一、课题说明

伴随着互联网金融的蓬勃发展，保险行业的影像系统变得越来越庞大，而且接口支撑范围从原来仅有的保单、理赔等业务系统扩展到了很多，尤其是与互联网相关的业务。伴随着更多理赔类相关线上业务的开展，保险的双录系统也从容量以及处理能力上有了较高的要求。一方面影像、双录等相关非结构化数据存储平台变得越来越重要。另外一方面，这些新的要求和挑战，不仅仅在系统的处理能力上表现为多样化读写的要求，更重要的是对于系统的容量和伸缩性有了前所未有的挑战。越来越多的保险企业面临非结构化数据存储平台革新需求。

作为保险行业的IT从业者，一定会面临着应用系统和存储平台的双重革新问题。尤其是对于平台本身的选型。不仅需要适应应用系统本身的变化，而且需要适应业务未来发展的要求。因此，选择什么样的非结构化数据存储设备？基于哪几个维度去选择？选择的维度如何去确定其优先顺序？等系列问题摆在我们面前，成为困扰决策的主要因素。

面对诸如此类问题，企业决策者们如何能在非结构化数据存储平台选型上作出准确的选择，不仅仅能把握IT技术发展的脉络走向，而且能从自身实际出发，建立正确 的认知体系就变得尤为重要。 TWT社区集合“ 企业IT应用趋势项目创新联盟 ” 非结构化数据存储的课题专家编撰了 《保险双录/影像系统非结构化数据存储项目对象存储产品选型评估框架》 并且将基于此框架反馈的数据形成报告 ，以供各位参考。

二、选型思路

本次保险双录/影像系统非结构化数据存储项目对象存储产品选型，从 产品生态、可靠性、扩展性、产品架构及技术、平台管理、性能管理等六个维度展开 。 产品生态决定了产品在后期服务的稳定性以及产品在未来的革新的可持续性。评估主要从产品的品牌、市场、售后、案例以及在市场上的开放性等若生态指标 判断 。 产品可靠性是金融行业监管 的基本要求，也是关系到金融行业 业务安全性 的重要维度。 这个维度的优秀与否主要看两个方面 ：数据本身的安全指标和 基础环境健壮性指标 。 产品扩展性 是在互联网大环境背景下 对数据存储业务的必然要求 。 主要从 数据量 本身 以及与数据量相匹配的处理能力 方面来判断 是否具有很好的延展性 。 产品架构及硬件 通常是判定产品本身好坏的标准。我们不仅仅要从产品本身的参数来判断，而且要从产品的架构以及所依赖的算法源头来判断。这个维度我们关注的重点是在于其技术的先进性。 平台管理 直接影响运维工作，功能上不仅仅需要具备，更重要的是稳定可靠。主要从平台操作层面、数据管理层面以及运维管理角度去判断。 性能管理 主要是考虑到互联网业务以及大数据分析业务的不断涌现，影像系统开始作为很多业务的数据源，对数据的读写性能有了一定的要求。评估数据平台的性能需要从硬件配置和软件算法层面去关注产品本身对于性能方面的支撑。

三、选型方式

金融企业影像双录类系统既有通用类的要求，又会因为各自企业特殊的环境而产生的特殊需求。通用类的要求属于产品选型的维度指标，企业因各自环境特殊性而产生的差异化要求在于每一个维度下的具体技术指标。产品选型因遵循以选型维度为指导，以企业自身实际为切入点定制属于自己的一套选型技术指标。

3.1 评估维度

本次课题从产品生态、产品安全可靠性、产品可拓展性、产品架构及硬件技术、平台功能先进性、性能管理先进性等六个维度进行评估 。

1、产品生态

影像双录非结构化数据存储产品在金融行业不仅是一个传统延续的系统，而且是一个非常重要的系统，是需要持续运转并发展的。因此产品本身的生态如何决定了产品在后期服务的稳定性以及产品在未来的革新的可持续性。评估主要从产品的品牌、市场、售后、案例以及在市场上的开放性等若干方面来综合判断其产品生态指标如何。当然，在每一项大的评估指标体系当中我们可以设计符合自身需求的判断指标。例如，在市场这个体系当中，我们既可以通过国际市场数据判断，也可以通过国内 IDC报告数据来判断。这个需要不同企业根据自身的实际情况来灵活掌控。

2、产品安全可靠性

金融行业信息系统面临双重监管，其安全可靠性是非常重要的评估维度。所谓安全是需要上升到业务安全性高度来判断，这不仅仅涉及到数据本身，而且涉及到支撑业务运行的整体基础设施环境。因此判断这个维度的优秀与否主要看两个方面，一方面在于数据，另外一方面在于基础环境健壮性保护。数据主要通过数据管理的控制机制以及数据本身的保护措施，而基础环境在于判断该产品对异常事件的保护应对机制。同样，这些详细指标究竟应该定到什么样的水平和量级需要企业根据自身情况来判断。

