Was ist eine autonome Datenbank?
Autonomous Database definiert
Eine autonome Datenbank ist eine Cloud-Datenbank, die Machine Learning nutzt, um Datenbankoptimierung, Sicherheit, Backups, Updates und andere Routineverwaltungsaufgaben zu automatisieren, die üblicherweise von Datenbankadministratoren (DBAs) ausgeführt werden. Im Gegensatz zu einer herkömmlichen Datenbank führt eine autonome Datenbank alle diese Aufgaben und mehr ohne menschliches Eingreifen aus.
Warum eine Autonomous Database verwenden?
Datenbanken speichern wichtige Geschäftsinformationen und sind für den effizienten Betrieb moderner Unternehmen unerlässlich. Datenbankadministratoren sind häufig mit den zeitaufwändigen manuellen Aufgaben der Verwaltung und Pflege von Datenbanken überlastet. Die Anforderungen der aktuellen Workloads können zu DBA-Fehlern führen, die sich katastrophal auf die Verfügbarkeit, Performance und die Sicherheit auswirken können.
Wenn Sie beispielsweise keinen Patch oder kein Sicherheitsupdate anwenden, können Sicherheitslücken entstehen. Wenn der Patch nicht korrekt angewendet wird, kann dies den Sicherheitsschutz insgesamt schwächen oder aufheben. Wenn die Datenbank nicht sicher ist, besteht für das Unternehmen das Risiko von Datenverletzungen, die schwerwiegende finanzielle Auswirkungen haben und sich negativ auf den Ruf eines Unternehmens auswirken können.
Unternehmensanwendungen fügen bestehenden Datenbanken neue Datensätze hinzu oder verwenden Datenbankinformationen, um Berichte zu erstellen, Trends zu analysieren oder nach Anomalien zu suchen. Dies kann dazu führen, dass Datenbanken um viele Terabyte anwachsen und hochkomplex werden. Dadurch wird es für DBAs noch schwieriger, sie zu verwalten, zu sichern und für maximale Performance zu optimieren. Datenbanken, die langsam laufen oder aufgrund von Ausfallzeiten nicht verfügbar sind, können sich negativ auf die Mitarbeiterproduktivität auswirken und Kunden frustrieren.
Die Menge und Geschwindigkeit der Daten, die dem Unternehmen zur Verfügung stehen, nimmt zu. Dies erhöht die Notwendigkeit eines effizienten und sicheren Datenbankmanagements, das die Datensicherheit erhöht, Ausfallzeiten reduziert, Performance verbessert und nicht anfällig für menschliche Fehler ist. Eine autonome Datenbank kann diese Ziele erreichen.
In Datenbanken gespeicherte Datentypen
In einem Datenbankmanagementsystem gespeicherte Informationen können entweder sehr strukturiert (z. B. Buchhaltungsunterlagen oder Kundeninformationen) oder unstrukturiert (z. B. digitale Bilder oder Tabellenkalkulationen) sein. Die Daten sind direkt für Kunden und Mitarbeiter zugänglich, während Unternehmenssoftware, Websites oder mobile Apps indirekt darauf zugreifen. Darüber hinaus verwenden viele Softwaretypen, wie Business Intelligence-, Kundenbeziehungsmanagement- und Lieferkettenanwendungen, in Datenbanken gespeicherte Informationen.
Komponenten einer Autonomous Database
Eine Autonomous Database besteht aus zwei Schlüsselelementen, die an den Workload-Typen ausgerichtet sind.
- Ein Data Warehouse erfüllt zahlreiche Funktionen im Zusammenhang mit Business Intelligence-Aktivitäten und nutzt Daten, die im Voraus für die Analyse vorbereitet wurden. Die Data Warehouse-Umgebung verwaltet auch alle Datenbanklebenszyklusvorgänge, kann Abfrage-Scans für Millionen von Zeilen durchführen, ist auf Unternehmensanforderungen skalierbar und kann in Sekundenschnelle bereitgestellt werden.
- Die Transaktionsverarbeitung ermöglicht zeitbasierte Transaktionsprozesse wie Echtzeitanalysen, Personalisierung und Betrugserkennung. Die Transaktionsverarbeitung umfasst normalerweise eine sehr kleine Anzahl von Datensätzen, basiert auf vordefinierten Vorgängen und ermöglicht eine einfache Anwendungsentwicklung und -bereitstellung.
Funktionsweise einer Autonomous Database
Eine Autonomous Database nutzt KI und Machine Learning, um eine vollständige End-to-End-Automatisierung für Bereitstellung, Sicherheit, Updates, Verfügbarkeit, Performance, Änderungsmanagement und Fehlervermeidung bereitzustellen.
