#新时代成就巡礼##网络文明建设一起来#【奋进新征程 建功新时代·我们这十年】“智慧交管”让城市道路“活”起来
如今，当你开车至新七道梁隧道时，会看到路边提示牌上关于天气及道路状况的提示信息。这是隧道南北两侧的气象感知设备发出的，它不仅会及时传感长下坡局部小气候变化，还可以智能解析、及时报警，以便交管站执勤交警采取应急处置措施。
当你开车至天水北路时，会发现通过几个红绿灯路口处十分顺畅，没有大量压车现象。这是信号灯自适应动态双向绿波带带来的畅行，它能适时调整信号灯时间，以缓解道路拥堵。
当你开车至西关十字需要停车时，只需要打开一个微信小程序便可获得周边停车场信息。这是兰州公安交警打造的“兰停序”微信小程序提供的便利。只要输入目的地，周边停车场信息、位置以及泊位数量等一目了然。
党的十八大以来，为治理交通拥堵“城市病”，确保人民群众安全畅通出行，兰州公安交警创新应用大数据、数据可视化、“互联网+”等技术，制定了“智慧交管”建设实施方案，建立并完善了智慧感知预警体系、指挥调度体系、勤务管控体系、业务监管体系、便民服务体系、宣传教育体系等6个方面28项“智慧交管”内容。
守护平安“回家路”
兰海高速公路兰临段是兰州连接定西、临夏、甘南的重要客货运通道，日均车流量2.1万辆。由于该路段地处山区，地势落差大、坡陡弯急，尤其是春运期间雨雪天气多，重载货车下坡时极易因频繁制动导致刹车失灵，车辆失控。
今年春节期间，兰州市公安局、定西市公安局和甘肃省高速公路路政执法总队等多方力量，在兰海高速公路兰临段设立兰临高速联防联控交通安全管理站，24小时驻守执勤，着力打造全省“智慧交管”试验田。1月17日16时，兰临高速联防联控交通安全管理站视频监控室里突然响起警报声，兰海高速公路事故多发路段智能防控系统平台发出预警：一辆三轴以上重型货车驶入兰海高速公路兰临段，请执勤交警立即布控拦截。经查，驾驶人周师傅驾驶的货车载有不规则大型机械，因装载货物存在捆扎不牢等风险隐患，智能防控系统自动识别并发出预警。
“今年春节期间，我们实行‘五班三运转’的24小时勤务模式，确保道路交通安全畅通和途经这里的每一辆车、每一位驾驶员都能平安回家过年。”兰州市公安局交警支队韩家河大队教导员兼K22联防联控交通安全管理站站长魏永海回忆道。
党的十八大以来，我市依托大数据研判分析平台，紧密结合实战需要，加强数据模型构建，开发数据分析辅助决策系统。其中，高速公路隐患管控治理和城市道路重点车辆隐患治理等2个数据模型在实际工作中取得显著质效。同时，我市升级六位一体实战应用平台和信号智能管控平台，进一步提升信号配时自动分析、问题隐患自动发现、应对方案自动生成的能力，提高道路交通智能管控水平。
畅通城市“动脉”
天水路北接连霍高速，南达交通枢纽火车站，全长4.6公里，有15个交叉路口，日均车流量超过44万辆，是兰州市的重要“动脉”和“迎宾大道”。针对该路段高峰期交通拥堵指数上升、潮汐现象明显、拥堵问题突出等现象，兰州公安交警扩充感知源，加强系统建设，深化“情指勤督服宣”一体化警务模式，推动警务流程再造，形成天水路智慧赋能交通畅通提升方案，全力打造省市共建示范路。
8月25日10时，天水路车流量适中，处于平峰期，兰州公安交警对天水路信号灯实行自适应双向绿波协调控制，行驶车辆在绿波速度内通过各路口时均遇绿灯。“现在天水路出现堵车的情况明显少了。”市民刘克镕说。据了解，采用双向“绿波”以来，天水路平峰期平均行程时间减少26%，早晚高峰拥堵持续时间缩短13%，信号调控成效初显。不仅如此，兰州公安交警还建成了“天水路拥堵治理监测系统”，设立了电子警察、高点监控系统、地磁流量检测器，全面再造勤务流程。当系统发现警情后，迅速启动“一键圈定”功能，找出“最优路径”，将指令通过执法记录仪及时传至就近执勤民警，实现“轻微事故3分钟到达，5分钟内处理完毕”。
党的十八大以来，我市积极推进智能防控平台和“全息路口”建设，全力打造城市道路交通治理“兰州样板”。先后建成应用非现场执法系统一、二、三期及“交通指挥综合实战应用平台”等36个信息化项目，购置自助服务等便民设备150余台；陆续建成并使用电子警察、电子卡口、违停抓拍、路口监控、微波采集及交通诱导屏等设备1298套，智能信号机398处，购置多功能执勤执法记录仪2790台，每年抓拍交通违法100万余起，每日产生900万余条交管数据。逐步构建起以“交通指挥综合实战应用平台”为“大脑”，汇聚“122接处警、警情处置、视频监控、信号控制、勤务部署、督导考核、停车服务、运维管理、诱导发布”等21项功能的实战应用格局，形成以指挥中心为“龙头”，以“金城快骑”“网格化路长”为骨干的“情指勤督服宣”新型警务模式，初步搭建起 “一体运作、精准高效”的三级指挥体系。
