圖數(shù)據(jù)庫驅(qū)動的基礎(chǔ)設(shè)施運維代碼編程案例

本文系圖技術(shù)在大型、復(fù)雜基礎(chǔ)設(shè)施之中 SRE / DevOps 的實踐參考，并以 OpenStack 系統(tǒng)之上的圖數(shù)據(jù)庫增強的運維案例為例，揭示圖數(shù)據(jù)庫、圖算法在智能運維上的應(yīng)用。本文所有示例代碼開源。

最近，有些尚未使用過圖技術(shù)、DevOps / Infra 領(lǐng)域的工程師在 NebulaGraph 社區(qū)詢問是否有「圖技術(shù)在運維的應(yīng)用」相關(guān)案例參考。于是，我又可以“借題發(fā)揮”來實踐下如何利用圖的能力與優(yōu)勢去幫助運維工程師們基于復(fù)雜基礎(chǔ)設(shè)施上構(gòu)建輔助運維系統(tǒng)。如果你對本文有任何看法，歡迎評論區(qū)或者來論壇 https://discuss.nebula-graph.com.cn/ 交流，非常感謝。通常，我們說的復(fù)雜的基礎(chǔ)設(shè)施運維環(huán)境指的是資源（manifest）繁多且分布在不同層面的系統(tǒng)。為了讓實踐更加真實、貼近實際的運維情況，讓運維問題復(fù)雜又可控，這里我選擇了用一個基礎(chǔ)設(shè)施平臺：OpenStack。在 OpenStack 系統(tǒng)上，我分別利用 Push 和 Pull 兩種模式將資源在圖模型中對應(yīng)點、邊信息加載到 NebulaGraph 的 Graph ETL 管道的路徑中。在我們基于運維資源構(gòu)建的圖譜，會做如下用例圖探索：

告警、狀態(tài)的推理與傳導(dǎo)；

網(wǎng)絡(luò)直連與互聯(lián)關(guān)系；

鏡像、云盤、快照血緣管理；

高相關(guān)性虛機預(yù)警；

秘鑰泄漏的圖上風(fēng)控分析；

鏡像、云盤漏洞范圍分析；

宿主機逃離影響范圍分析；

脆弱依賴資源檢測；

實驗環(huán)境搭建

背景知識

OpenStack 是一個開源的云計算平臺，提供了類似于 AWS 的云服務(wù)。它提供了一組可插拔的模塊，包括了計算，存儲和網(wǎng)絡(luò)等功能，可以幫助用戶構(gòu)建和管理云環(huán)境。OpenStack 采用分布式架構(gòu)，支持多種操作系統(tǒng)和硬件平臺，可以在企業(yè)級和服務(wù)提供企業(yè)級環(huán)境中使用。

最初，OpenStack 是由 NASA 和 Rackspace Inc. 發(fā)起的 Nova（虛擬化計算項目）和 Swift（兼容 S3 的對象存儲）項目組成。隨著項目的發(fā)展，OpenStack 現(xiàn)在已經(jīng)有非常多不同的子項目：

本次實踐中涉及到 OpenStack 的主要項目有：

Nova 是 OpenStack 的計算服務(wù)，用于管理虛擬機；

Cinder 是 OpenStack 的塊存儲服務(wù)，用于管理云存儲；

Neutron 是 OpenStack 的網(wǎng)絡(luò)服務(wù)，用于管理云網(wǎng)絡(luò)；

Glance 是 OpenStack 的鏡像服務(wù)，用于管理云鏡像；

Horizon 是 OpenStack 的可視化控制臺服務(wù)。

除此之外，我還引入了 Vitrage 項目輔助我們收集部分資源數(shù)據(jù)：

Vitrage 是 OpenStack 的一個高級分析和可視化工具，用于分析和可視化 OpenStack 環(huán)境中的資源和事件。它可以匯集來自 OpenStack 各個服務(wù)的數(shù)據(jù)，并以可視化的方式呈現(xiàn)。Vitrage 能發(fā)現(xiàn)和診斷問題，提高 OpenStack 環(huán)境的可用性和可維護性。

得益于 OpenStack Decouple 的設(shè)計理念，Vitrage 可以很容易、無侵入式（只用修改要收集的服務(wù)的兩行配置）就可以在 OpenStack 的消息隊列中訂閱資源信息的 Push 消息。不過，介于 Vitrage 許久沒有大更新，且維護維艱，比如：在 zed 里 Vitrage Dashboard 作為 Horizon 插件已經(jīng)無法正常工作了。所以，本實踐只利用它的資源收集能力。

環(huán)境準備搭建

NebulaGraph 集群

快速試玩 NebulaGraph 的話，安裝有這么幾個選項：

30 天免費試用的阿里云上的 NebulaGraph 企業(yè)版，含有配套的可視化周邊工具。復(fù)制鏈接開啟試用： https://market.aliyun.com/isv-nebulagraph ?

有 Docker 環(huán)境，Nebula-Up 一鍵安裝： https://github.com/wey-gu/nebula-up ?

RPM、TAR 包、源碼編譯等安裝方式，可參考文檔： https://docs.nebula-graph.com.cn/ ?

OpenStack 集群

本文需要的 OpenStack 集群是一個多機的環(huán)境，因此我在 Linux Server 上用 Libvirt 和 Linux Bridge 搭建了多個虛擬機來模擬 OpenStack 的物理機。得益于 CPU 的嵌套虛擬化和 QEMU，我們完全可以在虛擬機搭建的實驗環(huán)境中模擬可正常工作的 OpenStack Nova instance 虛機。虛擬機搭建完成后，還需要模擬真實的多資源 Infra 環(huán)境。這邊略去具體的操作步驟，感興趣的小伙伴可以閱讀本文的參考文獻，當(dāng)中有詳細的實踐過程。完成 OpenStack 環(huán)境的搭建后，我們通過 Horizon Dashboard 查看集群和資源：虛擬機情況：

網(wǎng)盤情況，其中四個掛載在不同的虛擬機上

集群租戶的網(wǎng)絡(luò)拓撲：

通過 OpenStack Vitrage 的 API/CLI 可獲得部分主要資源的拓撲：

source?openrc?admin?admin
vitrage?topology?show?--all-tenants

? 這個結(jié)果是一個 JSON，數(shù)據(jù)已經(jīng)是邊（links）和點（nodes）的序列化圖結(jié)構(gòu)了。

{
??"directed":?true,
??"graph":?{},
??"links":?[
????{
??????"vitrage_is_deleted":?false,
??????"relationship_type":?"contains",
??????"source":?0,
??????"target":?11,
??????"key":?"contains"
????},
????{
??????"vitrage_is_deleted":?false,
??????"relationship_type":?"contains",
??????"source":?0,
??????"target":?13,
??????"key":?"contains"
????},
...
????{
??????"vitrage_is_deleted":?false,
??????"relationship_type":?"attached",
??????"source":?27,
??????"target":?28,
??????"key":?"attached"
????}
??],
??"multigraph":?true,
??"nodes":?[
????{
??????"id":?"node0",
??????"vitrage_type":?"nova.host",
??????"vitrage_category":?"RESOURCE",
??????"vitrage_is_deleted":?false,
??????"update_timestamp":?"2023-01-13T0848Z",
??????"vitrage_sample_timestamp":?"2023-01-13T0849Z",
??????"vitrage_is_placeholder":?false,
??????"vitrage_id":?"630b4c2c-5347-4073-91a3-255ec18dadfc",
??????"name":?"node0",
??????"vitrage_cached_id":?"d043d278a6a712909e30e50ca8ec2364",
??????"is_real_vitrage_id":?true,
??????"vitrage_aggregated_state":?"AVAILABLE",
??????"vitrage_operational_state":?"OK",
??????"vitrage_datasource_name":?"nova.host",
??????"state":?"available",
??????"graph_index":?0
????},
????{
??????"id":?"nova",
??????"vitrage_type":?"nova.zone",
??????"vitrage_category":?"RESOURCE",
??????"vitrage_is_deleted":?false,
??????"vitrage_sample_timestamp":?"2023-01-12T0348Z",
??????"vitrage_is_placeholder":?false,
??????"vitrage_id":?"a1e9c808-dac8-4b59-8f80-f21a90e9869d",
??????"vitrage_cached_id":?"125f1d8c4451a6385cc2cfa2b0ba45be",
??????"is_real_vitrage_id":?true,
??????"vitrage_aggregated_state":?"AVAILABLE",
??????"vitrage_operational_state":?"OK",
??????"state":?"available",
??????"update_timestamp":?"2023-01-12T0348Z",
??????"name":?"nova",
??????"vitrage_datasource_name":?"nova.zone",
??????"graph_index":?1
????},
...
??"raw":?true
}

