2-5 代晓磊-知乎数据库稳定性建设实践

知乎数据库稳定性建设实践

01 稳定性建设概述

• 介绍了数据库稳定性建设的重要性及总体框架。

02 DB稳定性解决方案

• 概述了常用的数据库稳定性解决方案，包括但不限于备份恢复、监控报警、ELK等。

03 知乎稳定性建设实战

可观测能力建设

• 建设了全面的可观测能力，包括监控配置、自动和自助监控展示、监控粒度（集群、实例、metric）、键关闭报警、多渠道报警、报警升级等功能。

监控报警

• 实现了监控报警的自动化和自助监控，支持多渠道报警和报警升级机制。

备份恢复

• 建立了完善的备份恢复体系，包括备份策略实例化、备份存储（S3或HDFS）、备份粒度（集群、实例、库、表）、恢复验证和自助化恢复功能。

ELK

• 利用ELK技术栈进行日志管理和分析，提升系统可观测性。

天穹平台-知乎一站式数据库管控平台

• 构建了天穹平台，实现数据库的一站式管控。

04 总结&展望

• 架构设计：采用多云多活架构，提升系统可用性和容灾能力。
• 建设混沌实验平台：通过混沌实验验证系统稳定性。
• 建设全链路压测能力：提升系统在高负载下的性能表现。
• 建设SRE团队：负责系统的运维和稳定性保障。
• 建设Aiops能力：利用人工智能技术提升运维效率。
• Gdevops：推动全球敏捷运维发展。