GBase分布式数据库助力中小银行数据仓库建设

  当前中小银行现有的核心和所有应用大都在以oracle、DB2、TD、GP、Hadoop为代表数据库上运行，目前50多个业务系统要数据需要大量手工处理，主要应用于统计报表、查询分析等。随着数据量的快速增加、接入和建设的系统越来越多，传统数据库的设计架构已经开始出现瓶颈，主要表现在：海量数据查询分析性能低下、扩展性差、扩容成本高、维护困难等，无法应对海量数据分析所带来的挑战，如：即席查询、多维分析、多表大表关联查询、审计查询、决策支持等。数据库系统架构的瓶颈已经影响了银行从海量数据中挖掘价值、创造商机、精准营销、风险管控、决策支持、效率提升、产品设计等工作。
  为了应对激烈的市场竞争，银行数据平台迫切需要一个可扩展、高性能、低成本、易维护的数据平台解决方案，支持其数据分析战略，提升业务的敏捷性。通过建立以数据平台为核心的分析平台，实现业务数据集中和整合，支持多样化和复杂化的数据分析，提升业务效率，改进和推动营销活动、决策等。
  中小银行分布式架构数据分析平台整合优化银行内外各类信息资源，一是实现基础数据资源的关联融合，对不同来源、不同类型的基础数据，按要素提取关键字段，建立要素内的关联关系；二是实现专题应用数据的整合建库，按照业务应用具体需要，基于专业应用业务模型，通过二次抽取整合的方法，建立专题应用资源库，满足专业应用需要。要求库内要进行大量的统计分析和多表关联运算，这就对数据处理的性能提出了更高的要求。
  按照数据特征和数据处理要求，建议以GBase 8a MPP数据库构建分布式架构数据分析平台。用MPP架构的分析型数据库集群处理TB甚至PB级别的，高质量的结构化数据，同时为应用提供丰富的SQL和高性能分析处理能力。
  GBase 8a MPP新型数据库集群重点面向行业大数据，采用Shared Nothing架构，通过列存储、粗粒度智能索引等多项大数据处理技术，再结合MPP架构高效的分布式计算模式，完成对分析类应用的支撑，运行环境多为低成本PC Server，具有高性能、高可靠、高扩展性的特点，在企业分析类应用领域获得极其广泛的应用。这类MPP产品可以有效支撑PB级别的结构化数据分析，这是传统数据库技术无法胜任的。对于企业新一代的数据分析平台和结构化数据分析，目前最佳选择是MPP数据库。在强调关联分析的背景下，同时面向银行众多的业务场景和分析任务，MPP架构的新型数据库集群的技术实现特点使得其特别适用于数据分析平台的建设。
1. 海量数据统一管理、高度共享
  通过MPP架构数据库技术、列存储以及粗粒度智能索引等技术，实现对银行海量数据的统一管理，面对不断增长的数据量和不断深化的业务工作，数据平台帮助用户实现应对海量数据的统一接口，系统采用模块化分层设计，帮助用户以最低的工作复杂度实现最高性能的数据处理效能。
2. 高效、深度多维关联的支撑服务
  有效管理和整合海量数据，实现对各类数据的多维深入分析；高效的数据分析能力，帮助客户应对复杂性强、效率及实时性要求高的场景；高效的运算性能和海量数据的快速查询响应能力，为上层多维分析、即席查询、复杂统计分析等分析应用提供完善可靠的数据支撑和服务，帮助用户挖掘数据潜在价值，辅助科学决策。
3. 海量数据的低成本存储和管理
  通过Shared Nothing、MPP以及横向扩展技术，有效支撑海量数据。基于MPP 数据库集群的数据平台，数据存储采用先进的列存储架构，能够实现最高1:20的数据压缩，帮助用户最大程度的节省硬件存储投资和后续的电能消耗。同时系统基于低成本高性能的x86 PC Server构建，运行于开源Linux操作系统，相比基于小型机+磁阵的解决方案，大数据存储管理硬件成本大幅降低。智能索引自动建立，数据库维护简单，降低后期DBA数据库维护的难度和成本。
4. 高可用、支持准线性在线扩展
  通过合理配置能够有效实现均衡负载，充分发挥每一个节点的计算能力，提升整个系统的协同效率；基于多分片副本的备份策略，能够保证节点在发生故障时，不影响系统对外提供服务的连续性。
  MPP数据库集群支持上千个计算节点，能够有效处理PB级数据。基于MPP+Shared Nothing的分布式数据处理架构，面对数据规模不断扩增时可通过平滑扩容实现容量和性能的线性提升。整个过程高度自动化，无须停止集群服务，保证服务连贯性。