圖譜建模

將資源映射成圖譜：

nova instance 是 Nova 服務(wù)中的虛擬機實例，每個 nova instance 都有自己的配置信息（如 CPU、內(nèi)存、磁盤等），有時候我們就叫它 server 或者 VM、虛機。

nova host 是 Nova 服務(wù)中的物理主機，是 nova instance 運行的物理環(huán)境。nova host 上面會運行 nova-compute 服務(wù)，這個服務(wù)負責(zé)管理和調(diào)度 nova instance。nova host 上面還可能運行其他服務(wù)，如網(wǎng)絡(luò)服務(wù)等。

nova keypair 是 Nova 服務(wù)中的密鑰對，用于訪問 nova instance。

cinder volume 是 Cinder 服務(wù)中的云存儲卷，可以 attach 到 nova instance 上做為硬盤。

cinder snapshot 是 Cinder 服務(wù)中的云存儲快照，可以在 cinder volume 上做快照。

glance image 是 Glance 服務(wù)中的鏡像，可以作為創(chuàng)建 nova instance 時候的啟動硬盤。

neutron network 是 Neutron 服務(wù)中的網(wǎng)絡(luò)，可以用于配置 nova instance 的網(wǎng)絡(luò)連接。

neutron port 是 Neutron 服務(wù)中的端口，用來連接 nova instance 和 neutron network 之間。在 nova instance 虛擬機上，如果不是 trunk port 的話，一個 port 常常對應(yīng)一個網(wǎng)卡。

它們之間的關(guān)系如下：

基礎(chǔ)設(shè)施圖 ETL

接下來我們解決從基礎(chǔ)設(shè)施中抽取資源元數(shù)據(jù)的問題：

push 模式

這里的 push 指的是以基礎(chǔ)設(shè)施為出發(fā)點，通過事件驅(qū)動主動地發(fā)出資源變動的信息。它的好處是實時掌握資源情況，壞處是過于依賴基礎(chǔ)設(shè)施，很多非常瘦的、軟件定義 / 可編程程度不高的組件、某些硬件設(shè)備是沒有 push 機制的。比如：有些年份的軟件系統(tǒng)不一定能存在 push 的接口，改造起來有侵入性。前面提及過，OpenStack 自身是存在 Push Hook 機制的，它的子項目 vitrage 就利用這個機制很優(yōu)雅地收集系統(tǒng)資源、告警等信息進入圖中，類似的機制在其他平臺中也是可以實現(xiàn)的。本實驗中我們就利用 vitrage 的機制去收集一部分圖譜中的資源信息，如下圖，可以看到 vitrage 會在 OpenStack message bus 中訂閱 nova / cinder / neutron 等服務(wù)中的資源時間，把事件傳入 Entity Queue，經(jīng)過處理，存儲到 Entity Graph 中。在此之上，我們可以通過 vitrage API 獲取圖譜的拓撲，來消費它。

注意：實際上 Vitrage 服務(wù)還提供了推理告警、推理狀態(tài)、定義決策事件的能力，這里我們并沒有采用，后邊我們在圖上做的一些事情甚至還和它的能力有一些重疊。

這里我只是用它來展示 push 模式的工作機制，如果沒有 Virtrage 這個項目存在，我們也可以比較容易通過 OpenStack 的 oslo.messaging 這個庫很容易寫出在 Message Bus（可能是 Kafka, RabbitMQ 等不同底層實現(xiàn)）上訂閱資源時間的應(yīng)用，然后把事件通過 Flink / Kafka / Pulsar 等方式接駁 NebulaGraph。因為 Vitrage 的存在，我就偷懶不用去實現(xiàn)這部分邏輯，只消寫一小部分代碼調(diào)用 Vitrage API 取這個數(shù)據(jù)就可以了，諷刺的是，從這個角度來看，這其實是一種 pull 的模式了，不用拘泥它本質(zhì)上算是哪一種方式，至少在資源發(fā)起測，我們把它當(dāng)做 push 模式的例子看待吧。這部分從 Vitrage 抓取的代碼我放在 https://github.com/wey-gu/openstack-graph/blob/main/utils/vitrage_to_graph.py 了，調(diào)用方式很簡單，在有 OpenStack 客戶端的環(huán)境中，執(zhí)行它就可以了，比如：

#?連到?node0?上
ssh?stack@node0_ip

#?進入?devstack?目錄
cd?devstack

#?下載?vitrage?中圖數(shù)據(jù)，解析為?NeublaGraph?DML/DQL?的工具
wget?https://raw.githubusercontent.com/wey-gu/openstack-graph/main/utils/vitrage_to_graph.py

#?執(zhí)行它
python3?vitrage_to_graph.py

? 執(zhí)行之后，會生成如下文件：

schema.ngql ? ? 圖數(shù)據(jù)的 Schema 定義

vertices/ ?點數(shù)據(jù)的文件夾

edges/ ?邊數(shù)據(jù)的文件夾

pull?模式

反過來，pull 模式是從資源外部定期或者事件驅(qū)動地拉取資源，存入圖譜的方式。剛好，本實驗中 Vitrage 抓取的資源是有限，部分額外的資源單獨寫了 Python 的代碼來主動全量抓取。pull 模式的好處是對資源方?jīng)]有任何侵入性，只需要調(diào)用它的接口獲取信息就可以，壞處則是有的系統(tǒng)不太容易獲得增量變化，可能只能全量去取。這部分我抓取的關(guān)系如下：

glance_used_by： image -[:used_by]-> instance (get from instance) ?

glance_created_from： image -[:created_from]-> volume (get from image) ?

nova_keypair_used_by： keypair -[:used_by]-> instance (get from instance) ?

cinder_snapshot_created_from： volume snapshot -[:created_from]-> volume (get from snapshot) ?

cinder_volume_created_from： volume -[:created_from]-> volume snapshot (get from volume) ?

cinder_volume_created_from： volume -[:created_from]-> image (get from volume) ?

代碼在 https://github.com/wey-gu/openstack-graph/blob/main/utils/pull_resources_to_graph.py。在真實場景下，我們可能會用 Apache Airflow、Dagster 甚至是 Cron Job 等方式定期執(zhí)行它。手動執(zhí)行的方式也很簡單：

#?連到?node0?上
ssh?stack@node0_ip

#?進入?devstack?目錄
cd?devstack

#?下載抓取?OpenStack?資源，生成?NeublaGraph?DML/DQL?的工具
wget?https://raw.githubusercontent.com/wey-gu/openstack-graph/main/utils/pull_resources_to_graph.py.py

#?執(zhí)行它
python3?pull_resources_to_graph.py

? 執(zhí)行之后，會生成點、邊的 nGQL 語句在兩個文件夾下：

vertices/ ?點數(shù)據(jù)的文件夾

edges/ ?邊數(shù)據(jù)的文件夾

加載數(shù)據(jù)到?NebulaGraph

加載數(shù)據(jù)到 NebulaGraph

我們只需要在 NebulaGraph Studio Console，Explorer Console 或者 NebulaGraph 命令行 Console 中執(zhí)行上邊生成的 .ngql 文件就好了：

#?DDL?from?vitrage
cat?schema.ngql

#?DDL?and?DML?for?both?push?and?pull?mode?data
cat?edges/*.ngql
cat?vertices/*.ngql

