MES 项目 Linux + OceanBase 运维标准（RFC 版）提炼版❤️

admin

数据库运维

2026-6-29

MES 系统数据库运维管理规范 v1.0

1. 范围与目的

1.1 适用范围

本规范适用于公司 MES 系统生产环境的服务器及 OceanBase 数据库运维管理。

操作系统：Rocky Linux 9.x
数据库：OceanBase 社区版 4.3.x LTS
部署架构：3 节点三副本集群

1.2 目的

保障数据库 7×24 小时稳定运行
规范运维操作，降低人为故障
统一运维标准，便于团队协作及外包交接
确保数据安全，满足生产追溯要求

1.3 关键术语

表格

术语	定义
OB	OceanBase 分布式数据库
OBD	OceanBase Deployer，官方部署工具
租户	OB 中的逻辑隔离单元，类似 MySQL 实例
SLA	服务等级协议

2. 系统部署标准

2.1 硬件配置标准

表格

配置项	最低要求	推荐配置
CPU	16 核	32 核
内存	64GB	128GB
系统盘	200GB SSD	500GB SSD
数据盘	1TB NVMe SSD	2TB NVMe SSD
网络	千兆	万兆

2.2 操作系统标准

plaintext

- 系统版本：Rocky Linux 9.x Minimal
- 内核版本：随系统默认LTS版本
- 字符集：en_US.UTF-8
- 时区：Asia/Shanghai
- SELinux：disabled
- Firewalld：disabled（内网环境）
- Swap：off

2.3 系统参数标准（强制）

文件：/etc/sysctl.conf

plaintext

vm.swappiness = 0
vm.max_map_count = 655350
fs.file-max = 655360
net.core.somaxconn = 65535
net.ipv4.tcp_syncookies = 1
net.ipv4.ip_local_port_range = 1024 65535

文件：/etc/security/limits.conf

plaintext

* soft nofile 655350
* hard nofile 655350
* soft nproc 655350
* hard nproc 655350

2.4 目录结构标准（强制）

plaintext

/home/obadmin/              # 业务用户主目录
├── oceanbase/              # OB安装目录
├── backup/                 # 本地备份临时目录
├── scripts/                # 运维脚本
│   ├── backup/             # 备份相关
│   ├── monitor/            # 监控巡检
│   └── maintain/           # 日常维护
└── logs/                   # 业务日志

/data/
├── oceanbase/              # OB数据目录
└── backup/                 # NFS备份挂载点

2.5 用户与权限标准

表格

用户	用途	权限
root	系统管理	仅本地登录使用
obadmin	OB 运行及运维	普通用户，sudo 权限（需密码）
mes_app	业务应用	仅业务库增删改查权限
mes_backup	备份专用	仅备份权限
mes_monitor	监控专用	只读权限

3. OceanBase 部署标准

3.1 集群架构标准

plaintext

- 节点数：3节点
- 副本数：3副本（Paxos强一致）
- Zone数：1 Zone（单机房）
- 部署方式：OBD一键部署
- OBProxy：3节点，负载均衡

3.2 端口标准（强制）

表格

端口	服务	说明
2881	OB SQL 端口	业务连接用
2882	OB RPC 端口	内部通信用
2883	OBProxy 端口	代理连接用
8080	OCP Express	监控管理台
22	SSH	远程管理

3.3 资源分配标准（以 128G 内存为例）

表格

资源	分配比例	大小
系统预留	~12.5%	16GB
OB 总内存	~87.5%	112GB
- MemStore	30%	~33GB
- Block Cache	50%	~56GB
- 其他	20%	~23GB

3.4 租户配置标准

plaintext

租户名：mes_tenant
模式：MySQL
字符集：utf8mb4
排序规则：utf8mb4_general_ci
连接数上限：2000

3.5 数据库对象标准

所有流水大表必须按月 RANGE 分区
单分区数据量控制在 50~100GB
主键使用 BIGINT 自增
索引不超过 5 个 / 表
禁止使用外键约束

4. 监控告警标准

4.1 监控体系

plaintext

一级监控：OCP Express（OceanBase自带）
二级监控：Prometheus + Grafana（后期扩展）
告警通道：企业微信机器人 + 邮件

4.2 核心监控指标与阈值（强制）

4.2.1 服务器指标

表格

指标	警告阈值	严重阈值	检测频率
CPU 使用率	>80% 持续 5min	>90% 持续 5min	1 分钟
内存使用率	>80%	>90%	1 分钟
磁盘使用率	>80%	>90%	5 分钟
磁盘 IO 使用率	>80% 持续 10min	>95% 持续 5min	1 分钟
网络流量	>80% 带宽	>90% 带宽	1 分钟

4.2.2 数据库指标

表格

指标	警告阈值	严重阈值	检测频率
集群节点状态	任意节点离线	—	1 分钟
副本状态	有副本异常	—	1 分钟
活跃连接数	>80% 上限	>90% 上限	1 分钟
慢 SQL 数量	>100 条 / 分钟	>500 条 / 分钟	5 分钟
事务失败率	>1%	>5%	5 分钟
合并状态	合并超时	—	10 分钟

