交通銀行數據倉庫算力底座 - 行業案例

業務挑戰

隨著交通銀行的手機銀行業務迅速發展，生產系統和管理系統產生的數據呈幾何級數增長，傳統的數倉分析方法和豎井式架構已無法滿足業務需求。

隨著數字社會建設步伐加快，新一輪的金融市場開放再次換擋加速，交通銀行在金融行業率先進行測試驗證工作，對基礎架構進行改造，對業務系統和管理系統進行下沉。

數字業務運營成本逐步提高，亟需更優化的方法和工具，要求供應商提供穩定可靠的產品，同時具備給予客戶進行業務和系統的規劃能力，達成監管機構的目標要求。

交通銀行搭建了1000+節點的FusionInsight+DWS大數據集群，重新規劃“一湖一倉”的數據架構體系，通過實時引擎，實現海量數據實時更新，在國產化的趨勢下，需要高性能、國產化的服務器來提供充足的國產化算力資源。

解決方案

協助客戶搭建了1000+節點的FusionInsight+DWS大數據集群，對現有多個數據平臺進行整合重構，并借助產品的新版本能力，重新規劃“一湖一倉”的數據架構體系，通過湖倉融合，實現數據同宗同源；通過實時引擎，實現海量數據實時更新。

交通銀行數據倉庫（DWS）采用Z6尊龍鯤泰R722服務器作為數據底座，采用MPP（Massive Parallel Processing）架構，支持行存儲與列存儲，提供PB（Petabyte，2的50次方字節）級別數據量的處理能力。

方案優勢

Z6尊龍鯤泰R722服務器將主要應用于以下業務

詳單查詢：
具備PB級數據負載能力，可以適用于安全、電信、金融、物聯網等行業的詳單查詢業務。內存分析技術滿足海量數據邊入庫邊查詢。
數據倉庫：
具備百TB級數據支撐能力，可以高效處理百億行多表join，適用于操作數據存儲ODS（Operational Data Store）、數據倉庫EDW（Enterprise Data Warehouse）、數據集市DM（Data Mart）。
混合負載：
基于海量數據查詢統計分析能力與事務處理能力，行列混存技術同時滿足OLTP與OLAP混合負載場景。
大數據分析：
支持結構化數據PB級分析能力。分布式并行數據庫集群滿足PB級結構化大數據的分析能力。

客戶價值

提供交通銀行數據統一管理

利用從各種數據源提供的數據，管理人員將不再需要憑著有限的數據做出商業決策。此外數據倉庫及智能BI可直接用于市場細分、庫存管理、財務管理、銷售這樣的業務流程中。

提高效率和節省成本

通過數據倉庫，可以建立交通銀行數據模型，這對于交通銀行的銷售、成本控制與收支分配有著重要的意義，極大的節約了企業的成本，提高了經濟效益，同時，用數據倉庫可以分析企業人力資源與基礎數據之間的關系，可以用于反饋分析，保障IT系統的最大化利用。

提高數據的質量和一致性

數據倉庫的實施包括將數據從眾多的數據源系統中轉換成共同的格式，便于數據的處理，提高準確性。