破解“停车难”
这几年，家住甘南路的市民吴润昭发现，不仅自家小区停车规范了，城区各主要商圈、街道、学校附近的公共停车泊位也不断增加、升级。目前，通渭路、箭道巷、甘南路等路段1534处停车场的213671个泊位全部录入“兰停序”微信小程序，覆盖全市所有公共停车场和部分对外开放专用停车场。
目前，兰州市机动车总量已经突破120万辆，为最大限度解决群众停车服务需求，兰州市公安局交警支队已经建成兰州市智慧停车管理服务系统及“兰停序”微信小程序，可实现动态交通监管和静态交通停车管理的互联互动。“兰停序”微信小程序已完成972处144317个泊位的实时动态数据传输，终端用户达到5.2万人次。未来，智慧停车管理服务平台将与智慧停车管理服务系统实现数据共享，全面推行地磁+PDA、高位视频、ETC管理模式，升级城市级静态交通管理服务大数据应用平台建设，实现全市停车场资源规模化、集约化管理，智能化、数字化调度。
打通服务“最末梢”
“没想到现在驾驶证到期换证这么简单，我全程自助办完换证业务，真是太方便了。”市民周洋说，“只要在‘交管12123’App上查找到联网医院并前往体检，等医院上传完体检信息后，3天就能收到新驾驶证。”
党的十八大以来，我市大力推行交管业务“足不出户”网上办，将大量的传统交管业务向网上延伸、向线上拓展，并对近年来推出的“互联网+交管”服务事项进行了全面梳理和服务升级。目前，市民可通过“交管12123”App、“兰州公安交警”微信公众号等渠道办理网上预约、违法处理、事故处理、货车通行证、出行服务、信息查询等近百项交管业务。特别是疫情防控期间，兰州公安交警出台便民措施40余项，交管业务可网上申请、网上受理、邮寄送达，实现让“数据多跑路，群众少跑腿”。
下一步，我市将着力提升城市交通管理自动感知、自动分析、自动研判、自动预警、自动调控、自动监督等“一切尽在掌握”的新能力，全力形成智慧交管“最强大脑”高效运行下的“大指挥”新格局。
总策划：刘立山
兰州日报社全媒体记者 杨昕 文/图
如今，当你开车至新七道梁隧道时，会看到路边提示牌上关于天气及道路状况的提示信息。这是隧道南北两侧的气象感知设备发出的，它不仅会及时传感长下坡局部小气候变化，还可以智能解析、及时报警，以便交管站执勤交警采取应急处置措施。
当你开车至天水北路时，会发现通过几个红绿灯路口处十分顺畅，没有大量压车现象。这是信号灯自适应动态双向绿波带带来的畅行，它能适时调整信号灯时间，以缓解道路拥堵。
当你开车至西关十字需要停车时，只需要打开一个微信小程序便可获得周边停车场信息。这是兰州公安交警打造的“兰停序”微信小程序提供的便利。只要输入目的地，周边停车场信息、位置以及泊位数量等一目了然。
党的十八大以来，为治理交通拥堵“城市病”，确保人民群众安全畅通出行，兰州公安交警创新应用大数据、数据可视化、“互联网+”等技术，制定了“智慧交管”建设实施方案，建立并完善了智慧感知预警体系、指挥调度体系、勤务管控体系、业务监管体系、便民服务体系、宣传教育体系等6个方面28项“智慧交管”内容。
守护平安“回家路”
兰海高速公路兰临段是兰州连接定西、临夏、甘南的重要客货运通道，日均车流量2.1万辆。由于该路段地处山区，地势落差大、坡陡弯急，尤其是春运期间雨雪天气多，重载货车下坡时极易因频繁制动导致刹车失灵，车辆失控。
今年春节期间，兰州市公安局、定西市公安局和甘肃省高速公路路政执法总队等多方力量，在兰海高速公路兰临段设立兰临高速联防联控交通安全管理站，24小时驻守执勤，着力打造全省“智慧交管”试验田。1月17日16时，兰临高速联防联控交通安全管理站视频监控室里突然响起警报声，兰海高速公路事故多发路段智能防控系统平台发出预警：一辆三轴以上重型货车驶入兰海高速公路兰临段，请执勤交警立即布控拦截。经查，驾驶人周师傅驾驶的货车载有不规则大型机械，因装载货物存在捆扎不牢等风险隐患，智能防控系统自动识别并发出预警。