? 之后，在 NebulaGraph 中我們會有一個叫做 openstack 的圖空間，用這個查詢可以查到所有數(shù)據(jù)：

MATCH?(n)?WITH?n?LIMIT?1000
OPTIONAL?MATCH?p=(n)--()
RETURN?p,?n

? 在 NebulaGraph Explorer 中渲染，手動設(shè)置一下數(shù)據(jù)的圖標，就可以看到 OpenStack 集群里的所有租戶的資源圖了：

接下來，我們終于可以在圖上看看有意思的洞察了！

基于圖譜的基礎(chǔ)設(shè)施運維示例

作為非 SRE、DevOps 人員，我嘗試藉由自己在 OpenStack 和圖技術(shù)的理解模擬出以下實例，希望對你有所幫助。

告警、狀態(tài)的推理與傳導(dǎo)

受啟發(fā)于 Vitrage 項目，我們可以借助資源圖譜實時圖查詢、圖計算甚至圖可視化能力，在圖上推理、傳導(dǎo)信息，把重要的事件藉由圖上組織好的知識分發(fā)給需要收到通知的人、組織、系統(tǒng)。一個簡單的例子，我們在 nova host（虛擬機的宿主機、Hypervisor 機器，以下簡稱宿主機）中獲得了一個告警、事件的時候，可能是網(wǎng)卡失敗、物理硬盤預(yù)警、CPU 占用過高之類的告警。借助圖譜查詢獲得所有相關(guān)聯(lián)的虛機后，再把 WARN 級別的告警發(fā)出去或者設(shè)置它們?yōu)閬喗】?unhealthy 狀態(tài)。獲得通知的對象，往往是一些用戶系統(tǒng)，它們可以根據(jù)預(yù)先定義好的策略做些自動化運維，或者通知 Hook：

收到“宿主機 CPU 過高”的告警情況，根據(jù)用戶自己設(shè)定的不同策略把虛機遷移走，或者采用更高級、復(fù)雜的撤離方式，像是開始不接受新流量，創(chuàng)建新的替代 workload，再優(yōu)雅地關(guān)閉這個 workload；

“控制面網(wǎng)絡(luò)故障”告警情況，這時候往往無法成功進行主機的撤離、遷移，故可以考慮觸發(fā)備份主機、啟動新 workload、關(guān)機；

其他“亞健康狀態(tài)”，可以作為負載層面出問題的根因分析 RCA 依據(jù)。

這里給出一個在圖譜上進行告警、狀態(tài)傳遞的查詢例子。假設(shè) vid 為 node0?的宿主機出現(xiàn)了高 CPU 告警，下面這個查詢可以得到所有該宿主機上的虛機，獲得時間、告警通知列表：

MATCH?(vm:nova_instance)<-[:`contains`]-(host_CPU_high:nova_host)
????WHERE?id(host_CPU_high)?==?"node0"
RETURN?vm.nova_instance.name?AS?VM_to_raise_CPU_alarms

? 這條語句的查詢圖模式是從 host_CPU_high 這個 nova_host 向外經(jīng)由 contains 這個關(guān)系指向 vm 這個 nova_instance 的。

(vm:nova_instance)<-[:`contains`]-(host_CPU_high:nova_host)

? 它的結(jié)果是：

VM_to_raise_CPU_alarms
server-4
server-3
server-1
server-0

如果我們把查詢改動一下，選擇輸出全路徑，則可以看到這個信息傳遞的方向：

MATCH?p=(vm:nova_instance)<-[:`contains`]-(host_CPU_high:nova_host)
????WHERE?id(host_CPU_high)?==?"node0"
RETURN?p

? 我們在 Explorer 中渲染下，點擊 N 跳檢測：

這個例子比較簡單，甚至用不到圖能力。因為一跳查詢在表結(jié)構(gòu)中也能很輕松地用一、兩個 nova API call 搞定。實際上，圖上是可以做很多更 Graphy（具有圖屬性的）、復(fù)雜、獨特的工作的，我們慢慢來看：

網(wǎng)絡(luò)可達檢測

考慮下這樣的場景，在 OpenStack 中，不同的主機可以連接到相同的子網(wǎng) VPC，主機也可以連接到多個子網(wǎng)之中。這樣，主機之間的網(wǎng)絡(luò)連通性信息、與網(wǎng)絡(luò)聯(lián)通相關(guān)的推理、傳導(dǎo)都可以在圖上進行。在真實世界中，這里可能還要考慮 Security Group、Router、Switch 等因素。本示例中我們用到的 OpenStack 是比較簡化的 L2 only Setup。我們要獲得與虛機 server_a 同一 VPC 的所有其他虛機很容易表達：

MATCH?(server_a)--(neutron_network)--(`nova_instance`)
????WHERE?id(server_a)?==?"server-0"
RETURN?server_b.nova_instance.name?AS?L2_connected_server

? 結(jié)果如下：

L2_connected_server
server-1

看起來很初級，接下來我們再查詢與虛機 server_a 同一 VPC、有可能通過跨網(wǎng)絡(luò)虛機而互聯(lián)的主機的所有其他虛機。這時候，我們除了共享 neutron network(VPC) 的情況，還要查詢所有二層直連的虛機可能通過其他 VPC 連出去的的虛機。下面的例子，我們用到了 OPTIONAL MATCH 的表達，表示可能匹配到的模式：

MATCH?(server_a)--(neutron_network)--(`nova_instance`)
????WHERE?id(server_a)?==?"server-0"
OPTIONAL?MATCH?(server_b)--()--(other_netneutron_port)--(server_c:`nova_instance`)
????WITH?server_a,?server_b?AS?same_subnet_machines,?server_c?AS?routeable_machines?WHERE?routeable_machines?!=?server_a

RETURN?same_subnet_machines.nova_instance.name?AS?L2_connected_server,
???????routeable_machines.nova_instance.name?AS?cross_vpc_server

? 可以看到結(jié)果里，跨網(wǎng)絡(luò)潛在的相連主機還有 server-3：

L2_connected_server	cross_vpc_server
server-1	server-3

可視化下，同樣，我們修改輸出為路徑 p 和 p1。

MATCH?p=(server_a)--(neutron_network)--(`nova_instance`)
????WHERE?id(server_a)?==?"server-0"
OPTIONAL?MATCH?p1=(server_b)--()--(other_netneutron_port)--(server_c:`nova_instance`)
RETURN?p,?p1

? 它可能的連接路徑一目了然了：

有了獲得這些信息的能力，我們可以可編程地連接告警、狀態(tài)、安全風(fēng)控、網(wǎng)絡(luò)等方方面面系統(tǒng)。當(dāng)然這不是本文的重點，就不加以贅述了，你有相關(guān)的實踐想要分享的話，記得來 NebulaGraph 社區(qū)。下面，我們來看看存儲相關(guān)的例子。

鏡像、云盤、快照的血緣

在基礎(chǔ)設(shè)施中，云盤（iSCSI、Ceph、NFS）、鏡像、快照之間有多重復(fù)雜的關(guān)系，比如：

一個系統(tǒng)鏡像可能從某一個虛擬機掛載的云盤或者一個快照創(chuàng)建

一個云盤可能是從一個系統(tǒng)鏡像、一個快照或者另一個云盤創(chuàng)建

一個快照是從一個云盤創(chuàng)建的

這種血緣信息的識別和管理是很有必要的。下面的查詢可以獲得指定虛機 server-0?的所有存儲血緣：

MATCH?p=(server_a)-[:`attached`|created_from|used_by]-(step1)
????WHERE?id(server_a)?==?"server-0"
OPTIONAL?MATCH?p1=(step1)-[:created_from*1..5]-(step2)
????RETURN?p,?p1

? 我們可以看到結(jié)果中：

server-0 ?的啟動鏡像（這里它是從本地盤啟動的，沒有掛載云盤）是從 volume-1 創(chuàng)建的；

volume-1 是從 cirros-0.5.2-x86_64-disk 這個鏡像創(chuàng)建的；

此外，還有其他有分叉關(guān)系的存儲資源和它們也息息相關(guān)：

下面，我們不只考慮存儲資源，看下涉及云盤 cinder_volume 掛載 attached 這層關(guān)系下的血緣關(guān)系：

MATCH?p=(server_a)-[:`attached`|created_from|used_by]-(step1)
????WHERE?id(server_a)?==?"server-4"
OPTIONAL?MATCH?p1=(step1)-[:created_from|attached*1..5]-(step2)
????RETURN?p,?p1

我們可以從渲染圖中讀出這樣的洞察：

server-4 ?的啟動鏡像（這里它是從本地盤啟動的）是從? volume-1 ?創(chuàng)建的

而? volume-1 ?現(xiàn)在掛載在? server-6 ?上

volume-1 ?是從? cirros-0.5.2-x86_64-disk ?這個鏡像創(chuàng)建的

同樣? cirros-0.5.2-x86_64-disk ?鏡像被很多其他虛機在采用

server-4 ?同時掛載了數(shù)據(jù)盤? volume-2 ?

