巨杉湖仓一体技术解读｜实时对客释放全量数据价值

巨杉数据库SequoiaDB从「多模数据湖」、「实时数据湖」发展到「湖仓一体」架构，为客户提供「数据核心」所需的全量数据存储，实时对客服务，及基于统一数据源的分析能力，充分激活客户的离线数据。当中，「实时数据湖」对比Hadoop架构，除了海量数据存储能力外，还提供高并发的实时对客服务能力。

随着数字化转型的深入，以及金融科技的不断发展，金融银行业的应用系统正在经历从功能型系统向数据型系统转型，金融企业越来越认识到全量数据的价值所在。目前，国内个别大型银行已经完成数据湖的初期建设，实现以 “一湖两库”（数据湖+数据仓库+信息库）为核心的大数据2.0架构，提升大数据服务能力。

通过建立数据湖对全量数据进行沉淀和积累，打通各业务系统之间的数据共享、拓宽应用范围、加速业务探索、释放数据价值，从而为企业发展注入新动能，已成为金融银行业的迫切需要。国内各银行也认识到数据湖的潜在前景，正在积极地进行着技术探索和选型储备。

近几年数据湖的探索和落地过程中，企业对于数据的实时性越来越重视。一方面要求全量数据在湖内即时可用，一方面更强调数据入湖的高时效性：

• 面向客户：多源实时数据的共享，将带来更高的用户体验，如移动端客户资产视图，将来自核心、信用卡、理财、贵金属交易等数十个业务系统的资产数据实时展现，为客户提供统一、快捷的服务入口。

• 面向营销：通过实时计算，可实现更精准的客户画像及营销决策，从而提升获客能力。如客户资产AUM，基于全量数据进行实时的、复杂的多维度指标计算，从而提升客户评级、费率优惠等环节的营销效果。

• 面向监管及风控：全量实时数据不但为监管、司法部门、合规部门提供高保真、即时可用的数据准备，而且能够加速风控模型计算，提升风控时效和准确性，从而保障资产安全。还有实时反欺诈，可基于实时数据迅速识别、阻断可疑的欺诈交易行为，有效保护客户资产。

• 面向运维：数据全量即时可用，可将监管、运营分析等内外部提数过程实现自助化，大幅节省人力成本及资源投入。同时，将核心系统部分查询下移，可缓解业务负载洪峰（秒杀、双11等），提升源系统稳定性。

当前，在金融业大数据架构中，多种数据形态呈共存状态，如ODS、数仓、主题集市等，在全量数据完备性、时效性、共享能力、技术栈复杂度方面，存在明显的局限性。

巨杉数据库-实时数据湖方案

巨杉数据库深耕金融银行业，聚焦于从数据湖到湖仓一体的技术架构，针对业界对全量数据实时查询及处理的需求，提出实时数据湖技术方案。

实时数据湖提供了一种全量、即时使用、高性能的数据存储理念。它强调“先入湖，后使用”，即数据以原始形态，全量集中存储，在湖中按需随时使用。通过丰富的计算引擎，提供多样化的数据处理及服务能力，灵活应对联机对客查询、数据分析、批处理加工、数据科学等业务场景。

巨杉数据库「实时数据湖」具备如下技术特点：

• 超大规模存储。存储容量支持百PB级，并提供在线弹性扩展，应对数据爆发式增长；

• 高时效入湖。灵活地支持批量、流式入湖，高度兼容OGG、CDC、Canal等同步工具，对接Kafka、Flink等流式引擎，时效性可达到T+0；

• 多源异构。支持多源异构入湖，提供灵活的数据形态，包括结构化、半结构化等存储格式，灵活应对上游系统的结构差异及变化；

• 高性能。通过稳定的分布式框架和灵活的数据多维切分机制，为实时数据提供高并发、低延时的加载、查询、加工、分析等计算性能。

• 多样化数据服务。事务ACID能力，兼容标准SQL语法，支持多字段灵活索引，能够满足更多样化的应用场景，如实时对客查询、数据加工、数据分析、数据科学等。

相比于传统的ODS、数据集市和数据仓库，「实时数据湖」的优势在于：

典型案例

某大型股份制银行，以巨杉数据库作为存储底座，构建了实时数据湖。

• 现已接入数百个业务系统的数据，已成为全行级统一数据服务平台，具备了实时数据湖的雏形

• 数千张表，容量达PB级。

• 采用流批结合的方式入湖，其中实时数据实现T+0同步，秒级入湖，查询响应1秒内。对接OGG、CDC、Kafka、Flink等流式处理工具。

典型业务场景，例如：

• 五年流水查询

  完成两核心数百亿交易明细数据的积累（国内核心、卡核心），面向客户提供五年交易流水查询，平均查询响应达数十毫秒级，在国内银行业遥遥领先。

• 360资产视图

  为客户提供个人账户下的全局资产信息，数据来自国内核心、卡核心、理财、贵金属交易等十余个业务系统，查询量数百万笔/日，峰值QPS为数百笔/s，其中仅手机银行渠道的资产查询就已占查询总量近半。

• 实时资产AUM

  以客户维度为基础，提供数百个复杂AUM指标的秒级实时计算，主要应用于客户身份识别、费率减免、客群分析、购买力判断、营销达标分析等场景。另增加了机构维度，为管理驾驶舱机构提供高频统计，展现时效为半小时。

• 司法查询

  实现全量数据高保真在线，大幅缩短司法查询在数据提取环节的处理时长，司法查询自助化替代率近九成。单次处理时间缩短至0.5个工作日，每年减少磁带恢复近千次，节省人力约3人/年。

结语

巨杉数据库拥有100%自研的分布式数据库内核，目前已在银行、保险、证券等各领域，拥有丰富的最佳实践及案例，提供实时数据湖存储底座，助力客户实现提升降低成本、提升用户体验、提升运营效率、探索业务价值等目标。

未来，巨杉将与合作伙伴紧密携手，提供优质的产品、技术服务及生态支持，在数字化转型过程中，共同助力客户释放全量数据价值。