深圳出招降二手房成本:欠500万立省10万
文章来源: 时代周报 于 2022-09-02 22:11:1 - 新闻取自各大新闻媒体，新闻内容并不代表本人立场！
(被阅读 23495 次)A- A A+
继济南、昆明之后，深圳也开始试点 " 带押过户 " 二手房交易服务。
据深圳市坪山公证处 9 月 1 日消息，坪山公证处近期完成深圳首例 " 公证提存 + 免赎楼带押过户 " 二手房交易服务。与目前通行的 " 先赎楼再过户 " 模式相比，新模式引入具有政府信用背书的独立第三方机构公证处，打通交易环节，实现带抵押过户，免除赎楼担保费用，降低二手房交易成本。
坪山公证处称，" 带押过户 " 模式可以将交易成本直接降低 1/3。根据目前市场普遍执行的按欠款金额的 2% 计算赎楼成本，欠款 300 万元可节省 6 万元，欠款 500 万元可节省 10 万元。
交易成本直降 1/3
时代周报记者了解到，" 带押过户 " 二手房交易模式基本流程包括：交易双方及债权人（抵押权人）共同与公证处签署公证提存服务协议；买家将购房款监管在公证处提存专用账户；抵押权人同意在抵押状态过户并配合办理手续，交易各方共同向不动产登记部门申请，在不注销原抵押权的状态下，直接将房产过户到买家名下；公证处进行资金结算并注销抵押权；如果买家有贷款的话，再抵押给买家的贷款银行。
易居研究院智库中心研究总监严跃进指出，从流程方面看，过去的模式是 " 房东筹钱偿还二手房剩余贷款 - 房东卖房 - 买家付款 - 房东收款 "，现在的模式是 " 房东卖房 - 买家付款 - 房东偿还二手房剩余贷款和收款 "。不过，深圳二手房交易中，赎楼通常由买家承担，只有卖家急售的情况下，才会是卖家赎楼。
深圳首批试点交易于 6 月中旬启动，7 月底完成带抵押过户、资金结算及抵押登记注销，8 月中旬完成房屋交接及尾款结算工作，涉及超 10 套房产、4000 多万元交易资金。
与目前普遍采用的 " 先赎楼再过户 " 模式相比，" 公证提存 + 免赎楼带押过户 " 二手房交易模式，解决了交易双方及债权人（抵押权人）关于交易流程安全、资金安全、债权安全的担忧，缩短交易周期，降低交易成本。
坪山公证处表示，" 公证提存 + 免赎楼带押过户 " 模式，免去赎楼环节，也为交易双方节省赎楼过程中产生的赎楼资金利息、担保费等赎楼费用。按目前市场一般赎楼费用测算，可以将交易成本直接降低 1/3。对于被查封房产的交易，由于赎楼的费用更高，降低的比例无疑更大。
中原地产华侨城纯水岸高级店董罗建明告诉时代周报记者，目前赎楼有两种方式，现金赎楼和额度赎楼。具体而言，现金赎楼是卖家或买家通过担保公司垫付资金赎楼；额度赎楼是卖家向银行申请提前还款，由银行指定具有担保赎楼额度的担保公司进行赎楼。
罗建明介绍，现金赎楼由担保公司用自有资金先行垫付，只有担保费，按天计息，一天万八左右，金额大的还能做到万六一天，一般 5 到 8 天就能走完流程，欠款 1000 万元赎楼成本约 4.8 万元。额度赎楼成本包括担保费和利息，担保费通常是欠款金额的 1%，利息是 0.6%-1%，整体费用在 2% 左右，欠款 300 万元的赎楼成本约 6 万元。
时代周报记者查询坪山公证处官网了解到，提存公证事务按提存金额的千分之三收费，除公证费用外，其他可能产生的费用还有公告费、发函邮寄费、保管费等法律服务费用。
图源：坪山公证处官网
多名经纪人向时代周报记者表示，千分之三的费用不算低，但考虑到赎楼时银行放款速度存在不确定性，提存公证的收费还是实惠很多。
有望提升二手房流通效率
" 带押过户 " 并非深圳首试。
8 月初，昆明举行存量房 " 带抵押过户 " 合并登记工作启动仪式，成功办理云南首笔二手房 " 带抵押过户 " 合并登记业务，现场颁发云南首本二手房 " 带抵押过户 " 不动产证。8 月中，济南市委、市政府召开新闻发布会，推出二手房 " 带押过户 " 登记新模式。
