• 客户档案
    交通银行首创于1908年，为中国六大银行之一，也是中国主要金融服务供应商之一，随着数字创新业务的连续生长，旧有的数据架构不堪使用，新增的业务数据连续增大，也需要更强的算力资源支撑。

    业务挑战

    随着交通银行的手机银行业务迅速生长，生产系统和治理系统发生的数据呈几何级数增长，传统的数仓分析要领和竖井式架构已无法满足业务需求。

     

    随着数字社会建设法式加速，新一轮的金融市场开放再次换挡加速，交通银行在金融行业率先进行测试验证事情，对基础架构进行革新，对业务系统和治理系统进行下沉。

     

    数字业务运营成本逐步提高，亟需更优化的要领和工具，要求供应商提供稳定可靠的产物，同时具备给予客户进行业务和系统的计划能力，告竣羁系机构的目标要求。

     

    交通银行搭建了1000+节点的FusionInsight+DWS大数据集群，重新计划“一湖一仓”的数据架构体系，通过实时引擎，实现海量数据实时更新，在国产化的趋势下，需要高性能、国产化的服务器来提供富足的国产化算力资源。

    解决方案

    协助客户搭建了1000+节点的FusionInsight+DWS大数据集群，对现有多个数据平台进行整合重构，并借助产物的新版本能力，重新计划“一湖一仓”的数据架构体系，通过湖仓融合，实现数据同宗同源；通过实时引擎，实现海量数据实时更新。

    交通银行数据堆栈（DWS）接纳神州鲲泰R722服务器作为数据底座，接纳MPP（Massive Parallel Processing）架构，支持行存储与列存储，提供PB（Petabyte，2的50次方字节）级别数据量的处置惩罚能力。

    方案优势
    神州鲲泰R722服务器将主要应用于以下业务
    • 详单查询：
      具备PB级数据负载能力，可以适用于宁静、电信、金融、物联网等行业的详单查询业务。内存分析技术满足海量数据边入库边查询。
    • 数据堆栈：
      具备百TB级数据支撑能力，可以高效处置惩罚百亿行多表join，适用于操作数据存储ODS（Operational Data Store）、数据堆栈EDW（Enterprise Data Warehouse）、数据集市DM（Data Mart）。
    • 混淆负载：
      基于海量数据查询统计分析能力与事务处置惩罚能力，行列混存技术同时满足OLTP与OLAP混淆负载场景。
    • 大数据分析：
      支持结构化数据PB级分析能力。漫衍式并行数据库集群满足PB级结构化大数据的分析能力。
    客户价值
    提供交通银行数据统一治理

    利用从种种数据源提供的数据，治理人员将不再需要凭着有限的数据做出商业决策。此外数据堆栈及智能BI可直接用于市场细分、库存治理、财政治理、销售这样的业务流程中。

    提高效率和节省成本

    通过数据堆栈，可以建设交通银行数据模型，这对于交通银行的销售、成本控制与收支分配有着重要的意义，极大的节约了企业的成本，提高了经济效益，同时，用数据堆栈可以分析企业人力资源与基础数据之间的关系，可以用于反馈分析，保障IT系统的最大化利用。

    提高数据的质量和一致性

    数据堆栈的实施包罗将数据从众多的数据源系统中转换成配合的花样，便于数据的处置惩罚，提高准确性。