随着技术和市场的发展，金融行业的业务系统对处理性能和系统容量的要求确实越来越高。这是由于金融行业的特殊性和市场环境的变化所导致的，具体表现在以下几个方面：
1）实时交易处理需求：金融行业的交易处理需要高性能和低延迟，尤其是在高频交易、算法交易等领域，业务系统需要能够实时地处理大量的交易请求并快速做出决策。
2）大规模数据处理：金融行业产生大量的交易数据、市场数据、客户信息等，业务系统需要能够高效地处理和分析这些大规模数据，以支持风险管理、交易监控、客户分析等业务需求。
3）实时风险管理：金融行业对风险管理的要求越来越高，业务系统需要能够实时监测和分析风险指标，及时做出风险决策。
4）客户体验和服务质量：随着移动互联网和智能设备的普及，客户对金融服务的要求越来越高，业务系统需要能够提供高性能、稳定的服务，确保客户体验和服务质量。
5）复杂的金融衍生品计算：金融衍生品的定价和风险计算通常需要复杂的数学模型和大规模的数据，业务系统需要能够支持复杂的计算和分析任务。
6）合规和监管要求：金融行业的合规和监管要求日益严格，业务系统需要能够满足监管机构对数据报告、风险披露等方面的要求，对系统性能和并发能力提出了更高的要求。
综上所述，金融行业的业务系统对性能和容量的要求越来越高是受到多方面因素的影响，包括市场环境的变化、技术的发展、客户需求的提升以及监管要求的加强等。因此，金融机构需要不断地优化和升级业务系统，采用更先进的技术和架构来满足这些高性能和高并发的需求。
内存计算是一种基于内存存储和处理数据的计算方式，它与传统的基于磁盘存储的计算方式相比具有更高的性能和更低的延迟。在金融行业，业务系统对性能要求极高，因此基于内存计算的技术路线成为了主流。这种技术路线的主要优势包括以下几点：
1）高速度和低延迟：内存存储的数据可以被快速读取和处理，大大缩短了数据访问和计算的时间，从而提高了系统的实时性和响应速度。在金融行业，即时的数据处理和决策对交易和风险管理至关重要，内存计算的高速度和低延迟能够满足这一需求。
2）并行处理能力：内存计算技术可以更好地支持并行处理，多个计算任务可以同时进行而不会相互干扰，从而提高了系统的整体处理能力和效率。
3）实时分析和预测：基于内存计算的系统能够实时地分析大规模数据并进行实时的预测和决策，这对于金融行业的风险管理、交易监控和投资决策非常重要。
4）大规模数据处理：内存计算技术能够有效地处理大规模数据，包括实时交易数据、市场数据、客户信息等，从而支持金融机构应对大数据时代的挑战。
总之，基于内存计算的技术路线在金融行业的业务系统中具有重要意义，它能够提供高性能、低延迟、并行处理和实时分析的能力，满足金融行业对于高速、高效、实时数据处理和决策的需求。
KSMDB是金仕达自主研发的一款基于内存的数据管理系统（IMDS），主要目标是为业务系统提供极致的数据存取访问性能。KSMDB为应用层提供API形式的数据访问接口，所有数据和索引都保存在内存，避免所有的系统IO，数据存取访问代码路径足够短，从而确保应用层数据访问性能最优。KSMDB支持符合规范的事务机制，为应用层实现复杂的业务逻辑提供支撑。KSMDB支持自定义索引，应用层可以根据数据读写场景设计最优的索引结构，保障业务系统各类数据访问场景都具有最好的性能表现。经过多年研发和应用积累，KSMDB已经在金融行业多个核心系统成功应用。随着业务和技术的发展，为了满足性能和规模扩张的需要，金融行业以及其他领域的业务系统技术架构都开始向分布式全内存实时系统发展，KSMDB持续不断的研发与创新，可以为新的技术架构提供高质量的技术支撑，满足分布式全内存业务系统在未来的发展需要。
