腾讯笔试题的。至于它真实的出处,我们不必在意。另外还有13个球的版本的,只是只要找出球就行了。倒是这道题的详细解题步骤
窗户
2018/02/07
1.8K0
赛事解析|乒乓球时序动作定位大赛亚军方案分享
时序动作定位(提案生成)是计算机视觉和视频分析领域一个具有挑战性的任务。本次比赛不同于以往的ActivityNet-TAL,FineAction等视频时序检测动作定位比赛,采用了更精细的动作数据集–乒乓球转播画面,该数据集具有动作时间跨度短、分布密集等特点,给传统模型精确定位细粒度动作带来了很大挑战。
用户1386409
2022/09/01
7030
赛事解析|乒乓球时序动作定位大赛亚军方案分享
2023复试——机试随笔【c++】【考研】
建议用嘴说说,,写代码时间一长脑子一涨,很容易码错,找了半天错误,和正确结果就差一天,不就是2月的问题吗,不就是闰年判断有问题吗???
来杯Sherry
2023/07/24
4190
《机器学习》学习笔记(三)——线性模型
分类的核心就是求出一条直线w的参数,使得直线上方和直线下方分别属于两类不同的样本
荣仔_最靓的仔
2021/02/02
1.6K0
《机器学习》学习笔记(三)——线性模型
千亿关系链下的新增共同好友计算
本文介绍了基于内外存数据结构的三维空间数据的高效关联规则挖掘算法。该算法使用一种改进的时空关联规则挖掘算法,同时利用了三维空间数据的特点和内外存数据结构的优势,提高了算法的效率。具体来说,该算法首先利用外存数据结构将三维空间数据转换为二维数据,然后利用内存数据结构进行关联规则挖掘。实验结果表明,该算法在处理大规模三维空间数据时具有较好的效率和准确性。
杨光
2017/09/22
3.4K0
千亿关系链下的新增共同好友计算
二叉树的应用详解 - 数据结构
1、排序树——特点:所有结点“左小右大 2、平衡树——特点:所有结点左右子树深度差≤1 3、红黑树——特点:除了具备二叉查找树的特性外还有5个特性以致保持自平衡。 4、字典树——由字符串构成的二叉排序树 5、判定树——特点:分支查找树(例如12个球如何只称3次便分出轻重) 6、带权树——特点:路径带权值(例如长度) 7、最优树——是带权路径长度最短的树,又称 Huffman树,用途之一是通信中的压缩编码。
黄规速
2022/04/14
1.4K0
二叉树的应用详解 - 数据结构
强化学习从基础到进阶-案例与实践[4]:深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN
,但是这样的方法存在很大的局限性。例如,现实中的强化学习任务所面临的状态空间往往是连续的,存在无穷多个状态,在这种情况下,就不能再使用表格对价值函数进行存储。价值函数近似利用函数直接拟合状态价值函数或动作价值函数,降低了对存储空间的要求,有效地解决了这个问题。
汀丶人工智能
2023/10/11
9000
强化学习从基础到进阶-案例与实践[4]:深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN
经典优化算法之分治法(Divide-and-Conque Algorithm)
分治分治,即分而治之。分治,就是把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础,如排序算法(快速排序,归并排序),傅立叶变换(快速傅立叶变换)……直接说就是将一个难以直接解决的大问题,分割成一些规模比较小的相同的小问题,以便各个击破,分而治之。
用户1621951
2019/10/18
5.9K0
经典优化算法之分治法(Divide-and-Conque Algorithm)
零基础学并查集算法
并查集是我暑假从高手那里学到的一招,觉得真是太精妙的设计了。以前我无法解决的一类问题竟然可以用如此简单高效的方法搞定。不分享出来真是对不起party了。(party:我靠,关我嘛事啊?我跟你很熟么?) 来看一个实例,杭电1232畅通工程 首先在地图上给你若干个城镇,这些城镇都可以看作点,然后告诉你哪些对城镇之间是有道路直接相连的。最后要解决的是整幅图的连通性问题。比如随意给你两个点,让你判断它们是否连通,或者问你整幅图一共有几个连通分支,也就是被分成了几个互相独立的块。像畅通工程这题,问还需要修几条路,
Angel_Kitty
2018/04/08
1.2K0
零基础学并查集算法
【高阶数据结构】B-树详解
以上结构适合用于数据量相对不是很大,能够一次性存放在内存中,进行数据查找的场景(内查找)。
YIN_尹
2024/02/08
8260
【高阶数据结构】B-树详解
