2024年金融数据中心存储顶层架构白皮书

金融数据中心存储顶层架构白皮书

1. 概述

1. 背景

   • 金融行业在后疫情时代持续深化数字化进程。
   • 数字化技术提高金融服务的智能化体验，增强业务洞察力。
   • 金融机构开始布局人工智能应用，尤其是大模型技术。

2. 金融存储趋势

   • 云计算、大数据和人工智能推动金融机构优化服务流程。
   • 手机银行和线上支付技术扩展金融服务触达范围，服务模式从58变为724。
   • 银行90%开始探索人工智能应用，AI成为技术创新的主要方向。

3. 金融数据中心存储底座建设

   • 高可用、高安全、可信合规、绿色低碳为主要特点。
   • 业务分级、硬件架构、容灾、备份、归档、数据&AI等方面的具体要求。

2. 存储目标架构规划原则

1. 高可靠容灾保障

   • 针对不同存储可靠性级别设计匹配的容灾方案。
   • 采用技术领先、稳定可靠的容灾技术。

2. 高吞吐低时延IO处理

   • 采用匹配业务类型的存储平台和介质，预留扩展能力。

3. 高效统一运维与管理

   • 存储平台运维服务化，实现灵活调度、资源可视、高效运维。

4. 弹性伸缩

   • 强大的弹性设计以应对互联网业务的突发与多变。

3. 存储目标架构详细规划

1. 生产交易 – 存储分离的资源池架构

   • 金融行业生产交易场景的变化：业务量激增、服务时间延长。
   • 采用存算分离架构，减轻服务器负载，提升整体性能和可靠性。
   • 通过一致性快照和克隆技术提高系统可靠性及扩展性。

2. 数据分析 – 大数据存算分离架构

   • 大数据平台从注重数据处理转向数据价值挖掘。
   • 大数据平台的关键诉求：PB级文件分析能力、毫秒级延迟、TB级带宽、T+0实时分析。
   • 湖仓融合架构：统一存储结构化和非结构化数据。
   • 基于专业分布式存储的存算分离方案，支持多种计算引擎。

3. 金融AI业务场景

   • AI大模型技术迅猛发展，从NLP走向多模态。
   • 算法和数据的相互依存，推动AI模型训练和推理的高效性。
   • 存储方案支持高效管理、多DC容灾能力及智能缓存。