" 带押过户 " 首批试点城市深圳、昆明、济南有一个共同点——二手房市场表现平淡，7 月的二手住宅销售价格指数环比、同比均有所下降，同比降幅最大的是深圳，达 3.5%。
据深圳市房地产信息平台统计，8 月深圳二手商品房成交 22.68 万平方米（2363 套），同比下降 0.24%。其中，二手商品住宅成交 19.34 万平方米（2000 套），同比下跌 0.19%。今年 1-8 月，深圳二手住宅成交量为 12444 套，月均成交 1555.5 套，创下历史新低。
市场低迷，买家持续观望，卖家挂牌价连续下调。
据乐有家研究中心统计，过去近一年，深圳挂牌价与参考价差距在 10% 以内的房源增加一倍，挂牌价高于参考价 3 成以下占比由 1 年前的 30% 左右增长至 50% 左右，说明挂牌价接近参考价的房源增多，更多业主降低预期，参考价成为买卖双方博弈的重要参考线。值得注意的是，7 月深圳有约 6 成二手房以接近参考价成交。
挂牌价偏差值 =（挂牌价 - 参考价）/ 参考价，用来衡量业主挂牌价与参考价的对比。
交易成本下降，能否带动购房者入市？
广东省城规院住房政策研究中心首席研究员李宇嘉认为，今年以来，深圳二手房成交量创新低，市场预期不足是重要原因，但交易环节的周期太长、成本太高，同样导致部分刚需和换房需求难以实现。" 深圳不仅换房需求大，刚需也很大。在新房高房价、大户型化、豪宅化的情况下，小户型、总价可控的二手房，是新市民上车和扎根的重要选择。降低成本、缩短周期，有助于新市民购房，也能促进换房需求。"
李宇嘉认为，随着央行继续大幅度降低 LPR 水平，各项楼市调整政策效力开始显现，叠加此次 " 带押过户 "，有助于提升市场的信心和预期，对二手房市场触底企稳有积极作用，也有望提升房屋流通效率，促进良性循环，稳定销售规模。
文章来源: 时代周报 于 2022-09-02 22:11:1 - 新闻取自各大新闻媒体，新闻内容并不代表本人立场！
(被阅读 23495 次)A- A A+
继济南、昆明之后，深圳也开始试点 " 带押过户 " 二手房交易服务。
据深圳市坪山公证处 9 月 1 日消息，坪山公证处近期完成深圳首例 " 公证提存 + 免赎楼带押过户 " 二手房交易服务。与目前通行的 " 先赎楼再过户 " 模式相比，新模式引入具有政府信用背书的独立第三方机构公证处，打通交易环节，实现带抵押过户，免除赎楼担保费用，降低二手房交易成本。
坪山公证处称，" 带押过户 " 模式可以将交易成本直接降低 1/3。根据目前市场普遍执行的按欠款金额的 2% 计算赎楼成本，欠款 300 万元可节省 6 万元，欠款 500 万元可节省 10 万元。
交易成本直降 1/3
时代周报记者了解到，" 带押过户 " 二手房交易模式基本流程包括：交易双方及债权人（抵押权人）共同与公证处签署公证提存服务协议；买家将购房款监管在公证处提存专用账户；抵押权人同意在抵押状态过户并配合办理手续，交易各方共同向不动产登记部门申请，在不注销原抵押权的状态下，直接将房产过户到买家名下；公证处进行资金结算并注销抵押权；如果买家有贷款的话，再抵押给买家的贷款银行。
易居研究院智库中心研究总监严跃进指出，从流程方面看，过去的模式是 " 房东筹钱偿还二手房剩余贷款 - 房东卖房 - 买家付款 - 房东收款 "，现在的模式是 " 房东卖房 - 买家付款 - 房东偿还二手房剩余贷款和收款 "。不过，深圳二手房交易中，赎楼通常由买家承担，只有卖家急售的情况下，才会是卖家赎楼。
深圳首批试点交易于 6 月中旬启动，7 月底完成带抵押过户、资金结算及抵押登记注销，8 月中旬完成房屋交接及尾款结算工作，涉及超 10 套房产、4000 多万元交易资金。