而? volume-2 ?是一個多掛載的盤，它同時掛載在? server-3 ?之上

server-3 ?的系統(tǒng)啟動盤是從快照? snapshot-202301111800-volume-1 ?克隆創(chuàng)建的

快照? snapshot-202301111800-volume-1 ?是曾經(jīng)從? volume-1 ?創(chuàng)建的

volume-1 現(xiàn)在掛載在 server-6 上，快照不一定是從 server-6 而來，因為鏡像可能被重新掛載過。而這些血緣信息可以被用在資源生命周期管理、根因分析、安全告警、狀態(tài)傳遞上，這里不加以贅述。

高相關(guān)性虛機預(yù)警

下面這個例子，會給出一個節(jié)點相似度的應(yīng)用。在全圖或者子圖上，利用圖算法找到與指定虛機圖拓撲結(jié)構(gòu)最相似的其他虛機，并在這種相關(guān)性基礎(chǔ)上增加新的關(guān)系，做風(fēng)險事件預(yù)警。本次實踐，我們會按照一個典型的從「快速子圖驗證」到「全圖生產(chǎn)應(yīng)用」的工作流。

子圖快速驗證：瀏覽器內(nèi)算法

從 server-0?的三度子圖上做算法的驗證：

GET?SUBGRAPH?3?STEPS?FROM?"server-0"
YIELD?VERTICES?AS?nodes,?EDGES?AS?relationships;

? 將結(jié)果渲染在畫布上，我們可以看到子圖中包含了其他幾個虛機：

我們利用 Explorer 中的瀏覽器內(nèi)圖算法，可以非常方便地驗證我們的想法。這里，我們使用 Jaccard Similarity 相似性算法，讓 server-0?與 server-1,server-3,server-4,server-6 迭代分別得到相似性：

可以看出，在 3 步子圖內(nèi)，和 server-0?最近接的虛機是 server-4。進一步，我們可以簡單在子圖上看看兩者之間的路徑作為相似性的解釋：

在這個可解釋結(jié)果中，我們知道 server-0?與 server-4 相似的原因可能是：

坐落在同一個宿主機：node-0

使用同一個鏡像：cirros_mod_from_volume-1

因此，我們最終落地的預(yù)警機制可能是，當(dāng) server-0?出現(xiàn)某一問題、告警時候，給相似的 server-4 也設(shè)定預(yù)警，預(yù)警理由就是它們在同樣主機、同樣鏡像。

全圖生產(chǎn)應(yīng)用

有了上面的快速實驗，借助 Workflow + NebulaGraph Analytics 把它落地為全圖上的算法，利用 Analytics 分布式能力去執(zhí)行。在生產(chǎn)上，我們利用 Workflow 的 DAG 編排能力，創(chuàng)建兩個前后相連的任務(wù)：

取臨近虛機

全圖算相似度

第一個任務(wù)如下，實時從指定虛機出發(fā)給出其他虛機 vid。這里查詢語句寫死了 server-0，但是在 Workflow 里可以參數(shù)化，并封裝任務(wù)為可被 API 觸發(fā)的異步服務(wù)：

MATCH?(n)-[*1..5]-(m:`nova_instance`)
????WHERE?id(n)?==?"server-0"?AND?n?!=?m
RETURN?distinct?id(m)

而在 Jaccard Similarity Job 中，我們選擇 ids1 為 server-0，ids2 從上游（上面的 Query Job）取，選擇在 OpenStack 全圖掃描所有邊類型。

保存、運行。結(jié)果如下，這次它運算了更多的目標虛機，并且迭代作用范圍是全圖而非一個子圖?？梢钥吹酵洗蔚慕Y(jié)果是一樣，因為子圖上關(guān)聯(lián)度大的點和相近的邊在 Jaccard 算法里起到了更主要的作用。

安全相關(guān)場景

基礎(chǔ)設(shè)施資源中的關(guān)聯(lián)關(guān)系和金融、內(nèi)容系統(tǒng)、電商領(lǐng)域的風(fēng)控場景有相似的地方，很多場景本質(zhì)上利用到了圖譜關(guān)系中的知識，在圖庫上實時獲取這些復(fù)雜但又天然可解釋的安全洞察。

秘鑰泄漏風(fēng)控分析

先看一個秘鑰泄漏的場景：假設(shè) key-0?被安全部門確定被泄漏了，我們可以在毫秒內(nèi)獲得如下查詢：

直接使用該密鑰的虛機

與使用該秘鑰的虛機網(wǎng)絡(luò)直連的機器

與使用該秘鑰的虛機跨網(wǎng)絡(luò)相連的機器

MATCH?(key_leaked)-[:`used_by`]->(involved_serverneutron_port)--(netneutron_port)--(server_b:nova_instance)
???????WHERE?id(key_leaked)?==?"key-0"
OPTIONAL?MATCH?(server_b)--()--(other_netneutron_port)--(server_c:nova_instance)
????WITH?involved_server,?server_b?AS?same_subnet_machines,?server_c?AS?cross_net_machines
????????WHERE?cross_net_machines?!=?involved_server
RETURN?involved_server.nova_instance.name?AS?with_key,
????????same_subnet_machines.nova_instance.name?AS?l2_vms,
????????cross_net_machines.nova_instance.name?AS?cross_vpc_vms

貼一下部分結(jié)果，我們知道 server-4 采用了這個 keypair，并且 server-6 和它在同一個網(wǎng)絡(luò)。同時，有一定幾率通過 server-6、server-1、server-2、server-0、server-5 也受到了影響。針對這種情況，相關(guān)的機器可以設(shè)置不同告警級別來降低安全事故的影響。

with_key	l2_vms	cross_vpc_vms
server-4	server-6	server-1
server-4	server-6	server-2
server-4	server-6	server-0
server-4	server-6	server-5

這個查詢改造為可視化結(jié)果：

MATCH?p=(key_leaked)-[:`used_by`]->(involved_serverneutron_port)--(netneutron_port)--(server_b:nova_instance)
????WHERE?id(key_leaked)?==?"key-0"
OPTIONAL?MATCH?p1=(server_b)--()--(other_netneutron_port)--(server_c:nova_instance)
RETURN?p,p1

? 在 Explorer 中應(yīng)用 Dagre-LR 的布局，相關(guān)的關(guān)聯(lián)關(guān)系可以很清晰地被展示出來。介于可視化展示的直觀性，我們可以考慮把這個圖放入安全報告，隨同其他安全信息一同分發(fā)給虛機租戶。

鏡像、云盤漏洞范圍分析

類似的，一個鏡像被掃出漏洞，我們可以瞬間查到波及的資源，并做出相應(yīng)應(yīng)對之策。鏡像文件有漏洞：

MATCH?p=(image_risky)-[:`created_from`]-(step1)
????WHERE?id(image_risky)?==?"cirros-0.5.2-x86_64-disk"
OPTIONAL?MATCH?p1=(step1)-[:created_from*1..5]-(step2)
RETURN?p,?p1

