背景
一般认为甲骨文在注册成功后，需要保活，也就是不被回收闲置计算实例规则噶掉。
保活主要有两种：
- 通过重装自定义系统（dd）绕开甲骨文在你机器上预装的监控服务。
- 保活脚本：如 NeverIdle 和 Oracle-server-keep-alive-script。
于是之前发起了一个投票甲骨文保活方法与封号的关联性来统计 dd、保活脚本以及不保活的情况下，甲骨文的封号情况。总共三个问题，如下：
(1/3) 佬友的甲骨文云账号被封过吗？
- 有
- 无
(2/3) 如果佬友被封过，你采取的保活措施是？
- dd 了系统
- 保活脚本
- 没保活，空载
- 没保活，负载高
(3/3) 如果佬友没被封过，你采取的保活措施是？
- dd 了系统
- 保活脚本
- 没保活，空载
- 没保活，负载高
本文根据投票结果进行了统计分析。
统计数据
根据问卷所提供的两个条件分布，可以形成一个交叉表（由于有人未按标准作答或样本群体不同；下文会给出加权敏感性分析）。
- 被封过（来自 Q2，共 55）
- dd 了系统：20
- 没保活，空载：17
- 保活脚本：13
- 没保活，负载高：5
- 没被封过（来自 Q3，共 91）
- 没保活，空载：32
- dd 了系统：29
- 保活脚本：20
- 没保活，负载高：10
合并成列联表（行=封号状态；列=保活方式）：
| 保活方式 | 被封 | 未封 | 总数 | 被封率 | 95%CI |
|---|---|---|---|---|---|
| dd了系统 | 20 | 29 | 49 | 40.8% | [28.2%, 54.8%] |
| 不保活-空载 | 17 | 32 | 49 | 34.7% | [23.9%, 48.7%] |
| 使用保活脚本 | 13 | 20 | 33 | 39.4% | [24.7%, 56.3%] |
| 不保活-负载高 | 5 | 10 | 15 | 33.3% | [15.2%, 58.3%] |
置信区间为 Wilson 95% 区间。可以看到区间很宽，彼此大量重叠。
结果分析
- 2×4 卡方独立性检验：χ²=0.55，自由度=3，p=0.907。
- Cramér’s V=0.062（效应量极弱）。
- 把方法合并成
保活（dd 或脚本）vs不保活（空载或高载）：- 保活：33/82=40.2%（95%CI: 30.3–51.1%）
- 不保活：22/64=34.4%（95%CI: 23.9–46.6%）
- 相对风险 RR=1.17（95%CI: 0.76–1.80）；
Fisher 精确检验 p=0.496；比值比 OR=1.29（95%CI: 0.65–2.54）。
- 逐一与
没保活-空载对比：
与不保活-空载比较 |
RR | 95%CI |
|---|---|---|
| dd了系统 | 1.18 | [0.71, 1.96] |
| 使用保活脚本 | 1.14 | [0.64, 2.01] |
| 不保活-负载高 | 0.96 | [0.43, 2.16] |
置信区间都跨 1，说明差异不显著。贝叶斯视角（Beta(1,1) 先验），“dd 的封号率大于基线”的后验概率约 0.73；“脚本大于基线”约 0.67；都远达不到可信证据的常用门槛（≥0.95）。
结论
基于问卷数据，保活方式与是否被封号之间不存在统计学显著关联。不论是 dd 系统、保活脚本，还是没保活（空载/高载），各组被封比例差异都落在抽样误差范围内。整体卡方检验 p=0.91；把保活与没保活二分类后做 Fisher 精确检验 p=0.50。样本量远不足以检出目前观察到的 5–7% 的差异。
人话：是否保活和龟壳是否封你号大概率无关，但要实锤还需要更多样本数据。
）
