编辑手记：对于资深的老DBA们，他们在漫长的职业生涯中养成了很多稀奇古怪的守则，以在复杂多变的环境中“幸存”，这源于无数血泪的教训，我曾经在《数据安全警示录》一书收录了大量现实案例，现在整理分享给大家，共为警示。
在数据库日常管理过程中，有些威胁来自数据库外部，而有些威胁则来自数据库内部，对于数据库外部，破坏性的操作有rm，而在数据库内部，同样有破坏性操作，如Truncate。
生产与测试环境错误
开了两个PL/SQL DEVELOPE窗口，一个生产的，一个非生产的，同名用户，同表空间名，结果非生产的建用户脚本在生产中跑了一下，非生产是grant limit table space to XXX的，在生产中跑了以后，生产中的用户变成LIMIT了，结果程序出错，表空间不足。导致应用出错半个小时后才处理好。 这个太惨痛了，建议所有的使用多个环境的人，并且操作多个PL/SQL DEVELOPE的人尽量只开一个窗口操作，或者是操作生产的时候，用只读的查询用户。
生产与测试环境错误
自己电脑装了ORACLE数据库，平时操作都在自己创建的库上........经常删除用户，重新导最新的数据进去。 那天也是快下班了........急，直接删除用户，删除的时候还在想就算是正式库权限不够没关系，看也没看就敲回车了.......后来不说了，两个字，郁闷。
生产与测试环境错误
我有一次本来要删除测试库的，结果差点删除生产库的一个表的所有数据，还好强行ctrl_alt_delete，最后回滚了，哈哈，居然一条数据都没有删除。确实是快下班，比较累。以后不能在心急的时候维护数据库。
生产与测试环境错误
也是开了多个窗口，一个窗口建库，另一个窗口是生产的库。搞错了，在生产的服务器上直接shutdown了，立刻电话就上来了。好在没有造成太大影响，也是提心吊胆的。多窗口危险很大。
生产与测试环境错误
尤记得那年我还很冲动，测试环境中发现表空间不够了，就加了一个文件。一会有人打电话说生产库总报一个提示。 马上去看，发现我的数据文件竟然加在生产库上！而且路径类似windows的，非常奇怪，冷汗！靠，原来写错tns串了，见鬼的是测试环境和生产环境网络竟然是互通的！生产环境是RAC，裸设备，9i......后来只好把这个本地文件脱机，数据倒没有丢失，但总有个删不掉的脱机文件!后来找个理由升级成10g了，我心里的石头才算放下了。 从此以后我再也没有犯错。
误删除生产环境数据
有一次在測試庫drop掉一個表，drop完發現把生產庫中的表給DROP了，1000多万筆紀錄啊。當時產線就停了，最後一級生產事故。偶公開檢討。教訓：不能同時打開兩個以上的庫。
1.测试环境和生产环境应当处于不可互通的物理网络
互通就意味着同时可以访问，也就可能带来很多意想不到的安全风险，企业应当将测试环境和生产环境部署于不可互通，或者不可同时访问的网络环境中，避免因为错误连接而发生的数据库灾难。 分离部署一方面可以降低误操作的可能性，也可以屏蔽一些无关的访问可能，从而从网络链路上保证数据安全。
2.在执行任务之前确认连接访问的数据环境
通过查询数据库的视图(V$INSTANCE，V$DATABASE)就可以获得数据库的主机、实例名称等信息，在任何重要任务执行之前，都应当明确确认连接到的环境是正确的。 SQL>select instance_name，host_name from v$instance; 这应当成为DBA的习惯。
3.避免打开过多的窗口以致操作错误
在执行任务时，保持尽量少的打开窗口，我经常见到工程师桌面打开众多凌乱的窗口，混乱与错误同行，尤其是在通宵加班等环境下。 保持简介清晰的工作界面，是一个工程师应当具备的基本素质。
4.在执行重要任务时应保持良好的状态
良好的状态是高效率和高质量工作的保障，如果是夜间工作，应该保障充足的睡眠，以清醒的头脑面对重要的工作;并且一定要避免在疲劳状态下连续工作，疲劳作战是对自己和数据的不负责任。
5.避免匆忙之下进行重要的工作或决定
很多误操作都是因为急着下班，急着回家，临门一脚导致的失误，所以当我们去执行一项工作时，应当保持平和的心态，避免仓促紧急的决定。从来匆忙和仓促都不是一个正确的方法。
6.测试环境和产品环境密码设置不能相同
有些测试环境或者非产品环境是利用产品环境恢复得到的，DBA在建立了测试环境后，就没有修改数据库用户的登录密码;经常性的，DBA也习惯在所有环境中设置通用的密码;这些习惯为系统带来了很多风险和不确定性。 我们建议用户在不同环境中采用不同的密码设置，这是因为一方面产品环境和测试环境面对的访问用户不同，密码设置相同则意味着产品环境的安全性完全得不到保障;另一方面，DBA登录到不同的数据库需要使用不同的密码，这进一步减低了DBA在错误的环境下执行命令的可能性。
以上内容摘录自盖国强《OracleDBA手记4数据安全警示录》。
本文出自数据和云公众号，原文链接
