胖头鱼的技术专栏-466 别再把“救火“当本事——AI时代，DBA的核心竞争力该往哪放（20260907）

数据库管理466期 2026-09-07胖头鱼的技术专栏-466 别再把救火当本事——AI时代DBA的核心竞争力该往哪放20260907一、那场面试两个小时全在问绝活二、只懂数据库的 DBA不是合格的 DBA三、AI 到底该怎么用三层分工第一层把常规重复工作交出去现在就能干第二层让 AI 完成巡检之外的简单处置要画边界第三层用你的经验驱动 AI 做更深入的业务优化重点四、那 DBA 该攒点什么总结胖头鱼的技术专栏-466 别再把救火当本事——AI时代DBA的核心竞争力该往哪放20260907作者胖头鱼的鱼缸尹海文 Oracle ACE Pro: Database PostgreSQL ACE 10年数据库行业经验 拥有OCM 11g/12c/19c、MySQL 8.0 OCP、Exadata、CDP等认证 墨天轮MVPITPUB认证专家 圈内拥有“总监”称号非著名社恐社交恐怖分子 全网同名胖头鱼的鱼缸 ITPUByhw1809 除授权转载并标明出处外均为“非法”抄袭上周三9月2日晚上我参加了 PostgreSQL 30 周年的活动的一场线上直播。整场聊了不少东西但让我印象最深的是白鳝老师的一段话大意是AI时代DBA 不能再把那些特殊技能——故障处理、数据恢复、各种专项处理——当成自己的核心竞争力了。我在直播间里连连点头。因为这事儿我最近就撞过一次撞得还挺直接。大家讨论的原因其实是两条一是数据库基础架构本身在不断完善。以前要靠人肉手艺去兜底的场景现在高可用、容灾备份、自治调优、云上的托管能力直接在架构层就给你兜住了。二是AI 正通过智能体Agent的形式把这些原来需要经验判断的活变成可以标准化执行的活。这两条一旦同时成立那些我们当年引以为傲的绝活就会和重复的日常工作一样——不是不重要而是不再稀缺。一、那场面试两个小时全在问绝活我这几年只参加过一次技术面试整个下午两个小时下来对方问的全是这类特殊技能Oracle 数据库如何加快大事务回滚某个隐藏参数是什么意思、什么时候用各种相当刁钻的故障处理与数据恢复场景怎么破老实说其中一些问题我是能答的——毕竟 OCM 考过来的人手艺活不至于完全陌生。但我给出的答案明显不是对方想要的那种。关于大事务回滚我的回答是在我管理的数据库里因为监控告警做得比较到位大事务基本没有机会长起来退一万步真出现了那也是安排在非工作时间通过应急手段去处理——而不是像您说的那样去调整隐藏参数来加速回滚。关于隐藏参数我的态度更直接能说上几个的含义但隐藏参数是厂商留给自己的后门是救急用的。把它当成常规手段等于把一套生产系统的稳定性押在一个没有官方承诺、没有回归验证、换个版本可能就变的行为上。这不太像解决问题更像是给下一次故障埋伏笔。关于那些刁钻的故障处理与数据恢复我的答案只有两句完整可用的高可用架构加上经得起验证的容灾备份。面试官想要的是一个手艺精湛的救火队员我回答的是一个尽量让火烧不起来的人甚至是想用手艺精湛来打压一下我的预防能力。那场面试的结果不用多说。但事后我一直在想一个问题——绝活的价值建立在系统一定会出事这个前提上。而 DBA 这个职业真正的进步方向恰恰是让这些事越来越少发生以及发生了也不致命。你花十年练成一身30 秒定位、3 分钟恢复的本事和花十年把系统建成根本不需要你 3 分钟恢复哪个更难哪个对业务更有价值我的答案一直是后者。这里插个不那么技术的比喻一个城市一年不出大火灾不是因为消防队手艺好而是因为防火规范、喷淋系统、消防通道这些东西做得到位。消防员的能力当然重要但你不会把我们队扑救功夫一流当作一个城市的安全卖点——那玩意儿最好一辈子用不上。