共计 4679 个字符，预计需要花费 12 分钟才能阅读完成。
作者：51CTO 赵立京
数据库作为金融信息系统的外围基础设施，历经数十年倒退，为金融行业转型降级提供了无力的技术撑持。同时，以银行为代表的金融行业是数据库销售额占比最高的市场，也是对数据库技术依赖度最高、要求最严格的市场。
据统计，2021 中国数据库市场行业散布中，金融占 20.2%，政府占 18.4%，互联网 14.8%，运营商 8.9%。IDC 预测，2024 年寰球数仓的市场规模将达到 297 亿美元，2019-2024 年的年复合增长率将达到 12%，其中云上的数仓市场规模将达到 181 亿美元，2019-2024 年的 CAGR 将达到 25.3%。预计 2024 年，中国数仓市场的规模是 168.5 亿元，中国大数据平台软件市场规模总体为 352.9 亿元，中国剖析型数据库的整体市场将达到 521.4 亿元，复合增长率为 27.7%。
以往商业集中式数据库凭借较强的性能黏性、优良的零碎稳定性、良好的软硬适配能力，始终在金融行业占据较大份额。而互联网金融的异军突起，带来了高并发、海量数据、超高峰值等挑战。为应答这些理论场景，近年来各金融机构纷纷开展对于数据库的摸索，并联合金融交易场景一直新陈代谢，拉动数据库技术的迭代倒退。
传统 IT 零碎无奈满足金融交易要求
信通院在去年公布的《金融级分布式数据库白皮书》中指出，金融行业广泛对数据库的安全性、可靠性、稳定性有着全行业最为严苛的要求，因而，满足金融行业需要的金融级数据库产品简直成为所有行业中的标杆。报告认为，金融级分布式数据库是可能满足金融级要求的高可用、高性能、低成本、线性程度扩大、企业级平安、便捷性运维的分布式数据库。
在泛滥金融级分布式数据库中，依照数据处理形式，大抵能够分成两大类：联机事务处理 OLTP（On-line Transaction Processing）、联机剖析解决 OLAP（On-line Analytical Processing）。OLTP 是传统的关系型数据库的次要利用，次要是根本的、日常的事务处理，例如银行交易。OLAP 是数据仓库零碎的次要利用，反对简单的剖析操作，偏重决策反对，并且提供直观易懂的查问后果。可见，OLAP 数据库领有高性能、可扩大、高可用和高容错等个性，因而在金融行业的利用规模有了显著的晋升，并且正在从金融外围零碎向外围业务延长，无力撑持着金融行业的数字化转型。
在过来几年中，我国数据库市场“百花齐放”，包含传统数据库厂商，如达梦、人大金仓、神州通用；云厂商，如阿里云、腾讯云、华为云；新兴数据库厂商，如 StarRocks、PingCAP、星环科技、OceanBase；ICT 跨界厂商，如新华三、浪潮。这些厂商的数据库产品和计划，正在各大商业银行、金融机构及城商行的外围业务零碎中投入使用并稳固运行，满足了金融行业外围业务系统对数据库的要求。接下来咱们来看两个理论案例，心愿能为更多金融行业用户的转型带来借鉴和参考价值。
中原银行和众安保险迈入极速对立时代
中原银行是河南省惟一一家分支机构网点笼罩全省的省属法人银行，在全国城商行中的排名位列第 8 位，是河南首家资产超万亿的城商行。随着业务一直扩张、数据量的高速增长以及业务逻辑复杂程度的一直晋升，中原银行须要疾速响应客户需要，为其提供更加精准的服务，同时借助实时数据进行客户洞察，帮忙银行业务人员做出业务决策，进步管理水平。
为此，中原银行搭建了一站式商业智能 BI 平台，该平台分为客户行为剖析零碎知秋、一站式报表平台鲁班、一站式大屏平台鸿图和自助剖析平台云间四大利用零碎，总用户超过一万人。为反对 BI 平台的疾速高效工作，中原银行搭建了残缺的数据平台。其中，该平台的存储计算层分为数据湖、离线数仓与实时数仓三局部，由实时数仓对实时数据进行解决，辅助进行实时决策。随着用户的减少，基于原有的数据平台架构，仅能反对 T+1 小时级别的准实时报表，难以满足银行在客户剖析、风控治理等场景下的实时查问与剖析需要。此外，原有数据平台流批链路简单，运维老本高，且实时数据与离线数据的存储并不对立，存在冗余，造成存算资源的节约。