某個云盤有漏洞：

MATCH?p=(volume_risky)-[:`created_from`]-(step1)
????WHERE?id(volume_risky)?==?"volume-1"
OPTIONAL?MATCH?p1=(step1)-[:created_from*1..5]-(step2)
RETURN?p,?p1

潛在宿主機逃離影響范圍分析

最后，我們討論一個嚴重的安全問題：宿主機逃離。在極端的情況下，server-0?發(fā)生了有可能影響宿主機的安全事件，此時僅僅關(guān)閉這個宿主機是不夠的，因為受影響的范圍可能已經(jīng)擴大。但我們又不能因為這樣不知影響范圍多廣的安全事件來關(guān)閉整個機房。所以，利用圖譜輔助找出受影響范圍就非常有用了。下面的查詢模式是：

找出可能被影響的子網(wǎng)（VPC），標記最高級別風(fēng)險子網(wǎng)為后續(xù)定位做準備

找到可能被控制了的宿主機

從宿主機觸發(fā)，找出同主機的其他虛機

從其他虛機觸發(fā)，找到它們的子網(wǎng)（VPC）

從其他虛機觸發(fā)，找到可能已經(jīng)被影響的網(wǎng)盤。這是為了防止被掛載到其他機器，這會擴大影響。??

MATCH?(server_escaping_hypervisor)<-[:`contains`]-(hypervisor_compromised:nova_host)
????WHERE?id(server_escaping_hypervisor)?==?"server-0"
OPTIONAL?MATCH?(server_escaping_hypervisor)<-[:attached]-(:neutron_port)<-[:contains]-(impacted_subnet_high:neutron_network)
OPTIONAL?MATCH?(hypervisor_compromised)-[:`contains`]->(server_same_host:nova_instance)
OPTIONAL?MATCH?(server_same_host)<-[:attached]-(:neutron_port)<-[:contains]-(impacted_subnet:neutron_network)
OPTIONAL?MATCH?(server_same_host)<-[:attached]-(impacted_volume:cinder_volume)

RETURN?impacted_subnet_high.neutron_network.name?AS?impacted_subnet_high,
???????hypervisor_compromised.nova_host.name?AS?hypervisor_compromised,
???????impacted_subnet.neutron_network.name?AS?impacted_subnet,
???????[server_same_host.nova_instance.name,?server_same_host.nova_instance.instance_name]?AS?server_same_host,
???????impacted_volume.cinder_volume.name?AS?impacted_volume

下面的結(jié)果集中，列出了 server-0 被控制之后，考慮宿主機逃離的情況下可能受影響的擴散范圍。

impacted_subnet_high	hypervisor_compromised	impacted_subnet	server_same_host	impacted_volume
shared	node0	shared	["server-0", "instance-00000001"]	Empty
shared	node0	shared	["server-1", "instance-00000002"]	ffaeb199-47f4-4d95-89b2-97fba3c1bcfe
shared	node0	private	["server-1", "instance-00000002"]	ffaeb199-47f4-4d95-89b2-97fba3c1bcfe
shared	node0	private	["server-3", "instance-00000005"]	c9db7c2e-c712-49d6-8019-14b82de8542d
shared	node0	private	["server-3", "instance-00000005"]	volume-2
shared	node0	public	["server-4", "instance-00000006"]	volume-2

咱們再看看它的可視化結(jié)果。

MATCH?p=(server_escaping_hypervisor)<-[:`contains`]-(hypervisor_compromised:nova_host)
????WHERE?id(server_escaping_hypervisor)?==?"server-0"
OPTIONAL?MATCH?p0=(server_escaping_hypervisor)<-[:attached]-(:neutron_port)<-[:contains]-(impacted_subnet_high:neutron_network)
OPTIONAL?MATCH?p1=(hypervisor_compromised)-[:`contains`]->(server_same_host:nova_instance)
OPTIONAL?MATCH?p2=(server_same_host)<-[:attached]-(:neutron_port)<-[:contains]-(impacted_subnet:neutron_network)
OPTIONAL?MATCH?p3=(server_same_host)<-[:attached]-(impacted_volume:cinder_volume)
RETURN?p,p0,p1,p2,p3

? 還是和之前一樣，我們在可視化圖探索工具 Explorer 中選擇 Dagre 布局，它能比較清晰看出影響資源的范圍。從這些可能受影響的虛機、網(wǎng)絡(luò)、網(wǎng)盤出發(fā)，可以進一步采取需要的安全措施了。?

重點關(guān)注資源檢測

最后，利用 Betweenness Centrality 算法，我們可以獲得基礎(chǔ)設(shè)施中影響面大的那些”脆弱環(huán)節(jié)“。這些資源不一定真的處在危險的狀態(tài)，只是說，它們處在了比較重要的資源之間的交匯處，一旦它們出問題，出問題的代價可能會非常大。因此，識別關(guān)鍵資源后，我們可以考慮下面的安全機制：

有針對性采用更激進、昂貴的健康檢查策略；

設(shè)定更高的支持、關(guān)注級別；

主動遷移相關(guān)聯(lián)的資源，以降低”脆弱環(huán)節(jié)“對整體基礎(chǔ)設(shè)施可用性的影響范圍；

在這里，我們只在瀏覽器內(nèi)部的子圖上做算法流程驗證。機智的你，可以自己試著利用開源的?NebulaGraph Algorithm?或者付費的 NebulaGraph Workflow + Analytics 做全圖上的等價操作。首先，我們用之前的方式去掃描圖上 1,000 個點，并且從它們出發(fā)，跳一跳，獲得一個比較隨機的子圖。實際上，由于我們的數(shù)據(jù)集并不是很大，這個操作是撈取了全圖的數(shù)據(jù)：

OPTIONAL?MATCH?p=(n)--()
RETURN?p,?n

? 隨機子圖搞定之后，我們運行 Betweenness Centrality 算法，得到 node0?是分值最大的“脆弱一環(huán)”。的確，它是我們當(dāng)前實驗中負載最大的宿主機，可以想象它確實是故障之后全局影響最大的一個資源。

總結(jié)

在海量數(shù)據(jù)、企業(yè)云、混合云的復(fù)雜基礎(chǔ)設(shè)施運維場景下，利用圖數(shù)據(jù)庫圖算法的能力做高效的輔助運維工作是一個十分值得的嘗試與技術(shù)投資。 NebulaGraph 作為高性能、開源、分布式的新一代云原生圖數(shù)據(jù)庫，是一個很值得考慮的圖基礎(chǔ)設(shè)施選型目標。 ?

編輯：黃飛

閱讀全文

云計算(135401) 云計算(135401)
數(shù)據(jù)庫(63273) 數(shù)據(jù)庫(63273)
虛擬機(27295) 虛擬機(27295)
OpenStack(18842) OpenStack(18842)

圖模型和圖數(shù)據(jù)庫

在真實世界中，存在著許多十分相似的網(wǎng)絡(luò)結(jié)構(gòu)，可以使用極為簡單的圖來建立它們的模型。圖模型和圖數(shù)據(jù)庫得到廣泛的關(guān)注，并且在許多應(yīng)用領(lǐng)域獲得的應(yīng)用。圖模型的概念將和面向?qū)ο蟮母拍钜粯?，在?shù)字化建模中獲得

2021-09-02 07:18:12

數(shù)據(jù)庫應(yīng)用

獻給想用數(shù)據(jù)庫而不懂數(shù)據(jù)庫的工程師

2013-05-29 15:40:55

數(shù)據(jù)庫管理

如題：用labview操作access數(shù)據(jù)庫做公司測試流程管控。因測試數(shù)據(jù)量大，數(shù)據(jù)生成多，現(xiàn)在accdb文件已經(jīng)有50M了，現(xiàn)在發(fā)現(xiàn)數(shù)據(jù)庫在本地操作都很快，但是放在遠端服務(wù)器后操作就很慢了，遠端數(shù)據(jù)庫ping結(jié)果流暢。請問大家有沒有關(guān)于數(shù)據(jù)庫方面好的建議？謝謝。