4.2.3 备份指标

表格

指标	警告阈值	严重阈值	检测频率
备份任务状态	失败	—	每次备份后
备份存储空间	>80%	>90%	每天

4.3 告警分级与响应

表格

级别	定义	响应时间	通知方式
P0 严重	数据库宕机、产线停摆	15 分钟	电话 + 企业微信 + 邮件
P1 重要	性能严重下降、部分功能不可用	30 分钟	企业微信 + 邮件
P2 一般	慢 SQL、告警异常，不影响核心	2 小时	企业微信
P3 提示	通知类、优化建议	1 工作日	邮件

5. 备份恢复标准

5.1 备份策略（强制）

表格

备份类型	频率	执行时间	保留周期
物理全量备份	每周 1 次	周日 02:00	4 周
物理增量备份	每天 1 次	每日 02:00	2 周
日志归档	实时	每 2 分钟归档	2 周
系统盘备份	每月 1 次	大变更前	3 个月

5.2 备份存储标准

备份数据必须存储在独立 NFS 服务器或另一台独立机器
禁止与数据库同机同盘存储
备份目录权限：仅备份账号可读写
重要备份定期异地同步

5.3 备份验证标准

每月至少进行 1 次备份恢复演练
随机选取最近的全量 + 增量备份
恢复到测试环境，验证数据完整性
记录恢复时间、数据校验结果
形成《备份恢复验证报告》存档

5.4 恢复时间目标（RTO/RPO）

表格

故障场景	RTO 目标	RPO 目标
单节点故障	<5 分钟	0
单盘损坏	<30 分钟	0
误操作数据恢复	<2 小时	<5 分钟
机房级故障	<4 小时	<5 分钟

6. 日常运维规范

6.1 每日巡检（强制）

执行时间：每日上午 9:00 前

巡检内容：

服务器状态检查（CPU、内存、磁盘、网络）
OB 集群状态检查（节点、副本、合并）
数据库连接数、QPS、慢 SQL 统计
备份任务执行结果检查
告警信息检查及处理
磁盘空间检查

输出：每日巡检记录，存入运维系统

6.2 每周维护

执行时间：每周六凌晨低峰期

维护内容：

清理过期日志、临时文件
分析 Top10 慢 SQL，制定优化计划
检查备份完整性
预创建下个月分区（流水表）
收集统计信息

6.3 每月维护

执行时间：每月第一个周末

维护内容：

备份恢复演练
数据库性能趋势分析
容量评估与预测
安全补丁评估
月度运维报告输出

6.4 运维脚本标准

所有运维脚本统一存放于 /home/obadmin/scripts/
脚本必须有注释说明用途、参数、示例
脚本必须有日志输出，便于排查
危险操作（删数据、删表）必须有确认提示

7. 变更管理规范（强制）

7.1 变更分类

表格

类型	定义	审批要求
紧急变更	故障修复、安全漏洞	事后补审批
常规变更	配置调整、加字段、加索引	提前 1 天审批
重大变更	版本升级、扩容、架构调整	提前 3 天审批，双人操作

7.2 变更流程（强制）

plaintext

1. 提交变更申请
   - 变更内容、原因、时间
   - 变更步骤、回滚方案
   - 风险评估

2. 审批
   - 常规变更：运维负责人审批
   - 重大变更：技术负责人审批

3. 测试验证
   - 测试环境验证通过
   - 确认回滚方案可行

4. 执行
   - 低峰期执行（22:00~次日06:00）
   - 双人操作，一人操作一人复核
   - 变更前全量备份
   - 全程操作留痕

5. 验证
   - 变更后功能验证
   - 性能检查
   - 观察30分钟无异常

6. 关闭
   - 记录变更结果
   - 更新运维文档

7.3 变更红线（禁止）

禁止工作日白天执行生产变更
禁止无备份执行变更
禁止无回滚方案执行变更
禁止单人操作重大变更
禁止未经测试直接上生产

8. 故障处理规范

8.1 故障分级

表格

级别	定义	影响范围
P0 严重	数据库不可用、产线停报工	全产线
P1 重要	性能严重下降、部分功能不可用	部分产线
P2 一般	慢 SQL、小问题，不影响核心	个别功能
P3 轻微	咨询、优化建议	无影响