二、只懂数据库的 DBA不是合格的 DBA直播里我也提了一句自己的观点这里再展开说一下我一直认为只懂数据库的 DBA不是一个合格的 DBA。数据库不出问题那是及格线不是功劳簿。你帮它擦干净了屁股业务方只会觉得本来就该这样——没人会因为今天数据库没坏给你发锦旗。真正能拉开差距的是你能不能让跑在数据库上的业务跑得更高效。再打个比方。写字楼的物业电梯不坏、空调不漏、供电不断——这些做到了租户觉得是应该的。但你要是能帮租户把货梯调度重做一遍让早高峰的排队时间从 20 分钟降到 5 分钟那才是会被记住、会被感谢、会在续约的时候被想起来的价值。前者叫保障后者叫增值。DBA 这个岗位的未来在后者。我把这两种视角的差异整理了一下你可以对照着看维度数据库视角及格线业务视角价值线稳定性不出故障RTO/RPO 达标故障期间业务可降级、可绕过性能慢 SQL 数量、平均响应时间关键链路端到端耗时、订单成功率容量空间使用率、增长趋势单位业务量的资源成本、冷热分层变更变更成功率、回滚预案业务需求的上线速度T1 还是 T0数据备份能恢复数据能被业务用起来时效、口径、可复用汇报这个月零故障结算批次从 45 分钟降到 12 分钟注意看最后一行的区别零故障是说给同行听的45 分钟降到 12 分钟是说给老板和业务方听的。两种语言两种身价。三、AI 到底该怎么用三层分工铺垫了这么多聊聊最实在的部分——AI 时代我们具体该怎么用 AI 提升效率。我把它分成三层从下往上AI 能替你干的越来越少而你的价值越来越大。第一层把常规重复工作交出去现在就能干这一层没什么好犹豫的包括日常巡检与健康检查报告基线比对和上周比、和上月比哪些指标漂了统计信息、索引碎片、空间增长的例行检查慢 SQL 的初筛与分类哪些是新增的、哪些突然变差了变更方案、应急预案的模板生成值班日报、周报、月度运行报告的初稿。这里要搞清楚 AI 的价值在哪——不是它比你更懂数据库而是它能把你本来就知道该怎么做但每次都懒得做、或者没时间做一遍的事稳定地、不打折地做一遍。我自己的体感是以前出一份像样的巡检报告要小半天现在是每天早上一份自动产出里面直接标好异常项、跟上个周期的基线对比、以及疑似原因。我只看标红的那几行。省下来的时间干什么往下看。第二层让 AI 完成巡检之外的简单处置要画边界再往上走一层就不只是看了而是动手kill 掉异常会话清理过期分区、回收碎片空间表空间/磁盘的自动扩容重建失效索引、重新收集统计信息在明确的切换策略下触发一次主备切换对某个异常账号或应用做限流。这些事的特点是判断逻辑清晰、动作可逆、影响面可控。交给 AI 去做效率提升是立竿见影的。但是——这里必须加三个前提缺一个都别上可观测。Agent 干了什么、什么时候干的、依据是什么指标、结果如何必须有完整记录。你连它背后读了什么、动了什么都不知道那就不是在用工具是在裸奔之前在一次交流里有人现场演示过 Agent 的可观测性监控——一条消息背后上百次工具调用看得人后脊发凉。权限最小化。AI 能动的库、能执行的操作清单、能影响的时间窗口都要先框死。灰度与回滚。任何自动化处置先在小范围跑通再放开。还有一条最关键AI 可以替你动手但替不了你担责。这话不是我拍脑袋说的。前阵子听杨向博聊过一个 PG 执行计划的例子——明明有索引优化器非走全表扫。他把执行计划和 PG 源码都喂给 AI连代价比较的入口函数都指给它了结果 AI 从头到尾胡说八道来回好几轮咬死自己的错误判断。最后是他自己手搓 GDB 打断点把真实数据跑出来怼到 AI 脸上AI 才认错。所以第二层的正确姿势是AI 执行你验证。判断权和责任还在人身上。第三层用你的经验驱动 AI 做更深入的业务优化重点这一层才是这篇文章真正想说的。以前 DBA 做优化三板斧加索引、改 SQL、调参数。现在呢AI 三分钟就能给你一份建议索引清单还附带理由。