与目前普遍采用的 " 先赎楼再过户 " 模式相比，" 公证提存 + 免赎楼带押过户 " 二手房交易模式，解决了交易双方及债权人（抵押权人）关于交易流程安全、资金安全、债权安全的担忧，缩短交易周期，降低交易成本。
坪山公证处表示，" 公证提存 + 免赎楼带押过户 " 模式，免去赎楼环节，也为交易双方节省赎楼过程中产生的赎楼资金利息、担保费等赎楼费用。按目前市场一般赎楼费用测算，可以将交易成本直接降低 1/3。对于被查封房产的交易，由于赎楼的费用更高，降低的比例无疑更大。
中原地产华侨城纯水岸高级店董罗建明告诉时代周报记者，目前赎楼有两种方式，现金赎楼和额度赎楼。具体而言，现金赎楼是卖家或买家通过担保公司垫付资金赎楼；额度赎楼是卖家向银行申请提前还款，由银行指定具有担保赎楼额度的担保公司进行赎楼。
罗建明介绍，现金赎楼由担保公司用自有资金先行垫付，只有担保费，按天计息，一天万八左右，金额大的还能做到万六一天，一般 5 到 8 天就能走完流程，欠款 1000 万元赎楼成本约 4.8 万元。额度赎楼成本包括担保费和利息，担保费通常是欠款金额的 1%，利息是 0.6%-1%，整体费用在 2% 左右，欠款 300 万元的赎楼成本约 6 万元。
时代周报记者查询坪山公证处官网了解到，提存公证事务按提存金额的千分之三收费，除公证费用外，其他可能产生的费用还有公告费、发函邮寄费、保管费等法律服务费用。
图源：坪山公证处官网
多名经纪人向时代周报记者表示，千分之三的费用不算低，但考虑到赎楼时银行放款速度存在不确定性，提存公证的收费还是实惠很多。
有望提升二手房流通效率
" 带押过户 " 并非深圳首试。
8 月初，昆明举行存量房 " 带抵押过户 " 合并登记工作启动仪式，成功办理云南首笔二手房 " 带抵押过户 " 合并登记业务，现场颁发云南首本二手房 " 带抵押过户 " 不动产证。8 月中，济南市委、市政府召开新闻发布会，推出二手房 " 带押过户 " 登记新模式。
" 带押过户 " 首批试点城市深圳、昆明、济南有一个共同点——二手房市场表现平淡，7 月的二手住宅销售价格指数环比、同比均有所下降，同比降幅最大的是深圳，达 3.5%。
据深圳市房地产信息平台统计，8 月深圳二手商品房成交 22.68 万平方米（2363 套），同比下降 0.24%。其中，二手商品住宅成交 19.34 万平方米（2000 套），同比下跌 0.19%。今年 1-8 月，深圳二手住宅成交量为 12444 套，月均成交 1555.5 套，创下历史新低。
市场低迷，买家持续观望，卖家挂牌价连续下调。
据乐有家研究中心统计，过去近一年，深圳挂牌价与参考价差距在 10% 以内的房源增加一倍，挂牌价高于参考价 3 成以下占比由 1 年前的 30% 左右增长至 50% 左右，说明挂牌价接近参考价的房源增多，更多业主降低预期，参考价成为买卖双方博弈的重要参考线。值得注意的是，7 月深圳有约 6 成二手房以接近参考价成交。
挂牌价偏差值 =（挂牌价 - 参考价）/ 参考价，用来衡量业主挂牌价与参考价的对比。
交易成本下降，能否带动购房者入市？
广东省城规院住房政策研究中心首席研究员李宇嘉认为，今年以来，深圳二手房成交量创新低，市场预期不足是重要原因，但交易环节的周期太长、成本太高，同样导致部分刚需和换房需求难以实现。" 深圳不仅换房需求大，刚需也很大。在新房高房价、大户型化、豪宅化的情况下，小户型、总价可控的二手房，是新市民上车和扎根的重要选择。降低成本、缩短周期，有助于新市民购房，也能促进换房需求。"
李宇嘉认为，随着央行继续大幅度降低 LPR 水平，各项楼市调整政策效力开始显现，叠加此次 " 带押过户 "，有助于提升市场的信心和预期，对二手房市场触底企稳有积极作用，也有望提升房屋流通效率，促进良性循环，稳定销售规模。
大兆极存VirtualStor® FlashGo数据减量与复制功能，让企业转型节奏更流畅