2016-11-08 16:58:24

數(shù)據(jù)庫讀寫緩慢

用的labview DCT讀取訪問數(shù)據(jù)庫，現(xiàn)在的數(shù)據(jù)庫就40兆大小，寫入數(shù)據(jù)庫挺快的，讀取數(shù)據(jù)庫一次至少需要2秒的時間，請問怎么回事？

2017-11-04 08:02:55

數(shù)據(jù)庫連接

在利用 LabVIEW數(shù)據(jù)庫工具包操作數(shù)據(jù)庫之前，需要先連接數(shù)據(jù)庫，這就像操作文件之前，先要打開文件一樣。在這里我們利用UDL連接數(shù)據(jù)庫。Microsoft設(shè)計的ODBC標準只能訪問關(guān)系型數(shù)據(jù)庫

2014-06-29 21:29:39

數(shù)據(jù)庫連接問題

請問一下各位，我想用字符串連接數(shù)據(jù)庫，MySQL數(shù)據(jù)庫，這個里面的字符串是如何得來的？

2020-07-07 09:11:42

運維人員到底要不要學(xué)習(xí)開發(fā)

運維人員的困惑：做運維要掌握網(wǎng)絡(luò)，系統(tǒng)，服務(wù)，數(shù)據(jù)庫，現(xiàn)在還要精通各種開發(fā)語言，精力都耗盡了，還能學(xué)好嗎?以上5大點如果能精通一點就很牛叉了，那么，作為初中級運維人員，到底該如何選擇和舍棄呢?老男孩

2019-01-28 17:59:05

運維人員如何學(xué)習(xí)python編程？

運維人員如何學(xué)習(xí)python編程？從不會寫代碼，到自己獨立能寫代碼解決問題。這個問題很重要！盲目學(xué)習(xí)所謂的項目，最后還是不會自己寫代碼解決問題。首先解決了獨立能寫代碼解決問題，再通過項目來加強訓(xùn)練

2017-09-01 11:01:11

ASP.NET數(shù)據(jù)庫編程

ASP.NET數(shù)據(jù)庫編程ASP.NET中的ADO.NET和ASP中的ADO相對應(yīng)，它是ADO的改進版本。在ADO.NET中，通過Managed Provider所提供的應(yīng)用程序編程接口(API

2009-01-08 09:00:04

Delphi中數(shù)據(jù)庫引擎BDE介紹

（Middleware Layer）。在Delphi下開發(fā)的所有數(shù)據(jù)庫應(yīng)用程序，都是通過Delphi的數(shù)據(jù)庫引擎BDE來對數(shù)據(jù)進行操作的。BDE中包含了內(nèi)建的驅(qū)動程序來處理Paradox及dBase

2009-05-10 11:09:21

Dot.NET數(shù)據(jù)庫開發(fā)技術(shù).zip

存《Dot.NET數(shù)據(jù)庫開發(fā)技術(shù)》SQL Server XML的功能《Dot.NET數(shù)據(jù)庫開發(fā)技術(shù)》XML編程《Dot.NET數(shù)據(jù)庫開發(fā)技術(shù)》操作數(shù)據(jù)庫《Dot.NET數(shù)據(jù)庫開發(fā)技術(shù)》使用數(shù)據(jù)綁定和DataSet《Dot.NET數(shù)據(jù)庫開發(fā)技術(shù)》使用數(shù)據(jù)庫《Dot.NET數(shù)據(jù)庫開發(fā)技術(shù)》數(shù)據(jù)映射方案

2018-06-19 21:29:50

Hsqldb數(shù)據(jù)庫的相關(guān)資料分享

簡介Hsqldb是一個純java編寫的數(shù)據(jù)庫，具有標準的sql語法和java接口。體積小才563kb，僅僅一個hsqldb.jar就包括了數(shù)據(jù)庫引擎，數(shù)據(jù)庫驅(qū)動，還有其他用戶界面操作等內(nèi)容

2021-12-27 07:32:11

LABVIEW對數(shù)據(jù)庫的操作

關(guān)于數(shù)據(jù)庫，只要知道簡單的SQL語言，就可以輕松的進行操作。有些復(fù)雜的測試數(shù)據(jù)，非常適合用數(shù)據(jù)庫存儲。附件是我編寫的吉時利2400測***曲線的例子，標準件的波形圖保存在了數(shù)據(jù)庫中。通過此例程，可以掌握簡單的數(shù)據(jù)庫操作。

2018-12-10 21:23:10

LABVIEW連接數(shù)據(jù)庫如何處理并發(fā)競爭問題？

寫入數(shù)據(jù)(沒有人為打開數(shù)據(jù)庫)？請問該怎么解決呢？每臺電腦的數(shù)據(jù)庫代碼都是一樣的？數(shù)據(jù)庫不是自己會對并發(fā)問題進行處理嗎？

2016-12-20 14:21:21

LabSQL數(shù)據(jù)庫

LabSQL數(shù)據(jù)庫，數(shù)據(jù)庫開發(fā)與應(yīng)用工具。

2016-06-26 22:39:09

LabVIEW訪問SQLite數(shù)據(jù)庫接口研究

的限制。e.提供完整的API應(yīng)用。使用簡單。提供源代碼，可以根據(jù)需要重編譯應(yīng)用于其他平臺。2. 通過LabVIEW對SQLite數(shù)據(jù)庫訪問操作 SQLite數(shù)據(jù)庫提供了完成的API接口，我們這里通過

2016-02-04 13:38:15

Labview數(shù)據(jù)庫問題

想做一個數(shù)據(jù)庫，照著一個大佬做的，但是他教程上有的我這個沒有，我找了一個相近的，如圖1?，F(xiàn)在運行時出了問題，如圖2，報錯代碼。圖3是程序。希望大佬能告訴我怎么處理這個問題，非常感謝?。?/div>

2020-12-15 23:12:05

PCB SQL SERVER數(shù)據(jù)庫阻塞怎么消除

最近公司數(shù)據(jù)庫同步機制常發(fā)生阻塞,時不時的導(dǎo)致PCB工程系統(tǒng)卡死現(xiàn)象，只有找到阻塞源頭并處理掉，才以消除阻塞，但數(shù)據(jù)庫中查看會話阻塞是通過二維表方式展示的父子會話進程ID的，是很難清楚的展示各會話

2019-08-08 06:53:13

PHP+MySQL數(shù)據(jù)庫編程步驟是怎樣

PHP+MySQL數(shù)據(jù)庫編程的步驟

2020-06-15 15:51:34

SQL存儲過程在.NET數(shù)據(jù)庫中的應(yīng)用

]限于篇幅，各個參數(shù)的含義在此就不多作介紹了，有興趣的讀者可以參考有關(guān)SQL Server 2000數(shù)據(jù)庫管理系統(tǒng)的資料。下面我對該代碼模板中的各個語法成分略作介紹。CREATE

2008-12-31 16:54:53

Wince系統(tǒng)基于數(shù)據(jù)庫Sqlite的應(yīng)用

.cn，能在上面獲得源代碼和文檔。同時因為數(shù)據(jù)庫結(jié)構(gòu)簡單，系統(tǒng)源代碼也不是很多，也適合想研究數(shù)據(jù)庫系統(tǒng)開發(fā)的專業(yè)人士。wince系統(tǒng)是其中一個主流操作系統(tǒng)，應(yīng)用很廣，工業(yè)自動化，消費類電子，手持設(shè)備

2013-07-18 11:31:34

labvies訪問數(shù)據(jù)庫

，執(zhí)行各種查詢，對記錄進行各種操作。它的優(yōu)點是易于理解，操作簡單，不熟悉SQL 語言的用戶也可以很容易地使用。只需進行簡單地編程，就可在LabVIEW 中實現(xiàn)數(shù)據(jù)庫訪問。它還有一個最大的優(yōu)點是源代碼開放

