我用 AI 工具干了一个月 DBA 的活,说说真实体验

标题党？不完全是。

过去一个月，我刻意在日常工作中尽可能多地使用 AI 工具，想看看它们到底能覆盖多少 DBA 的工作。以下是真实记录。

实验对象

我日常管理 50 套 Oracle 数据库（19c 为主，少量 11gR2），包含 15 套 RAC 和 20 套 DataGuard。

使用的 AI 工具包括：

• 大语言模型（用于 SQL 编写、文档查询、问题诊断）
• AI 驱动的数据库监控平台
• 自然语言查询工具（Text-to-SQL 类）

第一周：感觉良好

SQL 编写和优化建议

让 AI 帮忙写一些查询：统计各表空间使用率的 SQL、查最近 7 天 RMAN 备份状态的 SQL、找出无效对象的 SQL。

效果不错。生成速度快，语法基本正确，省了查文档的时间。

让它看一条慢 SQL 的执行计划，给优化建议。它说：”建议在 ORDER_DATE 列上创建索引。”

嗯……这个建议不能说错，但太泛了。我这张表有 2 亿行数据，按月分区的，问题出在分区裁剪没生效。加索引不但解决不了问题，还浪费存储空间。

文档查询

问 AI：”Oracle 19c 的 RMAN 增量备份 Level 0 和 Level 1 有什么区别？”

回答得很好，比翻官方文档快。对于基础概念类的问题，AI 确实是合格的助手。

结论：AI 在标准化、知识检索类工作上表现不错。

第二周：遇到了边界

故障诊断

周二下午，一套生产库的应用端反馈查询变慢。

我让 AI 分析 AWR 报告，它指出了几个等待事件偏高。但当我追问”db file sequential read 等待时间从上周的 2ms 涨到 15ms，可能是什么原因”时，它给了一个标准答案：”可能是 IO 子系统性能下降、Buffer Cache 不足或索引碎片化导致。”

三个可能原因都对，但等于没说。

实际情况是：存储团队前一天做了一次 LUN 迁移，新的 LUN 所在的磁盘组性能不如原来的。这个信息 AI 不可能知道——它看不到存储层面的变更记录，也不知道我们公司的运维流程。

最终解决方案是协调存储团队把 LUN 迁回去。从发现问题到定位原因，花了 2 小时——全靠人工排查和跨部门沟通。

变更评估

开发提了一个需求，要在一张 5000 万行的表上删除两个字段。

AI 说：”ALTER TABLE … DROP COLUMN 可以完成。”

技术上没错。但它不知道的是：这张表上有物化视图依赖、有好几个存储过程引用了这两个字段、删列操作会锁表影响在线业务。正确做法是标记为 UNUSED 然后在维护窗口里处理，同时还得协调开发和测试确认依赖关系。

结论：AI 的”知道”是通用知识，不是对你环境的理解。两者差距巨大。

第三周：找到了平衡点

我开始调整策略，不再指望 AI 替代我的判断，而是把它当成一个高效助手：

用 AI 做的事：

• 快速生成常用 SQL 模板（巡检脚本、监控查询）
• 查 Oracle 语法和参数说明（比翻文档快 10 倍）
• 给初级同事解释基础概念（”帮我用通俗的语言解释 redo log 的工作原理”）
• 辅助写运维文档和操作手册的初稿

自己做的事：

• 所有涉及生产环境的变更决策
• 性能问题的根因分析（AI 给方向，但结论我来判断）
• 架构设计和容量规划
• 和其他团队的协调沟通
• 故障应急处理

结论：AI 是很好的加速器，但不是自动驾驶。

第四周：反思

一个月下来，我大概节省了 30% 的工作时间，主要省在文档查询、SQL 编写和巡检报告整理上。

但省下来的时间我并没有空着——而是有更多精力去做以前”想做但没时间做”的事：

• 优化了两套库的分区策略
• 完成了一个 DataGuard 切换演练
• 给团队做了一次 AWR 分析的内部培训

这让我意识到一件事：AI 时代 DBA 的价值不是”更便宜地做同样的事”，而是”在同样的时间里做更有价值的事”。

对同行的几点建议

1. 不要抗拒 AI，也不要神化 AI

它就是一个工具。锤子能帮你钉钉子，但不能帮你设计房子。

2. 基本功比以往任何时候都重要

AI 让信息获取变得容易了，但这也意味着”知道皮毛”不再有价值——每个人都能问 AI 得到皮毛级的答案。你的竞争力在于深度：能不能看懂 10046 trace、能不能分析 AWR 里的异常模式、能不能在 3 分钟内判断一个故障的根因。

3. 系统化学习，别只靠碎片信息

AI 回答问题很快，但它不会帮你建立知识体系。Oracle 的知识点之间是有关联的——理解了内存结构才能做好 SGA 调优，理解了 redo 机制才能做好备份恢复策略。

如果你觉得自己的知识体系有缺口，可以看看 ora100.com 的 100 天实战课程（https://ora100.com/articles），10 个专题、100 篇文章，系统化地覆盖 Oracle 运维的主要方向。不是替代 AI，而是让你在用 AI 时有足够的判断力来评估它给出的答案。

4. 把重复性工作自动化，释放你的时间

安装部署、日常巡检这些标准化工作，能自动化就自动化。ora100.com 也提供了一键安装脚本（https://ora100.com/shell-install）和巡检报告自动生成（https://ora100.com/oracheck-report），和 AI 的逻辑一样——让工具做工具擅长的事，你去做需要人脑的事。

最后说句大实话：每一次技术变革都有人喊”XX 要失业了”，但最终失业的从来不是整个职业，而是那些不愿意适应变化的个体。

10 年前 Oracle 推云数据库，有人喊”DBA 要失业了”。5 年前容器化盛行，又有人喊。现在轮到 AI 了。

DBA 还在，而且比以前更重要——因为数据比以前更重要。

100 天实战课程：https://ora100.com/articlesOracle 一键安装脚本：https://ora100.com/shell-installOracle 巡检报告生成：https://ora100.com/oracheck-report