数据库可观察性与传统监控的真正区别在于开放了DBA实时了解系统内部情况的能力，或者你可以让AIOPS工具为你做这件事。 我们认为仪表化的展现数据库的可观测性并不是我们追逐数据库可观测性能力的最终目标，而仅仅是一个方法，而且在信息系统规模日益庞大的今天，这不是一个很好的方法。比较理想的方法是，系统能够自动处理这些数据，并且通过数据库提供的可观测性数据，自动发现数据库可能存在的风险。

前段时间研究了下基于Prometheus构建监控系统相关的概念，并以此为基准设计了一个企业级通用的监控告警平台的方案。这里分享一下架构的分析过程以及上述问题的解决思路。

本文我们介绍了 MyBatis 批量插入的 3 种方法，其中循环单次插入的性能最低，也是最不可取的；使用 MyBatis 拼接原生 SQL 一次性插入的方法性能最高，但此方法可能会导致程序执行报错（触发了数据库最大执行 SQL 大小的限制），所以综合以上情况，可以考虑使用 MP 的批量插入功能。

Redis的过期策略采用惰性删除和定期删除两种组合方式，其中惰性删除保证过期键一点过不会被使用，定期删除可以保证过期数据得到释放，优化资源占用率。

传统的事务处理数据库环境和数据仓库环境的另一个重要的区别在于，数据仓库环境中有很多的数据，比一般的操作型环境中要多得多，以万亿或千万亿计，而一个通用的DBMS通常管理下的传统事务处理数据库中的数据要少得多。

本文将介绍阿里巴巴数据平台的发展历程以及阿里云全链路数据治理实践。

专家分析故障的时候，是根据经验与掌握的知识去做问题发现的，发现的依据是系统运行状态，指标，日志等数据。

为了应对流量并发瓶颈，以及方便数据迁移与扩容，数据分片方式是常用的解决方式。Kafka的分区（partition）、RocketMQ的队列（Queue）、Elasticsearch的主分片/副本（shard）、数据库的分库分表等，均采用数据分片思想应对高并发流量。