【Python机器学习】系列五决策树非线性回归与分类(深度详细附源码)
查看之前文章请点击右上角,关注并且查看历史消息 所有文章全部分类和整理,让您更方便查找阅读。请在页面菜单里查找。 相关内容:(点击标题可查看原文) 第1章 机器学习基础 将机器学习定义成一种通过学习经验改善工作效果的程序研究与设计过程。其他章节都以这个定义为基础,后面每一章里介绍的机器学习模型都是按照这个思路解决任务,评估效果。 第2章 线性回归 介绍线性回归模型,一种解释变量和模型参数与连续的响应变量相关的模型。本章介绍成本函数的定义,通过最小二乘法求解模型参数获得最优模型。 第3章 特征提取与
量化投资与机器学习微信公众号
2018/01/29
2K0
智能营销增益(Uplift Modeling)模型——模型介绍(一)
Uplift Modeling在智能营销中非常重要,一般来说个性化营销人群中存在四类:
悟乙己
2021/12/07
12K0
智能营销增益(Uplift Modeling)模型——模型介绍(一)
论概率:从局部随机性到整体确定性
以两个随机事件为例,一个随机事件发生或者另一个随机事件发生的概率,也就是这两个随机事件发生其一的概率,等于两个随机事件各自发生概率的和。
全栈程序员站长
2022/09/02
1.5K0
论概率:从局部随机性到整体确定性
深度学习500问——Chapter02:机器学习基础(3)
2. 投影思想:找出最能够代表原始数据的投影方法。被PCA降掉的那些维度只能是那些噪声或是冗余的数据。
JOYCE_Leo16
2024/03/19
1550
深度学习500问——Chapter02:机器学习基础(3)
计算机组成原理:从电、电磁、继电器到数字计算机(13k字)
科学Sciences导读:公号对话框发送“计算机组成原理”获取10k字4表65图25页PDF计算机组成原理:从电、电磁、继电器到数字计算机。关键词:电(electricity),电磁(electromagnetic),数字计算机(digital computer),计算机(computer),组成原理(composition principle)。QinlongGEcai微信被封,转向自用、科普文章、学术论文OAJ电子刊免费开放获取。
秦陇纪
2020/11/05
1.8K0
计算机组成原理:从电、电磁、继电器到数字计算机(13k字)
《王道》数据结构笔记整理2022级_数据结构笔记整理
1.数据:数据是信息的载体,是描述客观事物属性的数、字符以及所有能输入到计算机中并被程序识别和处理的符号的集合。
全栈程序员站长
2022/09/22
3.1K0
《王道》数据结构笔记整理2022级_数据结构笔记整理
刚体力学整理
质点:一个有质量的几何点,忽略其大小、形状及内部结构的影响,在空间只占据一个点的位置。它是对实际研究对象的简化,理想模型。
算法之名
2023/10/16
1.1K0
刚体力学整理
空间组学 | 用 moscot 对细胞进行时空动态分析
◉ 这是通用单细胞基因组分析的最优传输(OT)管道示意图(从左到右):实验变化(例如时间点和不同的空间切片)导致不同的细胞群体。◉ 以前的生物学知识(例如增殖率和空间排列)通常是可用的,并且应该用来指导映射过程。◉ 最优传输通过最小化位移成本来对齐细胞分布。◉ 学习到的映射促进了各种下游分析机会。◉ Moscot 引入了三个关键创新,从而释放了最优传输的全部潜力。◉ 首先,它支持所有模型中的多模态数据。◉ 其次,它克服了以前的可扩展性限制,使得能够进行图集规模的应用。◉ 第三,Moscot 是一个统一的框架,在生物学问题中具有一致的API,这将促进易用性,并能够以简单的方式扩展到新问题。◉ 面板a和b是使用BioRender创建的(https://www.biorender.com)。
生信菜鸟团
2025/03/06
1350
空间组学 | 用 moscot 对细胞进行时空动态分析
Science:工具使用和语言句法在基底神经节共享计算机制和神经表征
在语言和其他认知计算研究过程中的一个重要问题是:工具使用是否与语言的句法加工共享计算过程?因为,使用工具的行为可以被认为是给运动计划增加了一个层级结构。而在语言领域,句法加工相互依赖的语言基本元素(即词),它也是一个具有层级结构的认知功能。那么语言的句法层级结构是否具有特异的神经加工机制呢?
用户1279583
2022/02/28
6550
Science:工具使用和语言句法在基底神经节共享计算机制和神经表征
推荐阅读
相关推荐
【高阶数据结构】AVL树详解
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档