为了进步数据平台的查问效率，深刻开掘实时数据的价值，晋升实时响应能力，中原银行调研了市面上两款支流 OLAP 数据库产品，发现 ClickHouse 在单表查问和大宽表查问体现优良，查问提早也比拟低，然而 Join 性能较差，且不易保护；StarRocks 在固化查问和灵便剖析性能体现不错，多表查问性能也比拟优良，而且同时反对实时与离线导入剖析场景。与此同时，StarRocks 具备流批一体、向量化执行、运维简略、查问效率高、兼容性好且可能满足高并发查问要求等六大劣势，恰好满足了中原银行构建极速对立的数据分析架构的业务需要。
（中原银行基于 StarRocks 的实时数仓建设）
目前，中原银行应用 StarRocks 实现了固定报表迁徙、知秋零碎革新与实时数仓建设，极大进步了银行的数据导入、查问与剖析效率。迁徙实现后，固定报表查问效率晋升为原来的 2.7 倍，所需工夫降落到 3 秒以内；原耗时排行 top10 的报表，查问效率优化了 10 倍以上，同时还实现了自助客户行为剖析。更值得一提的是，实时数仓架构将中原银行的离线数据和实时数据进行了对立，极大缩小了数据的冗余，同时反对秒级导入与查问，进步了业务的时效性和多样性。
（中原银行基于 StarRocks 的业务价值晋升）
众安保险是中国首家互联网保险公司，不设任何分支机构，齐全通过互联网展业。截至 2021 年底，众安保险服务超过 5 亿用户，累计出具约 427 亿张保单。众安专一于利用新技术重塑保险价值链。在“保险 + 科技”双轮驱动下，众安将本身积淀的保险科技能力和先进的商业模式向行业输入，将数据作为撑持整体数字化门路的基石，从看见到预感、从名单到客户、从经营到翻新，每一个环节和每一次降级都离不开数据赋能。
（众安保险的数字化门路）
在数字化转型的过程中，多场景交融的精细化剖析是数字化转型破局的要害，但众安遇到了一些艰难，包含繁多场景剖析遭逢瓶颈、多场景数据扩散重大和数据能力不足向业务层拓展。针对这些问题，众安建设了“集智平台”。目前在众安保险外部各业务线和部门，超过 3000 人 都在应用集智平台，均匀日活可达 2000+。集智上线后采⽤的是 ClickHouse，但随着使⽤平台的⽤户⽇渐增多，业务⽅须要查问的数据量也越来越⼤，业务场景变得复杂后，很多特定场景 ClickHouse 的体现都不够现实：在多并发场景的查问性能降落重大、多表关联查问性能⽋佳、排查运维老本较⾼、须要借助第三方工具等。针对实时场景，集智平台在使⽤ ClickHouse 的 Replacing 引擎中也遇到了查问慢、不⽀持数据的删除、只能对同一分⽚上同一分区的数据去重等痛点。
（众安保险集智平台介绍）
基于以上状况，集智平台须要进行新的 OLAP 技术选型。通过选型评测发现，StarRocks 反对高并发，局部场景可反对高达 1 万以上的 QPS，TP99 能够管制在 1 秒以内。StarRocks 通过 CBO 优化，能够主动抉择性能最优的查问打算，多表关联性能的体现也更好。因而，众安保险在集智平台引入了 StarRocks，撑持理赔危险洞察、精细化经营剖析、营销实时成果追踪等方面的利用，赋能战略决策人员、财务企划人员、营销管理人员、数据经营人员、数据分析人员。为了晋升集智在查问加载方面的性能，同时将 StarRocks 极速查问及高并发相干能力更好地赋能给业务，集智在产品侧深度集成了 StarRocks，用户能够在平台上疾速实现一站式的对立实时看板搭建。
