2024年金融数据中心存储顶层架构白皮书（英文版）-华为

作者：神奇的魔法发布时间：2024-10-12

近年来，由于全球经济增长缓慢、贸易战持续以及地区冲突，金融业面临收入压力增加和资产增长放缓的问题。然而，后疫情时代加速了金融机构的数字化转型。它们利用数字技术为客户提供无缝、智能的体验，满足客户多样化的需求。此外，金融机构正在使用智能技术获得敏锐的商业洞察力，使他们能够对市场变化做出更快速的反应。因此，金融服务格局正在从数字化向智能化过渡

财务数据存储的趋势、技术和市场洞察

金融机构一直走在采用新兴IT技术优化服务流程、重塑业务模式的前沿。云计算、大数据和人工智能(AI)的广泛应用一直是这一转变的关键驱动因素。

移动银行和在线支付技术的采用扩大了金融服务能够触及客户的时间和空间促使服务模型从 8-5 转变为 24/7。领先的金融机构越来越多地部署人工智能应用程序，特别是在大型人工智能模型的研发中，以实现智能业务运营、产品营销、风险控制、客户服务。根据IDC的数据，90%的银行已经开始探索人工智能应用程序，使这些应用程序成为它们技术创新的主要焦点。

对先进商业应用程序的需求也在推动金融机构数字基础设施的转型。传统的封闭架构正在被具有弹性的、灵活的云原生应用程序和具有分散存储和计算的创新、开放架构所取代。这种高度可靠和可扩展的基础设施正在建设中，以提高金融服务的内容和质量。

构建财务数据中心存储基础的总体要求

金融机构必须开发面向未来的基础设施，优先考虑高可用性(HA)、高安全性、合规性和可持续性，同时增强客户体验、服务敏捷性、无所不在的智能和开放式创新。关键考虑因素包括:

服务分类:根据重要性和范围，将服务系统组织成三到四个层次。

硬件体系结构:对于像事务处理这样的关键系统，利用可靠的设备和专用资源，通过解耦存储计算来确保稳定的低延迟，并提高系统的整体可靠性。非关键系统可以根据总拥有成本(TCO)、运营和维护(0&M)以及可扩展性，采用较低级别的配置。

灾难恢复(DR):使用传统的地理冗余3DC或4DCDR设置，而云原生系统应使用解耦的多中心多活动配置。

备份:对于热数据，实施全闪存的多级备份策略;对于温数据，实施大规模对象存储;对于冷数据，实施公共云。对于混合和多云数据，将云服务数据集中备份到本地。

归档:使用海量对象存储器存储热数据，使用蓝光、磁带或公共云存储器存储冷数据:

数据和人工智能:通过存储-计算解耦和仓库-湖集成，将数据仓库、数据湖和人工智能培训基础设施集成在一起，实现数据-人工智能的融合。支持使用具有超高并发性的高性能存储-计算-网络进行高效的人工智能模型训练，同时利用云-管道-边缘-设备的协同作用进行全领域数据采集和人工智能推理。