进入数字时代，许多企业需要强化数据竞争力，期望打造更强大的数据存储库，高效率地推动数据收集、整理、清洗、存储、分析与应用，力求快速变现数据价值、及时响应客户需求。因此存储系统对企业的重要性与日俱增，谁能在存储设备的效能、空间与成本之间找出平衡点，谁就更有机会跃居成为市场赢家。
有鉴于此，大兆极存凭借多年在产品研发和技术上的积累，精心打造了VirtualStor FlashGo全闪存存储数组（All Flash Array, AFA），搭配自行开发的SIMOStor存储软件，展现优异的数据减量、Clone、Fast Clone等关键技术力，让企业在高性价比基础上，大幅提升虚拟化、数据库的应用性能，汇聚丰富的业务创新能量。
经克隆复制12份 Windows 10 ISO文件后，VirtualStor FlashGo数据减量比可接近12:1
数据减量效益显著，可完全抵消差价因素
根据Gartner于今年六月发布的存储市场报告显示，Q1 AFA的占有率为48.9%，与HDD／Hybrid的51.1%占比差距甚微，几乎平分秋色。回顾2021年Q1，AFA占有率仅44.3%，落后HDD／Hybrid数组的55.7%多达11个百分点。显见在疫情催化数字转型的氛围下，企业对AFA的接受度极速上升。
然而根据Gartner另一份报告显示，现今AFA的平均售价仍为HDD／Hybrid数组的4~5倍之多；让人不禁纳闷，为何这么多企业宁愿忍受价差而购置AFA？
其主要关键在于「数据减量」，AFA具有远远优于HDD／Hybrid数组的高IOPS优势，更游刃有余支持重复数据删除（Deduplication）与压缩运算，能针对企业应用平均发挥3~5倍的数据减量效果，尤其针对虚拟化应用，更展现7~12的超高减量比，有效降低企业对存储空间的扩充需求，往来之间，几乎将价差因素消除殆尽。
谈及VirtualStor FlashGo的数据减量功能，是以两层式Mapping架构来展现。用户在它的Virtual Volume写入数据后，数据会先流向Storage Pool，经过第一层Deduplication引擎执行重复数据删除，再透过第二层Compression引擎执行压缩，最终才写进SSD，平均达到3:1减量比。
Fast Clone奏功，让Volume复制效率激增30倍
好的事情，当然不能只做一半。对于虚拟化环境，除需借助数据减量技术来实现空间节省效益外，也需结合先进克隆技术来提升虚拟机的复制作业性能。对此，VirtualStor FlashGo以Golden Image为基础，提供了颇具独特性的快速克隆功能。
假如有一个Volume需要创建空间给虚拟机使用，若采用一般克隆技术，动辄需要耗费数分钟才能复制出另一个Volume。倘若采用VirtualStor FlashGo的快速克隆技术，就会先将Source Image转换成Golden Image，变为只读状态，接着执快速克隆动作，无论空间大小，都只需要3秒钟就能完成复制任务。
举例来说，有一个30GB大小的Base Volume，克隆一个Volume需要花上90秒，那么克隆六个Volume的总时间就会来到540秒。同样的作业历程若发生在VirtualStor FlashGo环境，便可动用快速克隆技术，使得克隆六个Volume的总时间骤减为仅有18秒，前后差距高达30倍。
假使一个VM ISO檔已被作成Template，原则上内容不会再变动，那么它就很适合作为Standard Image，进而搭配VirtualStor FlashGo的快速克隆技术，大幅提升复制效率。
中标：「重复数据删除＋复制」，大幅节省112倍空间
接着可以根据一些测试情境，具体彰显数据减量、Clone／Fast Clone所能发挥的综合效能。