8.2 故障处理流程

plaintext

1. 故障发现与上报
   - 告警触发或用户反馈
   - 评估故障级别
   - 通知相关人员

2. 应急处理
   - 优先恢复业务，再排查根因
   - 有备用方案先切换
   - 保护现场（日志、状态）

3. 根因分析
   - 排查故障原因
   - 定位问题点

4. 修复与验证
   - 执行修复操作
   - 验证业务恢复正常
   - 持续观察30分钟

5. 故障复盘
   - 24小时内输出故障报告
   - 原因分析、处理过程
   - 改进措施、责任人
   - 避免再次发生

8.3 常见故障处理 SOP

8.3.1 单节点离线

现象： 集群显示某节点离线

处理步骤：

检查服务器是否宕机、网络是否通
检查 OB 进程是否存活
如进程挂了，尝试重启
如服务器硬件故障，执行故障机替换流程
观察副本自动恢复情况

8.3.2 磁盘空间不足

现象： 磁盘使用率 > 90% 告警

处理步骤：

检查是什么占用空间（数据 / 日志 / 备份）
清理过期日志、临时文件
如数据增长过快，评估扩容
检查分区策略，过期分区是否及时清理

8.3.3 慢 SQL 导致性能问题

现象： CPU 高、响应慢、慢 SQL 增多

处理步骤：

定位 Top 慢 SQL
检查执行计划，看是否走索引
紧急情况先 Kill 异常 SQL
优化 SQL 或加索引
验证优化效果

8.3.4 连接数满

现象： 连接数接近上限，新连接失败

处理步骤：

查看连接列表，定位是什么连接占满
Kill 空闲长连接
检查应用连接池配置
必要时临时调大连接数上限
根因分析，优化应用连接使用

9. 安全规范

9.1 账号安全

禁止共享账号，一人一号
密码复杂度：12 位以上，大小写 + 数字 + 特殊字符
密码每 90 天更换一次
离职人员账号 24 小时内删除
数据库账号最小权限原则

9.2 访问安全

SSH 禁用密码登录，使用密钥
数据库禁止公网访问，仅内网
运维操作必须通过堡垒机（有条件时）
所有操作留痕可审计

9.3 数据安全

禁止生产数据随意导出
测试数据必须脱敏
备份数据加密存储
禁止未经授权访问生产数据

10. 文档与交付标准

10.1 必须有的文档清单

表格

文档	更新频率	责任人
系统部署手册	大变更后	运维
数据库部署手册	大变更后	DBA
运维操作手册	每季度	DBA
故障处理手册	每次故障后更新	DBA
每日巡检记录	每日	运维
月度运维报告	每月	DBA
变更记录	每次变更	运维
故障报告	每次故障	DBA

10.2 文档存放

统一存放于公司文档服务器
按目录分类，命名规范
版本管理，变更留痕

11. 附录

附录 A：常用命令速查表

（略，实际使用时补充常用 OB 命令、Linux 命令）

附录 B：联系人清单

表格

角色	姓名	电话	企业微信
运维负责人
DBA
业务负责人
外包支持

附录 C：版本历史

表格

版本	日期	修改人	修改内容
v1.0	2026-06-29		初始版本

怎么用这套标准？

直接抄：把上面的内容复制到 Word / 飞书文档，就是你的运维规范
按需改：根据你实际的硬件、版本、团队情况调整数字
逐步完善：先有个框架，每次踩坑、每次变更都往里补
培训到位：团队、外包都要知道有这个规范，按规范执行

一句话总结

这就是大厂运维规范的 "精简落地版"，直接能用，不用再自己去提炼了。

阅读剩余

THE END

MES 项目 Linux + OceanBase 运维标准（RFC 版） 提炼版❤️

MES 系统数据库运维管理规范 v1.0

1. 范围与目的

1.1 适用范围

1.2 目的

1.3 关键术语

2. 系统部署标准

2.1 硬件配置标准

2.2 操作系统标准

2.3 系统参数标准（强制）

2.4 目录结构标准（强制）

2.5 用户与权限标准

3. OceanBase 部署标准

3.1 集群架构标准

3.2 端口标准（强制）

3.3 资源分配标准（以 128G 内存为例）

3.4 租户配置标准

3.5 数据库对象标准

4. 监控告警标准

4.1 监控体系

4.2 核心监控指标与阈值（强制）

4.2.1 服务器指标

4.2.2 数据库指标

4.2.3 备份指标

4.3 告警分级与响应

5. 备份恢复标准

5.1 备份策略（强制）

5.2 备份存储标准

5.3 备份验证标准

5.4 恢复时间目标（RTO/RPO）

6. 日常运维规范

6.1 每日巡检（强制）

6.2 每周维护

6.3 每月维护

6.4 运维脚本标准

7. 变更管理规范（强制）

7.1 变更分类

7.2 变更流程（强制）

7.3 变更红线（禁止）

8. 故障处理规范

8.1 故障分级

8.2 故障处理流程

8.3 常见故障处理 SOP

8.3.1 单节点离线

8.3.2 磁盘空间不足

8.3.3 慢 SQL 导致性能问题

8.3.4 连接数满

9. 安全规范

9.1 账号安全

9.2 访问安全

9.3 数据安全

10. 文档与交付标准

10.1 必须有的文档清单

10.2 文档存放

11. 附录

附录 A：常用命令速查表

附录 B：联系人清单

附录 C：版本历史

怎么用这套标准？

一句话总结

MES 项目 Linux + OceanBase 运维标准（RFC 版）提炼版❤️