数据存储和操作

数据存储与操作包括对存储数据的设计、实施和支持，最大化实现数据资源的价值，贯穿于数据创建/获取到处置的整个生命周期。

业务驱动因素：

组织依赖它们的信息系统来运营业务。数据存储与操作活动对于依赖数据的企业来说非常关键，这些活动的主要驱动因素是业务连续性。如果某个系统不可用，企业运营可能受到损害，甚至完全停止运营。为IT运营提供可靠的数据存储基础设施，可以最大幅度降低业务中断的风险。

管理目标和原则

数据存储与操作的管理目标：

• 在整个数据生命周期中管理数据的可用性。
• 确保数据资产的完整性。
• 管理数据交易事务的性能。

数据存储与操作需要遵循以下指导原则，可以更好地完成目标，且有助于数据管理的整体工作。

• 识别自动化的机会并采取行动：自动化数据库开发过程、开发工具和流程，缩短每个开发周期过程， 可以减少错误和返工，将对开发团队的影响降至最低。通过这种方式，DBA可以适应更多敏捷迭代的应用程序开发方法。
• 构建时就考虑重用的思想：开发抽象的和可重用的数据对象并推广使用，不让应用程序与数据库模式紧耦合。
• 理解并适当使用最佳实践：DBA应该将数据库标准和最佳实践作为需求来推广。但是，如果出现偏离标准的情况，并且偏离理由可以接受，那么DBA应该有足够的灵活性来处理这些偏差。数据库标准不应该成为项目成功的威胁。
• 提供数据库的标准支持需求：例如，服务水平协议（SLA）可以反映DBA推荐的、开发人员认可的方法，以确保数据完整性和安全性。
• 为项目中的DBA角色设置期望值：在项目定义阶段就让DBA参与进来，有助于确保项目方法论贯穿于整个软件开发生命周期。

基本概念

• 数据库术语
• 数据库
• 实例（Instance）
• 模式（Schema）
• 节点
• 数据生命周期管理
• 数据库管理员（DBA）
• 数据库架构类型
• 集中式数据库
• 分布式数据库
• 联邦数据库
• 区块链数据库
• 虚拟化
• 云计算
• 数据处理类型
• ACID
• BASE
• CAP
• 数据存储介质
• 软盘
• 存储区域网络（SAN）
• 内存
• 列式数据库（Columnar-based  Databases）
• 闪存（Flash Memory）
• 数据库环境
• 生产环境
• 非生产环境
• 开发环境
• 测试环境
• 数据沙盒或实验环境
• 数据库组织模型
• 层次数据库
• 关系数据库
• 多维数据库
• 时态数据库
• 非关系型数据库
• 列式数据库
• 空间数据库
• 对象/多媒体数据库
• 平面文件数据库
• 键值对数据库（Key-Value Pair Database）
• 三元组存储（Triplestore ）
• 专用数据库
• 常见数据库过程
• 数据归档
• 容量和增长预测
• 变动数据捕获（Change Data Capture，CDC）
• 数据清除
• 数据复制
• 韧性与恢复
• 数据保留（Retention）
• 数据分片（Sharding）

管理活动

管理数据库技术

• 理解数据库的技术特征
• 评估数据库技术
• 管理和监控数据库技术

管理数据库操作

• 理解需求
  • 定义存储需求
  • 识别使用模式
  • 定义访问需求
• 规划业务连续性
  • 备份数据
  • 恢复数据
• 创建数据库实例
  • 物理存储环境管理
  • 管理数据访问控制
  • 创建存储容器
  • 应用物理数据模型
  • 加载数据
  • 管理数据复制
• 管理数据库性能
  • 设置数据库性能服务水平SLA
  • 管理数据库可用性
  • 管理数据库运行
  • 维护数据库性能服务水平
  • 维护备用环境
• 管理测试数据集
• 管理数据迁移

工具和方法

工具

• 数据建模工具
• 数据库监控工具
• 数据库管理工具
• 开发支持工具

方法

• 在低阶环境中测试
• 物理命名标准
• 所有变更操作脚本化

实践指南

• 就绪评估/风险评估
• 组织和文化变化

数据存储与操作的治理

• 度量指标
• 信息资产跟踪
• 数据审计与数据有效性