2012-08-26 10:19:31

labview 數(shù)據(jù)庫操作問題

各位大俠，現(xiàn)在要用labview 連接數(shù)據(jù)庫，進行相關(guān)的數(shù)據(jù)庫操作，剛開始用 LABSQL但是用了幾天發(fā)現(xiàn)，使用網(wǎng)絡(luò)數(shù)據(jù)庫而且同時又幾臺客戶端同時使用時會偶爾報錯，看了相關(guān)的資料，好像LABSQL

2013-07-23 17:06:38

labview數(shù)據(jù)庫應(yīng)用——獻給想用而不會的

把那眾多的數(shù)據(jù)庫類型、復(fù)雜的關(guān)系模型、抽象的關(guān)系代數(shù)…都搞懂嗎？？？”實踐后的答案是，不需要，一點都不需要。深入淺出數(shù)據(jù)庫：[hide] [/hide]LabVIEW 中利用 LabSQL實現(xiàn)與數(shù)據(jù)庫之間的互訪：[hide][/hide]深入淺出數(shù)據(jù)庫應(yīng)用例子代碼：`

2011-11-17 10:47:42

labview數(shù)據(jù)庫精華資料合集

相關(guān)課程推薦：《8周LabVIEW視覺項目編程實戰(zhàn)特訓(xùn)營》在這邊匯總labview數(shù)據(jù)庫的資料，給大家提供一些幫助，可以參考別人的實例自己進行創(chuàng)作，祝君成功。labview數(shù)據(jù)庫工具

2012-08-24 17:44:13

labview使用DB Tool從數(shù)據(jù)庫讀取二維數(shù)據(jù)出現(xiàn)問題

用DB Tool將二維數(shù)組寫入數(shù)據(jù)庫沒有問題，但是讀取卻會報錯。

2011-11-15 17:36:30

labview操作數(shù)據(jù)庫范例

`代碼作者xyz1984labview2010版本范例代碼以ACCESS數(shù)據(jù)庫為樣例，可以實現(xiàn)數(shù)據(jù)庫的動態(tài)鏈接以及加密，數(shù)據(jù)插入，查詢，刪除，更新等操作。運行范例需要安裝LV數(shù)據(jù)庫工具包。謝謝！[hide] [/hide]`

2012-01-10 16:14:17

lanbview怎么與數(shù)據(jù)庫連接？

在ODBC中設(shè)置與遠程數(shù)據(jù)庫SQL Server連接步驟:①在操作系統(tǒng)中通過“控制面板”選擇“管理工具”中的“數(shù)據(jù)源(ODBC)”,“添加”創(chuàng)建新數(shù)據(jù)源。在“創(chuàng)建新數(shù)據(jù)源”對話框的驅(qū)動程序列表中選

2012-03-22 11:32:34

　詳細剖析華為云應(yīng)用立體運維解決方案

特點：　　01統(tǒng)一運維監(jiān)控管理：資源、應(yīng)用、業(yè)務(wù)一站式監(jiān)控與分析　　支持集群、虛機、網(wǎng)絡(luò)、磁盤、數(shù)據(jù)庫、應(yīng)用、容器及業(yè)務(wù)等上百種監(jiān)控指標與秒級監(jiān)控，通過集群與虛機、虛機與應(yīng)用、應(yīng)用與資源統(tǒng)一建模，對各種

2018-09-01 14:18:09

【NanoPi M2試用體驗】之基于QT圖形界面編程操作MySQL數(shù)據(jù)庫

介紹了需要的頭文件和C++代碼。通過簡單的一個小工程，即可實現(xiàn)對MySQL數(shù)據(jù)庫可編程化操作，為后續(xù)的項目中的數(shù)據(jù)管理做了最基礎(chǔ)工作，希望能夠給大家?guī)硇⌒〉膸椭?，起到拋磚引玉的效果。

2016-05-19 21:04:35

【上海】誠聘DBA工程師

和疑難問題；3.負責(zé)系統(tǒng)數(shù)據(jù)庫(MySQL為主)的運行維護及管理等工作；4.配合開發(fā)提供數(shù)據(jù)庫支持，負責(zé)SQL代碼的上線審核，保證生產(chǎn)環(huán)境SQL的高效穩(wěn)定運行；5.不斷探索與改進運維自動化及各類創(chuàng)新

2017-07-17 14:13:46

【深圳】誠聘運維開發(fā)工程師

（Django/Laravel等），并至少具有3年以上實際運維開發(fā)工作經(jīng)驗；3. 計算機及相關(guān)專業(yè)，本科以上學(xué)歷，3年以上工作經(jīng)驗；4. 具有MySQL等數(shù)據(jù)庫使用經(jīng)驗者優(yōu)先；5. 具有CMDB、監(jiān)控系統(tǒng)

2017-07-04 14:34:19

一張圖學(xué)會數(shù)據(jù)庫遷云最佳路徑

運維，使用方可以更加專注于業(yè)務(wù)上的研發(fā)。我們以基于Oracle數(shù)據(jù)庫的應(yīng)用系統(tǒng)上云為例，如何根據(jù)實際需求，及不同的應(yīng)用特征，去選擇合適的上云解決方案？看懂了以下這張圖，就能找到最適合你的應(yīng)用系統(tǒng)總體

2018-01-11 16:13:37

世界先進的用以量子力學(xué)研究的基礎(chǔ)設(shè)施

` 世界先進的用以量子力學(xué)研究的基礎(chǔ)設(shè)施量子力學(xué)開創(chuàng)了量子計算和通訊使人們的日常生活得以改善，發(fā)生了翻天地覆的變化，蒸蒸日上！示意了用于量子力學(xué)科學(xué)探索和研究的設(shè)想的基礎(chǔ)設(shè)施。一. 愛因斯坦的過渡

2020-07-16 08:56:40

為何運維人員要學(xué)Python？

，當(dāng)你做出一套運維自動化系統(tǒng)的時候，你的價值將得到顯現(xiàn)，那么運維人員如何學(xué)好Python呢?今天只談學(xué)習(xí)方法，不談知識。1、學(xué)習(xí)編程不止是學(xué)習(xí)語法，需要學(xué)習(xí)算法(計算思維、解決問題的方法、編程思路

2018-02-02 18:55:04

二維數(shù)組導(dǎo)入數(shù)據(jù)庫問題

二維數(shù)組導(dǎo)入數(shù)據(jù)庫，下面是我的程序，感覺效率不高，有沒有有其他方法，可以提高效率的？試過一次導(dǎo)入簇數(shù)組，不行，報錯，不知道是不是那里寫錯了最好可以上圖，還在學(xué)習(xí)中，很多不懂

2014-10-20 16:15:32

什么是數(shù)據(jù)庫

什么是數(shù)據(jù)庫？數(shù)據(jù)庫的主要特點有哪些？數(shù)據(jù)庫的基本結(jié)構(gòu)是由哪幾部分組成的？

2021-09-23 09:09:37

什么是時序數(shù)據(jù)庫？

本文根據(jù)演講視頻以及PPT整理而成。本文將主要圍繞以下四個方面進行分享：時序數(shù)據(jù)與時序數(shù)據(jù)庫時序數(shù)據(jù)庫的演變時序數(shù)據(jù)庫對比總結(jié)一、時序數(shù)據(jù)與時序數(shù)據(jù)庫什么是時序數(shù)據(jù)庫？按照維基百科解釋，時間序列

2021-07-12 08:35:01

使用虛擬儀器實現(xiàn)ACCESS數(shù)據(jù)庫的訪問

這些工具和向?qū)Р挥?b class="flag-6" style="color: red">編程即可構(gòu)造簡單實用的管理信息系統(tǒng)。作為一個強大的軟件設(shè)計工具，LabVIEW 擁有很多的專業(yè)設(shè)計功能（如：應(yīng)用程序生成器、數(shù)據(jù)庫連接工具、Microsoft Office報告生成