有一个承载Windows Server 2016操作系统的VM，它对应到的Base Volume，统计出来的Consumer Data量为30 GiB，经过重复数据删除后，实际落碟的数据量略减为28GiB。在VirtualStor FlashGo的场景下，企业希望以上述VM为基准，根据快速克隆技术复制出另外10个Volume；由于快速克隆仅增加小量Meta Data，使得这10个被复制出来的VM，实际的Consumer Data及Volume用量仅微量增加约2.5GiB，而不是按照常理推论的「28GiB per VM *10VM=280GiB」，等同于大幅节省112倍空间，数据减量的价值在此彰显无遗。
深究快速克隆的执行速度之所以快，系因它的操作过程只涉及指标的对照，而没有实际上的数据拷贝行为，适合用在来源端「万年不变」的VM复制情境。如果在VirtualStor FlashGo环境中，欲针对一些来源端可能天天变动的Volume进行复制，显然就不适用于快速克隆、而仅能回归到基本克隆技术。
但即便只是「克隆＋重复数据删除／压缩」的场景，仍足以产生巨大效益。有一个Win10 ISO，数据量为35GB，今天企业把它作为基础，欲克隆出另外12份Win10 ISO；拜重复数据删除引擎所赐，等于12份只占1份空间，再结合压缩技术，使得最终12份Win10 ISO实际硬盘的数据量仅32GiB，换算成数据减量比高达11.95:1。
综上所述，企业一旦启用VirtualStor FlashGo AFA系统，意欲复制相同大小的Volume，可望节省多达30倍的作业时间。同时还能大幅节省112倍的存储空间。显而易见，借由高性能数据减量、数据复制的技术加持，确实能带动虚拟化环境、甚至数据库环境的应用效能显著提升，反观HDD／Hybrid数组则无法呈现相同利基；足见VirtualStor FlashGo对于企业数字转型的助攻效果，肯定比旧式存储数组高出许多。
进入数字时代，许多企业需要强化数据竞争力，期望打造更强大的数据存储库，高效率地推动数据收集、整理、清洗、存储、分析与应用，力求快速变现数据价值、及时响应客户需求。因此存储系统对企业的重要性与日俱增，谁能在存储设备的效能、空间与成本之间找出平衡点，谁就更有机会跃居成为市场赢家。
有鉴于此，大兆极存凭借多年在产品研发和技术上的积累，精心打造了VirtualStor FlashGo全闪存存储数组（All Flash Array, AFA），搭配自行开发的SIMOStor存储软件，展现优异的数据减量、Clone、Fast Clone等关键技术力，让企业在高性价比基础上，大幅提升虚拟化、数据库的应用性能，汇聚丰富的业务创新能量。
经克隆复制12份 Windows 10 ISO文件后，VirtualStor FlashGo数据减量比可接近12:1
数据减量效益显著，可完全抵消差价因素
根据Gartner于今年六月发布的存储市场报告显示，Q1 AFA的占有率为48.9%，与HDD／Hybrid的51.1%占比差距甚微，几乎平分秋色。回顾2021年Q1，AFA占有率仅44.3%，落后HDD／Hybrid数组的55.7%多达11个百分点。显见在疫情催化数字转型的氛围下，企业对AFA的接受度极速上升。
然而根据Gartner另一份报告显示，现今AFA的平均售价仍为HDD／Hybrid数组的4~5倍之多；让人不禁纳闷，为何这么多企业宁愿忍受价差而购置AFA？
其主要关键在于「数据减量」，AFA具有远远优于HDD／Hybrid数组的高IOPS优势，更游刃有余支持重复数据删除（Deduplication）与压缩运算，能针对企业应用平均发挥3~5倍的数据减量效果，尤其针对虚拟化应用，更展现7~12的超高减量比，有效降低企业对存储空间的扩充需求，往来之间，几乎将价差因素消除殆尽。