如果你现在的核心技能还只是加索引那这份工作真的没你什么事了。那多出来的价值在哪一句话AI 知道这条 SQL 慢但它不知道这条 SQL 是干嘛的。“这条 SQL 对应哪个业务流程、什么时候跑、谁触发、跑不完会怎样”——这些上下文不在数据库里也不在任何文档里它在你的脑子里。而这就是你指挥 AI 的资本。具体怎么展开我拆成四个方向① 从 SQL 到业务链路AI 建议给某个报表查询加联合索引。你一看这是月度对账任务每月 1 号凌晨跑一次全表扫 40 分钟。加索引写入负担全面上升收益只落在一个月执行一次的场景上典型的赔本买卖。真正合理的解法是预聚合 错峰 结果缓存甚至干脆把它从 OLTP 库挪走。这个判断 AI 给不了因为它根本不知道月度对账这件事的存在。② 从单库到数据布局访问热度、扫描量、增长曲线这些统计AI 拉一遍很快。它可以帮你找出那些大而不热的表——几 TB 的体积90% 的行半年没人碰。但把这些表怎么分层、历史数据按什么口径归档、归档后业务查询怎么兼容、要不要做冷热分离——这些决策涉及业务规则、合规要求、以及跟业务方吵架的能力全是人的活。③ 从资源到成本CPU 用了 60%“这种话老板听不懂也不关心。但每万笔订单消耗多少 CPU 小时、多少存储空间环比降了 18%”——这是能进经营会的语言。让 AI 帮你把技术指标翻译成成本指标是你跟决策层对话的门票。④ 从技术指标到业务指标缓存命中率 99.2%业务方没感觉。但结算批次从 45 分钟降到 12 分钟财务不用再等到半夜——这是能被记住的价值。我把这三个层次的优化理一下层次典型动作谁来主导AI 可替代度业务可感知度语法层加索引、改 SQL 写法、收集统计信息AI 为主高 ⭐⭐⭐⭐⭐低业务基本无感结构层分区、冷热分层、读写分离、数据布局调整人主导 AI 分析中 ⭐⭐⭐中成本、容量可量化业务层错峰、异步化、预计算、口径治理、链路重构人主导低 ⭐高业务直接可感知看明白了吗——越往上AI 越帮不上忙而你的价值越大。顺便说说经验这件事的新用法。以前经验 “遇到问题我知道怎么解”是一个解法库。现在经验 “我知道该让 AI 去查什么、我判断得出它说得对不对、我知道它的建议在我们这套系统里能不能落地”。经验从解法库变成了问题定义能力 结果校验能力。这两种用法的市场价差得很远。四、那 DBA 该攒点什么聊到最后落到实操上我觉得有四项能力值得现在就开始攒架构与兜底能力——让那些绝活根本没机会用上。这也是我当年面试时的答案现在看我依然觉得它是对的。业务语义翻译能力——能把业务语言翻译成数据语言再把数据结论翻译回业务语言。这是 AI 目前最难跨过去的一条沟。AI 编排与验证能力——会建 Agent、会管 Agent、能验证 Agent 的输出。顺带说一句这也是我在做的那摊事老规矩打个广告https://db4agent.cn核心就一句话让 Agent 变得可被管理——可观测、可调度、可运维。可观测与量化能力——没有数据你的价值就看不见价值看不见就等于没有价值。这条听着扎心但很实在。总结回到开头那场直播。白鳝老师说别再把特殊技能当核心竞争力我完全认同——但我想补半句那些技能不是不重要了而是它们应该退到兜底的位置上而不是站在招牌的位置上。一个 DBA 的招牌不该是我能把坏掉的数据库修好而应该是我管的系统很少需要修真需要修的时候业务几乎无感以及最重要的——跑在我这套数据库上的业务比跑在别人那儿更快、更省、更稳。AI 会替你干掉重复劳动也会替你干掉一大部分手艺活。但它替不掉的是你脑子里那些关于业务的知识以及你判断AI 说的这个到底靠不靠谱的能力。AI 负责把怎么做的成本降下来你负责决定做什么。而做什么的答案从来都不在数据库里在业务里。老规矩不知道写了些啥。