软件定义存储在金融企业适合的应用场景？

针对金融行业我个人认为在大数据分析类、数据仓库等系统进行尝试，在开发测试环境进行应用，积攒经验。

前端、中端、后端需求

前端：

1）网点常规性存储需求

2）ATM等终端设备常规性存储需求

3）电商系统需求

中端：

4）部门内部数据存储需求，比如OA、邮件、公文

5）逐级申报需求，比如总账、报表

6）风控中心、审批中心、稽核中心、重要库管中心

后端：

7）数据分析

8）数据挖掘

9）常规分级海量报表

10）交易环节分离：比如交易、核算、统计、报表、结算、与人行往来、与其他金融机构交互【外汇、路透】

上面大家讨论了很多了，我觉得我简单从数据库上说说，数据库一般分为OLAP和OLTP系统，个人感觉其实两种业务其实都可以跑SDS，但是从需求上看，OLAP系统更适合SDS，为什么这么说呢，OLAP系统的特点是数据基本都是定期导入，而且是批量导入，这需要的是高带宽的IO；大量的数据读取用于生成报表，意味着高CPU的运算能力，这些特点都非常适合分布式的SDS架构。OLTP系统要求的是低延时、高并发，从分布式的架构而言，通过高速闪存等技术，确实可以适应这类需求，但高并发意味着严重的锁冲突，分布式的架构最终的运算结果还是需要处理这些问题，所以个人建议还是先从OLAP类系统下手，除非采用类似NOSQL POSTSQL等非关系型数据库，才比较适合SDS架构。

确实，不能为了SDS而SDS，从技术方面讲，SDS目前对于大容量数据归档，VMware虚拟化环境已经比较成熟，对于数据库来说，还需要根据数据库的响应时间要求和可用性要求判断可以选择SDS。SDS一般为分布式架构，往往响应时间较集中架构存储差，因为不太适合响应时间要求很高的场景！

对于目前软件定义存储的适用环境，人个感觉在金融行业可以先在开发、测试环境中进行使用，然后在不太重要的系统中再进行使用。适用的场景比较适合需要快速部署的环境，或者需要横向扩展的业务系统。

建议用着金融业的大数据集中环境中的热数据块使用，以便让用户能真切体会到各个业务访问的高效性