谈及VirtualStor FlashGo的数据减量功能，是以两层式Mapping架构来展现。用户在它的Virtual Volume写入数据后，数据会先流向Storage Pool，经过第一层Deduplication引擎执行重复数据删除，再透过第二层Compression引擎执行压缩，最终才写进SSD，平均达到3:1减量比。
Fast Clone奏功，让Volume复制效率激增30倍
好的事情，当然不能只做一半。对于虚拟化环境，除需借助数据减量技术来实现空间节省效益外，也需结合先进克隆技术来提升虚拟机的复制作业性能。对此，VirtualStor FlashGo以Golden Image为基础，提供了颇具独特性的快速克隆功能。
假如有一个Volume需要创建空间给虚拟机使用，若采用一般克隆技术，动辄需要耗费数分钟才能复制出另一个Volume。倘若采用VirtualStor FlashGo的快速克隆技术，就会先将Source Image转换成Golden Image，变为只读状态，接着执快速克隆动作，无论空间大小，都只需要3秒钟就能完成复制任务。
举例来说，有一个30GB大小的Base Volume，克隆一个Volume需要花上90秒，那么克隆六个Volume的总时间就会来到540秒。同样的作业历程若发生在VirtualStor FlashGo环境，便可动用快速克隆技术，使得克隆六个Volume的总时间骤减为仅有18秒，前后差距高达30倍。
假使一个VM ISO檔已被作成Template，原则上内容不会再变动，那么它就很适合作为Standard Image，进而搭配VirtualStor FlashGo的快速克隆技术，大幅提升复制效率。
中标：「重复数据删除＋复制」，大幅节省112倍空间
接着可以根据一些测试情境，具体彰显数据减量、Clone／Fast Clone所能发挥的综合效能。
有一个承载Windows Server 2016操作系统的VM，它对应到的Base Volume，统计出来的Consumer Data量为30 GiB，经过重复数据删除后，实际落碟的数据量略减为28GiB。在VirtualStor FlashGo的场景下，企业希望以上述VM为基准，根据快速克隆技术复制出另外10个Volume；由于快速克隆仅增加小量Meta Data，使得这10个被复制出来的VM，实际的Consumer Data及Volume用量仅微量增加约2.5GiB，而不是按照常理推论的「28GiB per VM *10VM=280GiB」，等同于大幅节省112倍空间，数据减量的价值在此彰显无遗。
深究快速克隆的执行速度之所以快，系因它的操作过程只涉及指标的对照，而没有实际上的数据拷贝行为，适合用在来源端「万年不变」的VM复制情境。如果在VirtualStor FlashGo环境中，欲针对一些来源端可能天天变动的Volume进行复制，显然就不适用于快速克隆、而仅能回归到基本克隆技术。
但即便只是「克隆＋重复数据删除／压缩」的场景，仍足以产生巨大效益。有一个Win10 ISO，数据量为35GB，今天企业把它作为基础，欲克隆出另外12份Win10 ISO；拜重复数据删除引擎所赐，等于12份只占1份空间，再结合压缩技术，使得最终12份Win10 ISO实际硬盘的数据量仅32GiB，换算成数据减量比高达11.95:1。
综上所述，企业一旦启用VirtualStor FlashGo AFA系统，意欲复制相同大小的Volume，可望节省多达30倍的作业时间。同时还能大幅节省112倍的存储空间。显而易见，借由高性能数据减量、数据复制的技术加持，确实能带动虚拟化环境、甚至数据库环境的应用效能显著提升，反观HDD／Hybrid数组则无法呈现相同利基；足见VirtualStor FlashGo对于企业数字转型的助攻效果，肯定比旧式存储数组高出许多。
【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