中原银行：携手华为分布式存储，打造更省更快更稳的融合数据湖平台

作为河南省唯一的省级法人银行，中原银行自成立起，始终秉承“科技立行、科技兴行”的发展理念，截至2023年6月，中原银行资产总额突破1.3万亿，在全国城商行排名第8位。

2021年，围绕“深化全行数字化应用能力建设，探索从运营效率提升到商业模式创新”的目标，中原银行启动三阶段数字化转型工作，发力零售、公司、风险及中后台建设，以“场景驱动、科技赋能、开放共赢”的平台运营模式，共建金融服务生态；坚持敏捷转型，加强线上化和数字化能力，在打造科技银行和数智银行的征程中阔步前行。

原有存算一体的数据仓库以及Hadoop大数据集群，面临诸多挑战

近年来，中原银行围绕分布式数据仓库和大数据技术，构建了一套满足一站式数据集成、存储、计算与开发的数据技术中台，支撑了行内商业决策与各类应用规模化交付。

随着银行业务的线上化、移动化和场景化，业务数据规模爆发式增长，数据类型更多样化，数据仓库作为中原银行主要的基础设施，三年间存储的数据总量增长了2倍之多，基于数据仓库架构的应用数量增加到60多个。同时，以RPA、人机交互、知识图谱为主的AI技术，对半结构化、非结构化数据的快速存取、特征提取及数据加工提出了高并发、低延迟的新要求。

在这个过程中，原有存算一体的数据仓库以及Hadoop大数据集群，在灵活扩容、数据分析效率、业务体验稳定性等方面面临前所未有的挑战：

如何降低数据存储的成本

面对数据量的规模增加，数据仓库扩容已趋于常态化，原有存算一体的架构需要存储和计算同步扩容，但存储容量是随着数据量线性增长，而计算资源需求随着业务高峰和低峰波动，二者同步扩容导致资源利用率不高。

如何提升数据分析效率

中原数据仓库按照分层建模理念，分为整合集群（按照金融主题对数据进行整合汇总）、应用集群（从整合集群抽取数据按照业务场景需要进行数据加工）、数据湖（采集和汇聚各业务系统的贴源数据与整合层历史数据）。由于数据分别存储在数据仓库和数据湖，如何实现跨湖仓的高效数据分析也成为亟需解决的问题。

如何提升业务体验的稳定性

原有大数据存算一体架构计算节点独占缓存数据，会导致某个节点出现故障之后，迁移到新节点时，缓存数据需要重建，业务恢复时长需要小时到天级，严重影响上层业务体验。

携手华为，采用数据湖+分布式存储，打造更省更快更稳的融合数据平台

面对以上挑战，我们开始探索“湖仓一体”架构方案，并逐步明确融合数据湖的建设思路：

▪ 在数据仓库已经建设完善的前提下，数据湖可以作为数据仓库的补充，位于数据仓库的后端，主要用于卸载数据仓库的部分重载，如历史数据的存储与查询。

▪ 数据湖扩展其他场景下的数据探索与AI分析能力，原有数据仓库对外服务保持不变，依然以整合层、集市层、应用层批处理任务加工和报表查询等应用场景为主。

▪ 在逻辑层面，采用湖仓任务一体化开发、元数据统一管理以及联邦查询等技术将数据湖、数据仓库与数据类服务连接成为一个整体，满足用户的一体化使用需求。

在技术架构上，引入华为OceanStor Pacific大数据存算分离解决方案，通过存算分离和湖仓融合存储，实现存储和计算按需扩容，数据高效流转，满足全行不同业务线的个性化多维度的数据统计分析需求。

通过携手华为分布式存储，融合数据湖方案已在行内成功应用，它用优异的弹性扩展能力和稳定充沛的性能，为优质的用户体验奠定了坚实的基础。

存算分离架构+弹性EC，综合TCO节省20%+

通过存算分离架构，贴源及整合层历史数据下沉到华为OceanStor Pacific存储，实现存储和计算按需扩容，避免计算资源浪费。同时基于华为独有的弹性EC替代多副本存储数据，同等硬件配置下，有效磁盘空间提升175%。

高IOPS+湖仓融合一份存储，数据分析效率提升30%

华为OceanStor Pacific存储的高IOPS可支持海量数据并发读写，相比服务器本地盘读写性能无衰减。通过跨湖仓联邦分析技术，实现一份数据高效全域分析，减少跨集群数据搬迁，缩短了数据处理链路。

数据可靠性存储，故障恢复时长从小时级缩短到分钟级

基于统一存储，实现数据高可靠保存；多种计算框架共享数据，计算故障时，存储不需要重建，从而实现业务恢复时长从小时级缩短到分钟级。

智能纳管，最大限度保护已有投资

新建数据存储资源池时，华为OceanStor Pacific存储可同时支持原有X86集群和鲲鹏集群，无需数据迁移和应用改造，最大限度保护已有投资。

以科技照亮金融发展之路

九尺之台起于垒土，千里之行始于足下。中原银行坚持“用数字化手段提升客户体验”，携手华为多年来在分布式存储领域的技术积淀，不断夯实业务底座，服务千家万户，在这片九州腹地上架起了一座贯连金融、科技、民生的桥梁。