“今年春节期间，我们实行‘五班三运转’的24小时勤务模式，确保道路交通安全畅通和途经这里的每一辆车、每一位驾驶员都能平安回家过年。”兰州市公安局交警支队韩家河大队教导员兼K22联防联控交通安全管理站站长魏永海回忆道。
党的十八大以来，我市依托大数据研判分析平台，紧密结合实战需要，加强数据模型构建，开发数据分析辅助决策系统。其中，高速公路隐患管控治理和城市道路重点车辆隐患治理等2个数据模型在实际工作中取得显著质效。同时，我市升级六位一体实战应用平台和信号智能管控平台，进一步提升信号配时自动分析、问题隐患自动发现、应对方案自动生成的能力，提高道路交通智能管控水平。
畅通城市“动脉”
天水路北接连霍高速，南达交通枢纽火车站，全长4.6公里，有15个交叉路口，日均车流量超过44万辆，是兰州市的重要“动脉”和“迎宾大道”。针对该路段高峰期交通拥堵指数上升、潮汐现象明显、拥堵问题突出等现象，兰州公安交警扩充感知源，加强系统建设，深化“情指勤督服宣”一体化警务模式，推动警务流程再造，形成天水路智慧赋能交通畅通提升方案，全力打造省市共建示范路。
8月25日10时，天水路车流量适中，处于平峰期，兰州公安交警对天水路信号灯实行自适应双向绿波协调控制，行驶车辆在绿波速度内通过各路口时均遇绿灯。“现在天水路出现堵车的情况明显少了。”市民刘克镕说。据了解，采用双向“绿波”以来，天水路平峰期平均行程时间减少26%，早晚高峰拥堵持续时间缩短13%，信号调控成效初显。不仅如此，兰州公安交警还建成了“天水路拥堵治理监测系统”，设立了电子警察、高点监控系统、地磁流量检测器，全面再造勤务流程。当系统发现警情后，迅速启动“一键圈定”功能，找出“最优路径”，将指令通过执法记录仪及时传至就近执勤民警，实现“轻微事故3分钟到达，5分钟内处理完毕”。
党的十八大以来，我市积极推进智能防控平台和“全息路口”建设，全力打造城市道路交通治理“兰州样板”。先后建成应用非现场执法系统一、二、三期及“交通指挥综合实战应用平台”等36个信息化项目，购置自助服务等便民设备150余台；陆续建成并使用电子警察、电子卡口、违停抓拍、路口监控、微波采集及交通诱导屏等设备1298套，智能信号机398处，购置多功能执勤执法记录仪2790台，每年抓拍交通违法100万余起，每日产生900万余条交管数据。逐步构建起以“交通指挥综合实战应用平台”为“大脑”，汇聚“122接处警、警情处置、视频监控、信号控制、勤务部署、督导考核、停车服务、运维管理、诱导发布”等21项功能的实战应用格局，形成以指挥中心为“龙头”，以“金城快骑”“网格化路长”为骨干的“情指勤督服宣”新型警务模式，初步搭建起 “一体运作、精准高效”的三级指挥体系。
破解“停车难”
这几年，家住甘南路的市民吴润昭发现，不仅自家小区停车规范了，城区各主要商圈、街道、学校附近的公共停车泊位也不断增加、升级。目前，通渭路、箭道巷、甘南路等路段1534处停车场的213671个泊位全部录入“兰停序”微信小程序，覆盖全市所有公共停车场和部分对外开放专用停车场。
目前，兰州市机动车总量已经突破120万辆，为最大限度解决群众停车服务需求，兰州市公安局交警支队已经建成兰州市智慧停车管理服务系统及“兰停序”微信小程序，可实现动态交通监管和静态交通停车管理的互联互动。“兰停序”微信小程序已完成972处144317个泊位的实时动态数据传输，终端用户达到5.2万人次。未来，智慧停车管理服务平台将与智慧停车管理服务系统实现数据共享，全面推行地磁+PDA、高位视频、ETC管理模式，升级城市级静态交通管理服务大数据应用平台建设，实现全市停车场资源规模化、集约化管理，智能化、数字化调度。
打通服务“最末梢”
“没想到现在驾驶证到期换证这么简单，我全程自助办完换证业务，真是太方便了。”市民周洋说，“只要在‘交管12123’App上查找到联网医院并前往体检，等医院上传完体检信息后，3天就能收到新驾驶证。”
党的十八大以来，我市大力推行交管业务“足不出户”网上办，将大量的传统交管业务向网上延伸、向线上拓展，并对近年来推出的“互联网+交管”服务事项进行了全面梳理和服务升级。目前，市民可通过“交管12123”App、“兰州公安交警”微信公众号等渠道办理网上预约、违法处理、事故处理、货车通行证、出行服务、信息查询等近百项交管业务。特别是疫情防控期间，兰州公安交警出台便民措施40余项，交管业务可网上申请、网上受理、邮寄送达，实现让“数据多跑路，群众少跑腿”。