Insofern weist eine Autonomous Database spezifische Merkmale auf.
-
Sie ist selbstverwaltend
Das gesamte Datenbank- und Infrastrukturmanagement, Überwachung und Abstimmung sind automatisiert. Datenbankadministratoren können sich jetzt auf wichtigere Aufgaben konzentrieren wie etwa die Datenaggregation, -modellierung und -verarbeitung, Governance-Strategien oder die Unterstützung von Entwicklern bei der Verwendung datenbankinterner Features und Funktionen mit nur minimalen Änderungen bei ihrem Anwendungscode. -
Sie ist selbstsichernd
Integrierte Funktionen schützen vor externen Angriffen sowie vor böswilligen, internen Nutzern. Dies hilft, Bedenken hinsichtlich Cyberangriffen auf nicht gepatchte oder unverschlüsselte Datenbanken auszuräumen. -
Sie ist selbstreparierend
Dadurch können Ausfallzeiten, einschließlich ungeplanter Wartungsarbeiten, vermieden werden. Eine Autonomous Database kann weniger als 2,5 Minuten Ausfallzeit pro Monat erfordern, einschließlich Patches.
Vorteile einer Autonomous Database
Eine Autonomous Database bietet mehrere Vorteile.
- Maximale Datenbankverfügbarkeit, Performance und Sicherheit – einschließlich automatischer Patches und Fixes
- Eliminierung manueller, fehleranfälliger Verwaltungsaufgaben durch Automatisierung
- Reduzierte Kosten und verbesserte Produktivität durch Automatisierung von Routineaufgaben
Eine Autonomous Database ermöglicht es einem Unternehmen auch, die Mitarbeiter des Datenbankmanagements für qualifiziertere Arbeiten einzusetzen, die einen höheren geschäftlichen Nutzen schaffen, darunter Datenmodellierung, Unterstützung von Programmierern bei der Datenarchitektur und Planung zukünftiger Kapazitäten. In einigen Fällen kann eine Autonomous Database das Unternehmen dabei unterstützen, Geld zu sparen. Sie minimiert die Anzahl der für die Verwaltung seiner Datenbanken erforderlichen Datenbankadministratoren und ermöglicht es dem Unternehmen, sie für strategischere Aufgaben einzusetzen.
Intelligente Technologien unterstützen Autonomous Databases
Mehrere grundlegende intelligente Technologien unterstützen Autonomous Databases. Sie ermöglichen die Automatisierung alltäglicher, aber wichtiger Aufgaben wie Routinewartung, Skalierung, Sicherheit und Datenbankoptimierung. Beispielsweise umfassen maschinelles Lernen und künstliche Intelligenz der Autonomous Database eine Abfrageoptimierung sowie eine automatische Speicher- und Storageverwaltung, um eine vollständig selbstoptimierende Datenbank bereitzustellen.
Machine Learning-Algorithmen unterstützen Unternehmen dabei, ihre Datenbanksicherheit zu verbessern, indem sie riesige Mengen protokollierter Daten analysieren und Ausreißer und ungewöhnliche Muster kennzeichnen, bevor Eindringlinge Schaden anrichten können. Machine Learning kann das System automatisch und kontinuierlich ohne manuelle Eingriffe patchen, abstimmen, sichern und aktualisieren, ohne seinen Betrieb unterbrechen zu müssen. Diese Automatisierung minimiert das Risiko, dass entweder ein menschlicher Fehler oder ein schädliches Verhalten Datenbankabläufe oder die Sicherheit beeinträchtigt.
Darüber hinaus verfügen Autonomous Databases über einige spezifische Funktionen.
-
Einfach skalierbar
Ein cloudbasierter Datenbankserver kann seine Compute- und Speicherressourcen bei Bedarf sofort erweitern oder reduzieren. Ein Unternehmen könnte beispielsweise von acht Rechenkernen für Datenbanken auf 16 Kerne umsteigen, um die Verarbeitung am Quartalsende zu beschleunigen, und danach erneut auf die kostengünstigeren acht Kerne zurückgreifen. Es könnte sogar alle Rechenressourcen über das Wochenende herunterfahren, um Kosten zu senken, und diese dann am Montagmorgen erneut starten. -
Nahtloses Datenbank-Patching
Viele Datenschutzverletzungen werden durch Systemschwachstellen ermöglicht, für die bereits ein Sicherheits- bzw. Sicherheitslücken-Patch verfügbar ist, aber noch nicht installiert wurde. Eine Autonomous Database verhindert dieses Problem, indem Patches automatisch in einer bestimmten Reihenfolge gegen die Cloud-Server ausgeführt werden, um Ausfallzeiten zu vermeiden. -
Integrierte Intelligenz
Eine Autonomous Database integriert Überwachungs-, Verwaltungs- und Analysefunktionen, die Machine Learning-(ML-) und KI-Verfahrensweisen nutzen. Ziel ist es, die Datenbankoptimierung zu automatisieren, Anwendungsausfälle zu vermeiden und die Sicherheit der gesamten Datenbankanwendung zu verbessern.