3、产品可扩展性

非结构化数据存储在未来的业务发展过程当中，一定会是不断增长不断扩张的模式。尤其是在互联网大环境背景下。因此企业在选型的时候，数据量以及与数据量相匹配的处理能力是否具有很好的延展性，能否适应业务层面的扩张。这是企业关注的重要指标。产品的可扩展性评估主要从产品本身的处理能力以及产品的容量扩展能力两个方面来看。处理能力主要取决于硬件的配置以及硬件的扩展能力，容量主要取决于其架构以及算法。硬件的指标需要根据厂家产品配置参数表来进行详细对比，关注的点在于扩展能力。架构及算法的指标需要根据产品的架构及算法母体优劣来进行判断。当然，优劣是相对而言的，是需要根据企业自身需求来进行取舍。

4、产品架构及硬件技术

科技的发展不仅仅在于软件技术，而且在于硬件技术的迭代更新。产品架构及硬件技术的先进性直接决定了其他的很多维度的指标。通常判断一个产品的好坏，产品本身的参数指标是非常重要的评估标准。而对于非结构化数据存储平台的参数体系，我们不仅仅要从产品本身的参数来判断，而且要从产品的架构以及所依赖的算法源头来判断。这个维度我们关注的重点是在于其技术的先进性。

5、平台功能先进性

非结构化数据存储也会伴随着企业的整体运维管理体系而不断发展。这就要求产品在管理方面有相对的技术先进性。不仅仅需要数据管理方面有比较丰富的功能，而且需要在运维方面有比较实用的工具。功能上不仅仅需要具备，更重要的是稳定可靠。工具上不仅仅是要有，更重要的是易用可用。平台功能需要从平台操作层面、数据管理层面以及运维管理角度去判断。企业可以根据切身需求定义符合自身的技术指标。例如可以将数据管理层面的消重、压缩、备份、迁移、精简等众多指标赋予不同的权重或进行合理的取舍。

6、性能管理先进性

相对于结构化数据的存储产品，非结构化存储平台对性能的要求并不是非常高。但是与其业务场景相适应的大规模写也是有一定的性能要求。传统的影像管理系统主要用于信贷、票据等相关业务的后台审核业务，其对应的操作基本上都是一次录入，少量查询这样的模式。因此其性能要求不是非常高，但是随着很多互联网业务以及大数据分析业务的不断涌现，影像系统不再是一个简单的数据存储平台了，它开始作为很多业务的数据源，对数据的读写性能有了一定的要求。评估数据平台的性能需要从硬件配置和软件算法层面去关注产品本身对于性能方面的支撑。硬件上我们需要关注从数据接口到数据落盘整个链条上是否存在瓶颈，例如数据链路的并发度、数据处理节点的并发度等。软件上我们主要看数据的缓存处理机制是否合理先进。当然具体的技术指标可以根据自身需求来进行取舍。

3.2 评估框架

四、选型投票结果

截止202 4 年1月 9 日，我们收到了广大同行用户的支持及投票，根据投票的结果绘制了选型投票一览表，表中罗列了1 9 个选型维度 ，涉及产品约20多个。每个选型维度的投票结果从左往右为降序排列。

我们通过截取19个评估维度的TOP产品，进行了进一步分析：

经过分析可以看到，共有10个产品的相关指标进入到了TOP5，其中“杉岩数据 MOS”表现最为优秀，19个指标的投票结果全部在TOP5范围，并且15个指标居于TOP1，属于优秀序列。“Dell EMC ECS”位居其次，有17个指标投票结果落在TOP5范围，并且集中在TOP2-TOP4之间，属于良好序列。“NetAPP StorageGRID”、“XSKY XEOS”、“华为 OceanStor Pacific”分别有15、14、13个指标投票结果落在TOP5范围，在TOP2-TOP5区间都有分布，并且在每个TOP分布的指标数量几乎相当，属于较好序列。“HDS HCP”有12个指标投票结果落在TOP5范围内，但基本分布于TOP4、TOP5，暂且归为合格序列。

五、总结

本次课题基于非结构化存储项目的选型，从选型思路、方式方法、选型框架、投票分析等几个方面充分展开。其中选型思路和方式方法上，基本上可以应用到所有企业的非结构化存储产品选型上。选型框架属于大而全的框架体系，企业可以根据自身实际情况以及业务场景需求去做相应的取色和加权。对于投票结果的分析，是对社区所有参与者的真实数据的梳理和统计，并且在数据统计的基础上，针对有指标进入TOP5的产品进行了归类区分。企业可以根据自身情况，将指标加权归类，在看中的指标上再进行有针对性的排序和分析，从而选择适合自身场景的优秀产品，争取做到量体裁衣。