Automatizando Informação Lifecycle Management

Antes do Oracle Database 12c, quando as organizações desejavam implementar uma estratégia de ILM, teriam que, normalmente aproveitar a compactação avançada e opções de particionamento de dados para criar uma solução manual de compressão de banco de dados e camadas de armazenamento.

Uma solução que exigi das organizações uma ideia bastante profunda sobre a  compreensão dos seus padrões de uso e de acesso a dados, muitas vezes em milhares de tabelas/partições.

O que se tornou muito claro a estas organizações após a implementação de uma solução manual de compressão de dados e armazenamento hierárquico, era que a solução ideal de ILM seria automatizada, contando não apenas com o conhecimento coletivo da organização. Especialmente porque alguns proprietários de vital conhecimento já há muito tempo mudaram de posições ou até mesmo deixaram a organização.

Mas, para automatizar a compactação do banco de dados e de armazenamento de forma hierarquizada, tem de saber quais são os níveis atuais de uso para as numerosas tabelas e partições sob sua gestão. Para ser eficaz, é fundamental que o banco de dados saiba onde cada tabela e/ou partição está em termos de utilização, se a tabela/partição ainda esta sendo ativamente modificada, ou tem arrefecido e é agora principalmente histórico de dados para arquivar?

A outra questão é, uma vez que os dados de rastreamento de uso foi automatizado, como ficará? O uso de rastreamento é apenas parte da resposta em termos de automatizar a compactação em camadas do banco de dados e camadas de armazenamento, a outra parte da resposta é a capacidade de tomar ações (e automatizar estas ações é a chave) no que diz respeito à compactação do banco de dados e/ou armazenamento de dados em camadas destas tabelas e partições.

As respostas para a automação ILM são esses recursos do Oracle Database:

Heat Map

O Heat Map rastreia automaticamente informações de uso de dados nos níveis de linhas e segmentos. O tempo de modificação dos dados são rastreados no nível de linha e agregados a nível de bloco e tempo. Tempos de varredura completa da tabela, e tempos de busca de índice são rastreadas no nível de segmento. O Heat Map permite uma visualização detalhada de como os dados são acessados e como os padrões de acesso estão mudando ao longo do tempo. 

Automatic Data Optimization 

ADO permite às organizações criar políticas para compressão de dados e movimentação de dados e implementar a classificação por níveis de compressão e armazenamento. O Oracle Database avalia periodicamente as políticas ADO, e usa as informações coletadas pelo Heat Map para determinar quais operações executar. Todas as operações ADO são executados automaticamente e em segundo plano, sem necessidade de intervenção do usuário.

Mas antes de mergulhar mais fundo nas melhores práticas sobre automatizar a classificação por níveis de compressão de banco de dados e camadas de armazenamento, primeiro precisamos entender o Heat Map em mais detalhes, e depois que iremos analisar bem as melhores práticas em torno ADO - Portanto, fique atento.

Mas, por agora a aventura de otimização de armazenamento de banco de dados continua no próximo blog, em que iremos discutir o papel vital que o recurso de Heat Map desempenha em termos de automação da gestão de informação Lifecycle, especificamente, compressão de dados e camadas de armazenamento com Oracle Database.

Fonte: oracle - blogs