2019-04-11 09:40:01

光伏集控運維平臺

、規(guī)格型號、供應(yīng)商、設(shè)備的運行狀態(tài)等信息，可以與用戶的ERP系統(tǒng)連接。（19）組態(tài)工具用戶自己可通過組態(tài)工具自由設(shè)計數(shù)據(jù)庫、畫面、報表等內(nèi)容。包括地理圖、接線圖、曲線、棒圖、餅圖、表格、儀表和動畫等

2020-06-01 14:43:39

關(guān)于波形存儲至Access數(shù)據(jù)庫和從數(shù)據(jù)庫調(diào)用數(shù)據(jù)的幾個問題

VI"(圖2)將其轉(zhuǎn)換為2進制流后存入數(shù)據(jù)庫。但我在做從數(shù)據(jù)庫調(diào)用數(shù)據(jù)(圖3)時會比較慢，比如我存儲的數(shù)據(jù)總量為大概80萬條，那么我從數(shù)據(jù)庫調(diào)用這些數(shù)據(jù)的時候處理處理時間可能會達到20秒以上。2.我的問題是：在存取大量的數(shù)據(jù)時，應(yīng)該如何對數(shù)據(jù)處理后再存入數(shù)據(jù)庫，以便使數(shù)據(jù)存取用時盡量的快？

2021-09-22 17:21:53

固定基礎(chǔ)設(shè)施的多跳WMN網(wǎng)絡(luò)怎么構(gòu)建？

WMN網(wǎng)絡(luò)有哪幾種類型？固定基礎(chǔ)設(shè)施的多跳WMN網(wǎng)絡(luò)怎么構(gòu)建？

2021-05-19 06:25:32

在labview中，怎樣將數(shù)據(jù)庫中的數(shù)據(jù)用XY圖來顯示

在labview中使用LABSQL連接了數(shù)據(jù)庫，數(shù)據(jù)庫中存儲了一個信號的信息，也就是一個二維數(shù)組，請問要怎樣將這個信號在XY圖中顯示

2013-01-27 22:35:05

基于labview的數(shù)據(jù)庫及數(shù)組問題

大家好，請大家?guī)蛡€忙，我的問題是：就是說對于數(shù)據(jù)庫中的一個字段有相同的記錄，我怎么能使用labview里的控件將數(shù)據(jù)庫里面相同的歸為一個記錄，不同的不變，然后以數(shù)組輸出（該數(shù)組是該字段中所有不同記錄組成的一維數(shù)組）？急用，請各位大神幫忙解決。謝謝

2013-01-19 02:44:47

如何將數(shù)據(jù)庫的查詢數(shù)據(jù)顯示在多列列表框

本帖最后由 zhangleimessage 于 2015-3-29 02:21 編輯新人剛?cè)腴T，我做了一個數(shù)據(jù)庫查詢，想要把查詢到的數(shù)據(jù)顯示在多列列表框，數(shù)據(jù)庫查詢數(shù)據(jù)為一維簇數(shù)組，包括時間，字符串和數(shù)值三種數(shù)據(jù)類型，而多列列表框為二維數(shù)組，應(yīng)該怎么做？請大神幫忙！

2015-03-29 02:21:10

如何查看Soc基礎(chǔ)設(shè)施？

2022-03-07 06:08:57

如何用labview讀取DB數(shù)據(jù)庫。

我試過，用了labsql讀取mdb數(shù)據(jù)庫，但是按照同樣的方法把讀取的驅(qū)動改了下去讀取DB數(shù)據(jù)庫，就無法讀取，不知何故。。。。。。

2012-07-13 01:06:23

如何通過PHP代碼將日期發(fā)布到數(shù)據(jù)庫？

為了 ISP 的安全，我無法直接連接到數(shù)據(jù)庫服務(wù)器，所以我需要通過 PHP 文件使用 API 發(fā)送數(shù)據(jù)，PHP 文件又將數(shù)據(jù)存儲到數(shù)據(jù)庫服務(wù)器中。PHP 文件通過 html 形式或通過 python

2023-02-23 06:37:40

學(xué)習(xí)Linux運維發(fā)展方向

發(fā)布等工作需求，如果公司較小的話，可能還會兼職一下網(wǎng)管、網(wǎng)絡(luò)工程師、數(shù)據(jù)庫管理員、安全工程師、技術(shù)支持等職務(wù)?！　∧敲矗婕暗降腖inux平臺上的運維工具有哪些呢？答曰：Linux系統(tǒng)，Linux

2018-07-25 17:15:17

容器開啟數(shù)據(jù)服務(wù)之旅系列（一）：Kubernetes如何解自建PostgreSQL運維之痛

摘要：通過阿里云Kubernetes容器服務(wù),開啟你的數(shù)據(jù)服務(wù)之旅（一）云上運維自建數(shù)據(jù)庫之痛，使用容器服務(wù)自動恢復(fù)數(shù)據(jù)庫postgresql實例概述本文為大家介紹一種容器化的數(shù)據(jù)

2018-04-17 13:31:57

對象和數(shù)據(jù)庫的天然阻抗

，還在同時使用與OO體系抵觸的圍繞關(guān)系數(shù)據(jù)庫的分析設(shè)計方法。　　為進一步說明OO和關(guān)系數(shù)據(jù)庫是屬于兩個不同世界觀，存在天然矛盾，就象有神論和無神論，就象水與火那樣屬于截然相反的兩種編程知識。正好最近

2019-05-30 06:56:22

嵌入式數(shù)據(jù)庫sqlite移植及使用的資料分享

，掌握 sqlite 數(shù)據(jù)庫軟件移植的步驟，掌握 sqlite 開發(fā)的兩種方式 — 命令模式和 C代碼開發(fā)模式的使用方法，并編程實現(xiàn)簡單通訊錄查詢實驗。二.實驗內(nèi)容實驗4.1 移植嵌入式數(shù)據(jù)庫 sqlite實驗4.2 簡單通訊錄查詢實例設(shè)計和測試三.預(yù)備知識Linux 使用、數(shù)據(jù)庫相關(guān)知識等

2021-10-28 09:48:19

建立與數(shù)據(jù)庫的連接

2014-07-01 21:24:04

無線基礎(chǔ)設(shè)施容量面臨的挑戰(zhàn)是什么？

無線基礎(chǔ)設(shè)施容量面臨的挑戰(zhàn)是什么？

2021-05-20 06:47:50

是什么特性讓MEMS傳感器適用于智能基礎(chǔ)設(shè)施？

是什么特性讓這些MEMS傳感器適用于智能基礎(chǔ)設(shè)施？

2021-02-25 06:05:22

智能基礎(chǔ)設(shè)施結(jié)構(gòu)是否健康什么是關(guān)鍵

數(shù)字化創(chuàng)建智能基礎(chǔ)設(shè)施可帶來諸多好處，其中包括更高的容量、效率和可靠性。智能基礎(chǔ)設(shè)施可為客戶和用戶提供更多且更有針對性的服務(wù)，而無需增加投資或資源。此外，互連基礎(chǔ)設(shè)施可以收集數(shù)據(jù)，以幫助更有

2018-10-30 15:00:04

淺析對象數(shù)據(jù)庫和NoSQL

（阻抗不匹配）”。于是嗎，關(guān)系型數(shù)據(jù)庫對于程序員的設(shè)計始終有相當(dāng)大的限制，有的人擅長從領(lǐng)域模型去設(shè)計程序，有的人喜好從數(shù)據(jù)存儲層面去設(shè)計代碼。在對象數(shù)據(jù)庫中，可以顯式避免了一些傳統(tǒng)關(guān)系數(shù)據(jù)庫的使用方式，比如連表查詢等，對于一些對象系統(tǒng)復(fù)雜，對象之間關(guān)系層次眾多的場合，對象數(shù)據(jù)庫有其獨到的優(yōu)勢。

2019-05-27 06:36:42

1975

已全部加載完成

搜索歷史

圖數(shù)據(jù)庫驅(qū)動的基礎(chǔ)設(shè)施運維代碼編程案例

評論