通过引入 StarRocks，众安保险集智平台解决了极速查问和高并发等数据问题，晋升了集智平台整体的数据反对能力和市场竞争力。以保险产品中线上渠道投放场景为例，当保险产品开始对外发售前后，市场人员会将产品投放到多个渠道进行推广曝光，通过经营的外围报表实时核算每个渠道的投放老本以及其对应的 ROI，依据数据体现状况实时调整投放策略，管制渠道营销流程中的获客单价和投放费用。因而数据反馈的快慢也会决定业务人员在定位问题、调整策略等事件上是否占据最佳时机。通过中原银行、众安保险这两个案例能够看到，作为新一代极速全场景 MPP 数据库，StarRocks 具备可伸缩性、高可用、高性能、优良的性价比等劣势，在晋升企业的业务价值方面深具后劲。
极速对立 3.0 助力数据因素价值充沛开释
大数据技术利用于企业级数据基础设施已不鲜见，而金融行业在实际层面始终走在行业前列，它们在数据湖、交融数仓等典型的技术场景一直摸索，逐渐将先进的大数据生态技术利用到危险管制、经营治理、信贷查问、信用卡征信和财务剖析等业务场景。
比方中国银行就于 2021 年投产上线数据湖平台，心愿为中国银行对立数据分析层、展示层、数据沙箱等摸索提供平台撑持，积淀和深度开掘全行数据资产。中国建设银行则早早把数据仓库和数据湖作为数据底座，不同于不少企业基于 Hadoop 体系的湖仓建设，通过一体化架构设计、一体化湖仓直访、一体化数据视图、一体化资产治理，造成了具备本身特色的湖仓技术体系。
通过对金融、游戏、制作等行业的深刻洞察和技术共创，过来一年，StarRocks 一直打磨产品的性能、性能、稳定性，批改了 80 多万行代码，公布了近 50 个版本。而在往年 9 月的 StarRocks Summit Asia 2022 上，StarRocks 社区正式公布了 StarRocks 极速数据湖剖析，开启极速对立 3.0 时代。
（StarRocks 2.4 在 SSB 单表、SSB 多表、TPC- H 三个规范测试集下，相比于去年同期，性能晋升了 50%-80%。在物化视图、资源隔离、Query Cache、自动化数据分布、导入优化等各个外围性能均有重大突破）
StarRocks 认为，极速数据湖剖析就是为用户提供性能堪比数据仓库的数据湖剖析。在整个架构层面，以后 StarRocks 的数据湖剖析曾经具备了存算拆散、弹性伸缩的能力。在存储层，数据反对依照 Apache Hive、Apache Iceberg、Apache Hudi 等支流表格局保护在对象存储之上。在计算层，从查问生命周期来说，StarRocks 的无状态计算节点 compute node，曾经能够负责从扫描到聚合的全副计算工作；在管制层，FE 对立接入各类支流数据湖的元数据，并对湖上查问申请进行对立调度和布局。用户通过 StarRocks 进行数据湖剖析，一方面可能享受存算拆散、弹性伸缩等前沿技术带来的降本增效，另一方面，无需数据导入即可享受到堪比数仓剖析的极速性能体验，更加敏捷地从数据湖中获取灵感和洞见，驱动业务增长。
人民银行往年公布的《金融科技倒退布局（2022-2025 年）》中提出了八大重点工作，明确到 2025 年，金融科技整体程度与外围竞争力实现跨越式晋升，数据因素价值充沛开释、数字化转型高质量推动、金融科技治理体系日臻完善、要害核心技术利用更为深入、数字基础设施建设更加先进。其中，数据库始终是金融行业继续翻新的重点畛域，涌现出了少量的热点技术和产品。而数据库产品无论抉择哪条技术路线，目标都是要满足高可用、容灾、数据一致性、业务连续性和零碎可扩大等方面的要求。
面对金融级高要求，基于“极速对立”的数据分析新范式打造出的 MPP 数据库 StarRocks，能够全面晋升数据处理和剖析的性能，将简单扩散的既有架构交融为简略统一的簇新架构。置信随着金融行业数字化转型的继续减速，StarRocks 必将应答更多的简单查问、高并发、实时剖析等场景，帮忙用户实现数据价值最大化。
