金融行业IT基础架构领域技术应用发展展望

云计算技术已经具备在金融行业规模推广的条件

2014年底，微众银行如期隆重登场，标志着互联网银行与传统银行的竞争进入实战阶段。对于金融行业来说，在此之前，已经有来自互联网金融、利率市场化、金融脱媒等等方面的冲击。互联网金融是一种业务模式的改变，就像电商模式颠覆传统行业一样，对银行业的冲击可想而知，近期有一则新闻“中关村四大电子卖场都黄了：一个关门，仨转型”，可以说明很多问题。

互联网金融已经利用互联网平台衍生出在线理财、快捷支付、电商小贷、P2P、众筹、互联网货币等多种模式，并且新的模式还在不断创新。互联网金融可以绕开银行的授信业务，满足了小企业和个人的部分融资需求，比如京东白条、淘宝贷款等。利率市场化还没有真正开展，银行已经把存款利率上浮到顶，还是拉不到存款。金融托媒，使得很多的投资和融资业务绕开了银行，比如各种“宝”。不论哪种形式，对金融行业最直接的影响可能就是业绩了，对IT的投资，从“不差钱”，也开始变得精打细算，这将直接影响技术路线的选择。

金融行业传统的IT架构，已经无法满足日新月异的业务需求。比如“烟囱式”的系统架构，无法快速扩展满足突发的业务需求，还存在重复投资等问题。而云计算技术，可以很好地解决快速扩展，快速相应业务需求的问题，同时云计算技术已经十分成熟，已经具备在金融行业规模推广的条件。

金融行业的信息化，在国内走在最前面，到目前已经有大约有20年时间，同时也是信息化程度最高的行业。随着时间的推移，金融行业积累了大量的数据，但是很可惜，这些数据大部分还在数据中心的磁盘或磁带上“沉睡”。如何采用大数据技术，让这些数据发挥作用，已经迫在眉睫。

金融行业的基础架构，在目前阶段既有挑战又有机遇，当然挑战明显大于机遇，或许可以从三个方面入手，接受挑战，抓住机遇。

大力推广私有云

私有云在技术层面已经比较成熟，不过，金融行业在实施还需要做充分的准备工作。

私有云环境究竟提供哪一个层次的服务，是IaaS(Infrastructure as a Service)，PaaS(Platformas a Service)，还是SaaS(Software as a Service)?这取决于银行自身私有云的定位。即使明确了服务层次的划分与定位，那么这个层次的服务到底需要部署哪些组件才能足以提供基础架构即服务。先部署哪个组件，后部署哪个组件，等等此类问题目前还没有大家公认的标准和依据可以参考。一些大公司都在制定自己的云计算参考框架，比如Google，Amazon，IBM,，HP，Oracle，Cisco，华为，阿里巴巴等，这些公司的云计算参考框架为大家建设私有云提供了有益的参考。

在设计云服务和云管理平台之前，有一项重要的工作要做，即标准化资源池设计和流程重构。标准化是私有云的必要前提，资源池的结构要标准，比如资源池的网络架构采用标准的设计；资源池里的配置要标准，比如4路X86服务器的CPU、内存、硬盘采用统一标准，虚拟网络、虚拟存储、虚拟CPU内存采用统一标准。

云服务，主要是流程再造，重点要摒弃以前人工规划服务器、存储和网络资源的流程，通过简单的表单输入，实现全流程自动化，比如Oracle云服务器，只需要提出CPU、内存、存储资源需求，应用级别、性能要求，就可以全自动实现虚机创建、IP地址分配、存储分配、安装数据库和配置实例。

云管理，主要包含CMDB、流程和自动化三大部分，CMDB是云的数据基础，流程是把传统ITSM的流程在云管理平台上实现，自动化主要实现策略判断自动化，操作自动化。软件架构可以采用目前主流的开源软件OpenStack，也可以选择自主开发。市场上已经有一些公司可以提供OpenStack的商用版本，如果基于商用软件版本构建，可以减少技术资源的投入，也可以节省时间。由于没有一个非常强势的公司主导，OpenStack属于群龙治水局面，这一点一定要有充分的认识。对于基础设施环境品牌相对单一，影响可能不大，如果基础设施品牌很多，将来可能面临版本更新不同步等等问题。

私有云中虚拟化技术的选择也有很多，商用的VMware，开源的KVM、Docker等等。商用软件虽然投入少，实施周期短，后期运维简单，但是金融行业的成本压力也越来越大，面对免费的开源版本，也是完全可以考虑的。KVM与Docker都可以实现资源隔离，KVM实现虚拟机级别的资源隔离，Docker提供一种程序运行的容器。在资源供给时，由于是轻量级，所以Docker可以比KVM更快的提供一个运行环境。KVM需要首先创建虚拟机，所以供给时间比Docker慢。具体选择哪一种技术还需要根据具体场景分析。

实施大数据

技术是为业务提供服务的，目前，大数据的技术得到了蓬勃发展，可惜在金融行业并没有带来很好的业务价值。业务方面，大数据可以在潜在客户挖掘、精准推销、金融风险适时预警等场景。潜在客户挖掘，类似传统的数据仓库，区别在于，大数据不再局限于数据仓库的建模过程，并且效率更高；精准推销比较常见，在某些银行已经实现了初步功能；金融风险实施预警，反欺诈，反洗钱就是典型的应用场景。部分银行已经部署了大数据平台，需要在业务层面更好的发觉使用方法，发挥大数据平台的价值。

大数据的技术实现有很多种，Greenplum是商用软件的代表，GreenPlum采用PostgreSql框架，可以视为是一种关系型数据库。Hadoop是一个分布式框架，HDFS和Mapreduce是Hadoop的基本功能。MapReduce是大规模数据（TB 级）计算的工具，Map 和Reduce 是它的主要思想， Map负责将数据打散，Reduce负责对数据进行聚集，用户只需要实现map 和reduce 两个接口，即可完成TB级数据的计算。Spark是一种新型的Hadoop计算方法，拥有MapReduce所具有的优点，但不同的是，Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的map reduce的算法。

对于银行规模不大，费用充裕的话，可以考虑采用GreenPlum，更利于上手。相对于GreenPlum，Hadoop需要更多的开发工作量，但是Hadoop具有更好的开放性，成本很低。由于Spark可以提供更好的性能，尚未实施大数据平台的银行，可以考虑，直接基于Spark构建银行内部的大数据平台。

金融与互联网相互拥抱

互联网行业的成长历程，无心插柳柳成荫，造就了效率高、成本低、功能强大的技术，适应时代潮流，代表了一种潮流和趋势。那么，银行的技术是不是就是落后呢，也不尽然。微众银行、阿里金融云都是基于互联网的分布式架构，构建的银行基础架构，但是银行对业务逻辑、应用逻辑的理解更透彻，这是互联网行业所不具备的。

互联网行业的分布式架构与银行的业务结合起来，取长补短，形成一套新的架构，或将是未来的一种趋势。