Der Entwicklervorteil
Mit einer Autonomous Database können Entwickler schnell skalierbare und sichere Unternehmensanwendungen aus Daten erstellen und in einer vorkonfigurierten, vollständig verwalteten und sicheren Umgebung speichern.
Auswahl einer autonomen Datenbank
Autonomous Databases bieten viele Vorteile. Wenn Sie die für Ihr Unternehmen verfügbaren Angebote bewerten möchten, achten Sie auf die folgenden vier Hauptfunktionen.
-
Automatisches Provisioning
Stellt automatisch unternehmenskritische Datenbanken bereit, die fehlertolerant und hochverfügbar sind. Ermöglicht nahtloses Skalieren, bietet Schutz bei einem Serverausfall und ermöglicht die fortlaufende Ausführung von Updates, während Apps weiterhin ausgeführt werden. -
Automatische Konfiguration
Konfiguriert automatisch die Datenbank, sodass sie für bestimmte Workloads optimiert wird. Von der Speicherkonfiguration bis zu den Datenformaten und Zugriffsstrukturen ist alles optimiert, um die Performance zu verbessern. Kunden können problemlos Daten laden und beginnen. -
Automatische Indizierung
Überwacht automatisch den Workload und identifiziert fehlende Indizes, die Anwendungen beschleunigen könnten. Sie validiert jeden Index, um seinen Nutzen vor der Implementierung sicherzustellen, und verwendet Machine Learning, um aus den eigenen Fehlern zu lernen. -
Autoscaling
Skaliert automatisch die Compute-Ressourcen, wenn der Workload es erfordert. Die gesamte Skalierung erfolgt online, während die Anwendung weiterhin ausgeführt wird. Ermöglicht Bezahlen pro Benutzung. -
Automatischer Datenschutz
Schützt automatisch vertrauliche und regulierte Daten in der Datenbank – alles über eine einheitliche Verwaltungskonsole. Bewertet die Sicherheit Ihrer Konfiguration, Nutzer, vertraulichen Daten und ungewöhnlichen Datenbankaktivitäten. -
Automatisierte Sicherheit
Automatische Verschlüsselung für die gesamte Datenbank, die Sicherungen sowie alle Netzwerkverbindungen. Verhindert Zugriff auf das Betriebssystem oder die Administratorrechte, um Phishing-Angriffe zu verhindern. Schirmt das System sowohl vor Cloud-Vorgängen als auch vor böswilligen internen Nutzern ab. -
Automatische Sicherungen
Tägliche automatische Sicherung der Datenbank oder bei Bedarf. Stellt eine Datenbank zu einem beliebigen von Ihnen festgelegten Zeitpunkt innerhalb der letzten 60 Tage wieder her. -
Automatisches Patchen
Automatische Patches oder Upgrades ohne Ausfallzeiten. Anwendungen werden weiterhin ausgeführt, da das Patchen in einem Round-Robin-Verfahren über Clusterknoten oder Server hinweg erfolgt. -
Automatische Erkennung und Auflösung
Mithilfe der Mustererkennung werden Hardwarefehler automatisch ohne lange Zeitüberschreitungen prognostiziert. E/A-Vorgänge werden sofort von fehlerhaften Geräten umgeleitet, um Datenbankprobleme zu vermeiden. Die kontinuierliche Überwachung jeder Datenbank generiert automatisch Serviceanfragen für jegliche Art von Abweichungen. -
Automatisches Failover
Automatisches Failover ohne Datenverlust in den Standby-Modus. Es ist dabei für Endnutzeranwendungen vollständig transparent. Bietet 99,995 % SLA.
Die Zukunft autonomer Datenbanken
Um unternehmenskritische Informationen bereitzustellen, werden Daten heute mit einer deutlich höheren Geschwindigkeit generiert als mit der manuellen Verwaltung und Verarbeitung. Autonome Datenbanken bieten Unternehmen aufgrund ihrer intelligenten Automatisierungsfunktionen viele Vorteile gegenüber herkömmlichen Datenbanken. Es wird erwartet, dass Unternehmen zunehmend auf dieses Datenbankmodell migrieren, um von diesen Vorteilen zu profitieren, einen Wettbewerbsvorteil beizubehalten und die IT-Bemühungen eher auf Innovation als auf Datenbankverwaltung konzentrieren zu können.