下一步，我市将着力提升城市交通管理自动感知、自动分析、自动研判、自动预警、自动调控、自动监督等“一切尽在掌握”的新能力，全力形成智慧交管“最强大脑”高效运行下的“大指挥”新格局。
总策划：刘立山
兰州日报社全媒体记者 杨昕 文/图
在中国大陆/内地打疫苗，无需担心假货的原因
所有疫苗的最小包装盒上都有唯一的20位药监码，有自动识别和防伪功能（图1），似乎没有见过其他国家的疫苗有赋码到最小包装的情况。
从应用来看（图2），中国的接种单位99%以上实现了扫码接种。
只要是官方批准的接种门诊（无论公立还是私立），都可以保证打到真疫苗，野鸡机构就不好保证了（非常罕见）。
所有疫苗的最小包装盒上都有唯一的20位药监码，有自动识别和防伪功能（图1），似乎没有见过其他国家的疫苗有赋码到最小包装的情况。
从应用来看（图2），中国的接种单位99%以上实现了扫码接种。
只要是官方批准的接种门诊（无论公立还是私立），都可以保证打到真疫苗，野鸡机构就不好保证了（非常罕见）。
【金融业分布式数据库选型及HTAP场景实践】作为数据基础设施的重要组成部分，数据库在其中扮演着重要的角色。近些年来，数据库整体发展也呈现出较之以往很大的不同。其一、是开源数据库受到更为广泛的关注，从多家机构的最新报告来看，开源数据库无论从产品数量还是受关注程度都超过商业数据库。开源这一新模式，正成为未来数据库发展的主流。其二、是云计算成为未来主要资源供给方式得到普遍共识。已经有越来越多的企业选择在云上构建基础环境，包括云上数据库的发展速度也远高于非云环境。据乐观估计，在未来5~10年云数据库将占据整体数据库市场的七成以上。此外，对迁移到公有云、使用多云环境等问题，也普遍被企业所接受。其三、是数据融合趋势，针对数据多场景应用，使用融合技术简化访问，提升效率。作为数据使用高地，金融行业一方面对数据库有着极高的要求，一方面又面临很多来自数据新的挑战，诸如海量规模、高并发、数据安全、实时分析等诉求亟待解决。分布式数据库的出现，迎合这一发展趋势，对于金融企业解决上述问题带来新的解决思路。本文从金融用户角度入手，对如何选择分布式数据库及选型后的最优实践进行阐述。
1. 金融业数据库选型背景
随着企业数字化转型深入，对于数据使用场景也呈现多元化趋势，正有越来越多数据被企业利用起来。金融行业作为数据库应用“高地”，这一趋势表现更为明显。同时我们也看到，近些年来数据库领域也发展迅速，有分布式数据库、多模数据库、云数据库为代表的产品不断涌现。这些新兴数据库在特定场景有很好的使用前景。基于上面两种趋势，金融行业很多企业都在面临选择数据库的问题。
1).选型技术层面要素分析
从技术角度来看，在数据库选型中有哪些要素需要考虑呢？下面以近期比较关注的分布式数据库的选型为例，说明下重点考量的技术要素。
分布式事务
分布式架构，自然会带来分布式事务的问题。由于需要跨节点的网络交互，因此较单机事务会有很多损耗。随之带来的是事务处理时间较长、事务期间的锁持有时间也会增加，数据库的并发性和扩展性也会受到影响。针对单笔事务来说，分布式事务执行效率是肯定会有降低的，分布式带来的更多是整体处理能力的提升。
性能
由于分布式数据库通常使用的二阶段提交和各节点之间的网络交互会有性能损耗，分布式数据库优势不是单个简单SQL的性能，而是大数据量的SQL查询，每个节点会将过滤之后的数据集进行返回，会提升性能，并且分布式数据库的优势是并发，大量的SQL并发也会比单机数据库强大，应用需要做分布式架构的适配，将串行执行机制尽量都改造成并发处理。对于含有需要节点间数据流动的SQL语句的事务，OLTP类的分布式数据库处理效率一般较差，事务处理时间会较长，事务期间的锁持有时间也会增加，数据库的并发性和扩展性也会受到影响。建议尽量改造存在跨节点数据流动的SQL语句（主要是多表关联）的事务。
数据备份
分布式数据库的一致性保证通过内部时钟机制所提供的全局时间戳，所有节点都会遵循该机制，所以备份恢复的增量也是基于全局时间戳，但是分布式数据库的备份解决方案最重要的标志为是否支持物理级的备份，物理级的备份会比逻辑的备份性能吞吐大很多，还有就是是否支持一些分布式备份方案，比如S3协议接口，是否支持压缩等功能。分布式数据库基本都具备备份和恢复方案，通常从备节点进行连续备份（全量+日志），恢复的时候指定节点进行恢复到指定时间点，整个过程可配置自动任务、自动执行。
高可用
分布式数据库大多都是基于多数派协议，同城双中心不适合多数派的要求，同城数据级多活建议采用三中心部署。如果同城主备可以采用集群级的异步复制，异地建议采用集群级的binlog异步复制，建议实例的主备节点设置在同城两个双活数据中心，仲裁节点三机房部署；异地灾备单独启实例与本地实例进行数据库间同步，也可以将本地备份文件T+1恢复到异地灾备。
数据一致性
分布式数据库大多都是通过获取全局时钟时间戳，采用二阶段提交，可以实现一致性的保证，分库分表架构对于事务的一致性，需要应用层考虑，比如通过合理的分区键设计来规避。部分分布式数据库对于跨节点事务目前还是实现的最终一致，对于全局一致性读，一般通过引入类似全局时间戳的组件统一管理全局事务，在数据库选型时可以重点关注厂商对这一块的实现。如果目前暂时无法提供全局一致性读的分布式数据库，对于要依赖分布式事务“中间状态”的业务，优先进行业务改造进行规避，其次通过合理的数据分片设计让其在单节点内完成。
数据分析
分布式数据库，多采用存算分离架构。针对数据分析场景，需要对数据从下层存储节点上移到计算节点，这对分布式数据库提出了更高的要求。一方面可通过算子下推等技术，减少需传输到计算节点的数量；一方面针对汇聚后的结果需要通过流式处理等方式，规避诸如OOM的问题；此外也可采用如MPP等并行处理技术，加速数据分析过程。
2).选型过程问题痛点分析
在选型过程中，会遇到来自以下几方面的痛点。
一是由于分布式数据库整体架构还比较新，也是近十年来逐步发展完善的。针对新型架构的诸多特点，包括厂商和用户还都在不断摸索积累之中，还需要有个长期实践的过程。此外，新架构也需要有个逐步成熟完善的过程。
二是大量产品来自国内数据库厂商，其发展周期相对较短，还需要在产品成熟度、稳定性、周边生态等方面不断完善。对于用户来说，一方面需面临产品多、技术栈多的现状；另一方面还需面对成熟度不足等问题，存在较多痛点。
三是近些年金融行业发展迅速，各种新的业态产品不断涌现，这些对作为底层数据基础的数据库也提出了更高的要求。
四是随着内外部环境的变化，自主可控等问题受到更多的关注。金融行业首当其冲，针对上述问题也需要引起足够的重视。在数据库选型问题上，也需要考虑这一因素。这无疑对用户选择带来一定困难。
2. 数据库选型技术架构
1).分布式路线分析
针对分布式数据库的发展路线，大体可分为两种：
分布式中间件
这种架构是从中间件路线演进而来。其采用存储与计算分离架构，底层采用标准单机数据库，副本间基于数据库主从复制机制。上层承担计算，并可将部分计算下推到存储节点执行。这种架构在分布式事务、全局MVCC等方面，往往存在一定难点，各厂商也有各自解决之道。
原生分布式
这种架构正是受到Google论文影响演进而来。其采用存储与计算分离架构，底层采用单机库(不一定是关系型)，副本间采用分布式一致性协议完成复制，支持多数派提交。上层承担计算，并可将部分计算下推到存储节点执行。
2).重点需求满足情况
针对上述遇到的痛点，两类产品实现逻辑也所有不同。
3). 路线场景分析
从数据使用场景来讲，可大致按下面进行划分：
针对不同的场景，不同分布式数据库路线产品各有所长。
针对事务类场景下，强调高并发联机交易、对分析能力要求不高的场景比较适合分布式中间件路线产品。
针对事务类及事务/分析混合类场景，既要满足常规联机交易场景的同时，还需满足分析类的一部分能力，这种情况比较适合原生分布式产品。基于原生分布式的 HTAP 数据库，用一个数据平台应对规模化交易和实时分析，提升业务决策的时效性，降低数据技术栈的复杂性，越来越多的混合负载需求推动了 HTAP 在金融场景的落地。
3. 金融业 HTAP 应用场景实践
1). 金融场景下 HTAP 的分析
在金融企业数字化转型的过程中，各类业务对“海量、实时、在线”的数据需求变得愈发迫切。在金融企业运营场景中，实时推荐、精准营销是企业提升竞争力的一大因素。在企业风险控制场景中，实时风控、反欺诈等业务开展可以更早地识别和阻断风险可以让企业减少损失，HTAP正是基于上述背景诞生出的需求，为各类实时数据处理需求提供了解决方案。
2).某金融用户 HTAP 的架构设计和实践
随着金融市场同业业务的蓬勃发展，业务部门对于交易数据的实时统计分析和展现有了急切的需求。基于大数据技术栈的 T+1 报表模式，已无法满足业务部门通过实时分析交易发生情况来防范风险以及提供决策的需求，迫切的需要找到一种能让数据实时变现的解决方案。结合金融行业特点，在技术选型过程中，重点考察待选产品如下能力：包括承载业务复杂查询处理、海量数据容量存储、应用透明无侵入、开发协议可适配及混合负载下的表现等。经过测试，选择 TiDB 作为基础数据库平台。通过一段时间上线使用，满足业务场景，基于其 HTAP 的特性，打造金融市场实时数据平台，目前已投产了灵活报表和交易对手分析等功能。整个处理流程包括：
Flink 消费交易系统产生的实时增量数据，对部分事实表进行拉宽处理并写入TiDB
维表和其他明细表直接写入 TiDB
BI 工具直接连接 TiDB，提供秒级的实时计算和分析能力
这一案例中，构建千万及以上数据规模、超过五张表的复杂关联实时查询能力，让业务人员在极短的时间内（大部分报表执行时间为几十到几百毫秒、个别报表秒级别）获得实时交易的详情。
3).未来 HTAP 的场景发展
实时数据处理技术还以某些具体的应用场景为主，从现状来看以事件驱动类、流式管道数据计算类为代表的场景，已经开始使用 HTAP 场景的。未来随着 HTAP 计算能力进一步的提升，实时全量数据的计算将带来更多场景。
4. 面向未来的架构趋势
1).云原生
从未来的发展趋势来看，云方向是一个大的趋势。
从上图可见，云数据库的发展经历了几个阶段，从云托管、云服务、云原生之路。
云托管，是最接近传统数据库系统的部署模式。本质是将原本部署于IDC机房内物理服务器上的传统数据库软件部署在了云主机上。这种模式下，云平台提供诸如高可用、异地灾备、备份恢复、数据安全、SQL审计、性能优化和状态监测等企业级数据库管理能力，用户可减少运维投入即可享受之前同等的服务水平。
云服务，之前的托管架构中，受限于传统数据库架构的局限，未能完全发挥云计算的优势。在诸如弹性扩展、高性能、高可用等方面，均有不足。到了云服务时代，充分利用云基础设施的底层能力，提供定制化的数据库产品。
云原生，与之前的云服务架构不同，这一阶段产品将更为充分地利用云基础设施的能力，通过多层资源解耦，可享受云带来的弹性扩展、按需供给、超大规模能力。真正做到了数据库与云的深度结合。从长期来看，金融机构逐渐把业务和技术向云原生演进，实现传统应用迁移上云和云原生改造是重要的方向。在这个过程中需要考虑分布式数据库对 K8s、微服务应用的支持，提供高效、弹性调度能力，同时需要兼顾开发运维和敏捷度。
2).多云方向
云作为未来主流的资源供给方式，多云必然是企业不得不考虑的问题。多云通常指金融机构同时采用多种不同的云环境组合来满足业务需求的多样性和金融业监管的要求。如何围绕数据打造面向未来的多云 IT 架构，满足在多云之间提供数据服务能力，摆脱单一供应商的弊端，是必须考虑的问题。多云架构对分布式数据库的考察重点聚焦于跨地域、跨公有私有云、跨本地 IDC 和 K8S 的部署、服务提供与统一运维能力等。
1. 金融业数据库选型背景
随着企业数字化转型深入，对于数据使用场景也呈现多元化趋势，正有越来越多数据被企业利用起来。金融行业作为数据库应用“高地”，这一趋势表现更为明显。同时我们也看到，近些年来数据库领域也发展迅速，有分布式数据库、多模数据库、云数据库为代表的产品不断涌现。这些新兴数据库在特定场景有很好的使用前景。基于上面两种趋势，金融行业很多企业都在面临选择数据库的问题。
1).选型技术层面要素分析
从技术角度来看，在数据库选型中有哪些要素需要考虑呢？下面以近期比较关注的分布式数据库的选型为例，说明下重点考量的技术要素。
分布式事务
分布式架构，自然会带来分布式事务的问题。由于需要跨节点的网络交互，因此较单机事务会有很多损耗。随之带来的是事务处理时间较长、事务期间的锁持有时间也会增加，数据库的并发性和扩展性也会受到影响。针对单笔事务来说，分布式事务执行效率是肯定会有降低的，分布式带来的更多是整体处理能力的提升。
性能
由于分布式数据库通常使用的二阶段提交和各节点之间的网络交互会有性能损耗，分布式数据库优势不是单个简单SQL的性能，而是大数据量的SQL查询，每个节点会将过滤之后的数据集进行返回，会提升性能，并且分布式数据库的优势是并发，大量的SQL并发也会比单机数据库强大，应用需要做分布式架构的适配，将串行执行机制尽量都改造成并发处理。对于含有需要节点间数据流动的SQL语句的事务，OLTP类的分布式数据库处理效率一般较差，事务处理时间会较长，事务期间的锁持有时间也会增加，数据库的并发性和扩展性也会受到影响。建议尽量改造存在跨节点数据流动的SQL语句（主要是多表关联）的事务。
数据备份
分布式数据库的一致性保证通过内部时钟机制所提供的全局时间戳，所有节点都会遵循该机制，所以备份恢复的增量也是基于全局时间戳，但是分布式数据库的备份解决方案最重要的标志为是否支持物理级的备份，物理级的备份会比逻辑的备份性能吞吐大很多，还有就是是否支持一些分布式备份方案，比如S3协议接口，是否支持压缩等功能。分布式数据库基本都具备备份和恢复方案，通常从备节点进行连续备份（全量+日志），恢复的时候指定节点进行恢复到指定时间点，整个过程可配置自动任务、自动执行。
高可用
分布式数据库大多都是基于多数派协议，同城双中心不适合多数派的要求，同城数据级多活建议采用三中心部署。如果同城主备可以采用集群级的异步复制，异地建议采用集群级的binlog异步复制，建议实例的主备节点设置在同城两个双活数据中心，仲裁节点三机房部署；异地灾备单独启实例与本地实例进行数据库间同步，也可以将本地备份文件T+1恢复到异地灾备。
数据一致性
分布式数据库大多都是通过获取全局时钟时间戳，采用二阶段提交，可以实现一致性的保证，分库分表架构对于事务的一致性，需要应用层考虑，比如通过合理的分区键设计来规避。部分分布式数据库对于跨节点事务目前还是实现的最终一致，对于全局一致性读，一般通过引入类似全局时间戳的组件统一管理全局事务，在数据库选型时可以重点关注厂商对这一块的实现。如果目前暂时无法提供全局一致性读的分布式数据库，对于要依赖分布式事务“中间状态”的业务，优先进行业务改造进行规避，其次通过合理的数据分片设计让其在单节点内完成。
数据分析
分布式数据库，多采用存算分离架构。针对数据分析场景，需要对数据从下层存储节点上移到计算节点，这对分布式数据库提出了更高的要求。一方面可通过算子下推等技术，减少需传输到计算节点的数量；一方面针对汇聚后的结果需要通过流式处理等方式，规避诸如OOM的问题；此外也可采用如MPP等并行处理技术，加速数据分析过程。
2).选型过程问题痛点分析
在选型过程中，会遇到来自以下几方面的痛点。
一是由于分布式数据库整体架构还比较新，也是近十年来逐步发展完善的。针对新型架构的诸多特点，包括厂商和用户还都在不断摸索积累之中，还需要有个长期实践的过程。此外，新架构也需要有个逐步成熟完善的过程。
二是大量产品来自国内数据库厂商，其发展周期相对较短，还需要在产品成熟度、稳定性、周边生态等方面不断完善。对于用户来说，一方面需面临产品多、技术栈多的现状；另一方面还需面对成熟度不足等问题，存在较多痛点。
三是近些年金融行业发展迅速，各种新的业态产品不断涌现，这些对作为底层数据基础的数据库也提出了更高的要求。
四是随着内外部环境的变化，自主可控等问题受到更多的关注。金融行业首当其冲，针对上述问题也需要引起足够的重视。在数据库选型问题上，也需要考虑这一因素。这无疑对用户选择带来一定困难。
2. 数据库选型技术架构
1).分布式路线分析
针对分布式数据库的发展路线，大体可分为两种：
分布式中间件
这种架构是从中间件路线演进而来。其采用存储与计算分离架构，底层采用标准单机数据库，副本间基于数据库主从复制机制。上层承担计算，并可将部分计算下推到存储节点执行。这种架构在分布式事务、全局MVCC等方面，往往存在一定难点，各厂商也有各自解决之道。
原生分布式
这种架构正是受到Google论文影响演进而来。其采用存储与计算分离架构，底层采用单机库(不一定是关系型)，副本间采用分布式一致性协议完成复制，支持多数派提交。上层承担计算，并可将部分计算下推到存储节点执行。
2).重点需求满足情况
针对上述遇到的痛点，两类产品实现逻辑也所有不同。
3). 路线场景分析
从数据使用场景来讲，可大致按下面进行划分：
针对不同的场景，不同分布式数据库路线产品各有所长。
针对事务类场景下，强调高并发联机交易、对分析能力要求不高的场景比较适合分布式中间件路线产品。
针对事务类及事务/分析混合类场景，既要满足常规联机交易场景的同时，还需满足分析类的一部分能力，这种情况比较适合原生分布式产品。基于原生分布式的 HTAP 数据库，用一个数据平台应对规模化交易和实时分析，提升业务决策的时效性，降低数据技术栈的复杂性，越来越多的混合负载需求推动了 HTAP 在金融场景的落地。
3. 金融业 HTAP 应用场景实践
1). 金融场景下 HTAP 的分析
在金融企业数字化转型的过程中，各类业务对“海量、实时、在线”的数据需求变得愈发迫切。在金融企业运营场景中，实时推荐、精准营销是企业提升竞争力的一大因素。在企业风险控制场景中，实时风控、反欺诈等业务开展可以更早地识别和阻断风险可以让企业减少损失，HTAP正是基于上述背景诞生出的需求，为各类实时数据处理需求提供了解决方案。
2).某金融用户 HTAP 的架构设计和实践
随着金融市场同业业务的蓬勃发展，业务部门对于交易数据的实时统计分析和展现有了急切的需求。基于大数据技术栈的 T+1 报表模式，已无法满足业务部门通过实时分析交易发生情况来防范风险以及提供决策的需求，迫切的需要找到一种能让数据实时变现的解决方案。结合金融行业特点，在技术选型过程中，重点考察待选产品如下能力：包括承载业务复杂查询处理、海量数据容量存储、应用透明无侵入、开发协议可适配及混合负载下的表现等。经过测试，选择 TiDB 作为基础数据库平台。通过一段时间上线使用，满足业务场景，基于其 HTAP 的特性，打造金融市场实时数据平台，目前已投产了灵活报表和交易对手分析等功能。整个处理流程包括：
Flink 消费交易系统产生的实时增量数据，对部分事实表进行拉宽处理并写入TiDB
维表和其他明细表直接写入 TiDB
BI 工具直接连接 TiDB，提供秒级的实时计算和分析能力
这一案例中，构建千万及以上数据规模、超过五张表的复杂关联实时查询能力，让业务人员在极短的时间内（大部分报表执行时间为几十到几百毫秒、个别报表秒级别）获得实时交易的详情。
3).未来 HTAP 的场景发展
实时数据处理技术还以某些具体的应用场景为主，从现状来看以事件驱动类、流式管道数据计算类为代表的场景，已经开始使用 HTAP 场景的。未来随着 HTAP 计算能力进一步的提升，实时全量数据的计算将带来更多场景。
4. 面向未来的架构趋势
1).云原生
从未来的发展趋势来看，云方向是一个大的趋势。
从上图可见，云数据库的发展经历了几个阶段，从云托管、云服务、云原生之路。
云托管，是最接近传统数据库系统的部署模式。本质是将原本部署于IDC机房内物理服务器上的传统数据库软件部署在了云主机上。这种模式下，云平台提供诸如高可用、异地灾备、备份恢复、数据安全、SQL审计、性能优化和状态监测等企业级数据库管理能力，用户可减少运维投入即可享受之前同等的服务水平。
云服务，之前的托管架构中，受限于传统数据库架构的局限，未能完全发挥云计算的优势。在诸如弹性扩展、高性能、高可用等方面，均有不足。到了云服务时代，充分利用云基础设施的底层能力，提供定制化的数据库产品。
云原生，与之前的云服务架构不同，这一阶段产品将更为充分地利用云基础设施的能力，通过多层资源解耦，可享受云带来的弹性扩展、按需供给、超大规模能力。真正做到了数据库与云的深度结合。从长期来看，金融机构逐渐把业务和技术向云原生演进，实现传统应用迁移上云和云原生改造是重要的方向。在这个过程中需要考虑分布式数据库对 K8s、微服务应用的支持，提供高效、弹性调度能力，同时需要兼顾开发运维和敏捷度。
2).多云方向
云作为未来主流的资源供给方式，多云必然是企业不得不考虑的问题。多云通常指金融机构同时采用多种不同的云环境组合来满足业务需求的多样性和金融业监管的要求。如何围绕数据打造面向未来的多云 IT 架构，满足在多云之间提供数据服务能力，摆脱单一供应商的弊端，是必须考虑的问题。多云架构对分布式数据库的考察重点聚焦于跨地域、跨公有私有云、跨本地 IDC 和 K8S 的部署、服务提供与统一运维能力等。
✋热门推荐