深入数智时代，把脉IT动态。ITPUB IT风向标线上沙龙系列直播已经开启，期待您的加入。

日前，ITPUB举办了第一期IT风向标线上沙龙，聚焦数据库技术在金融行业的应用实践，探讨如何有效应对金融行业面临的挑战，推动数据库技术的创新与发展。

随着金融行业数字化转型的加速，数据库技术作为支撑金融行业核心业务的基石，其重要性日益凸显。

本期沙龙，蚂蚁集团高级技术专家于翔、阿里云数据库产品事业部解决方案架构师王荣鑫、人大金仓高级解决方案工程师孟繁明、金篆信科GoldenDB产品市场总监严亮四位专家分享了最新技术趋势和应用实践。

01、图计算在反洗钱及反金融犯罪的应用

金融机构在经营过程中，通常面临各种不同类型的金融犯罪风险。比如欺诈、洗钱、刷单炒信等。风险所带来的危害，与其规模成正比，一些相对危害较弱的风险如果放任其增长，可能带来不可预估的损害(例如刷单炒信)，同时可能导致向其他风险类型扩散。对于危害更加严重的犯罪行为，黑产通常会投入更多精力掩盖其资金转移过程，导致识别难度更高。洗钱作为其他风险的下游，与犯罪行为关联更弱，通常更加难以发现。

于翔指出，数据是金融机构经营行为的映射，风险对抗的核心在于从数据中发现风险、理解风险，善于处理关联关系从数据中产生洞察的图计算在反洗钱及反金融犯罪中大有可为。通过群组计算、特征计算、联合防控，可以有效帮助金融机构进行金融风险管控。

金融犯罪通常由个人、法人团体或黑产集团实施。他们是如何实施的?钱去哪了?把可能带来的风险从大到小排个序，以便识别这些团伙，这就是群组计算的核心思想。在由大量资金关系组成的网络中，通常金额越大，交易群组越复杂，可能带来的洗钱风险也越高。对全量大额交易用户，进行资金、对手重叠等关系发现，最终构成完整的资金群组。

蚂蚁集团自研的群组算法，对金融风险识别能力大幅优于传统方案。通过社区发现识别的风险团伙，通常为粗粒度群组。在团伙发现的基础上，通过自研算法，实现交易/资金维度的精准下探，实现基于资金链路的精细化团伙识别。蚂蚁集团自研的图计算引擎，确保可完成对全量客户的群组检测，不但保证了能够全面覆盖风险，同时可用于分析业务中的资金模式，助力业务发展。

规模较大的群组，金融机构所能获取的信息相对较多。通常可以结合群组的资金模式，以及不同维度的数据发现风险。而对于规模较小的群组，发现风险的难度则大幅提高。可以结合更多维度的特征，进行特征计算。

即便利用群组计算、特征计算对体系内所有与风险相关的数据进行挖掘分析，但是有一些风险仍然覆盖不到。可以通过与金融机构联合防控，能获得更好的防控效果。

02、大型金融机构核心系统数据库挑战与改造实践

国内金融行业的IT建设较早，但是大型金融机构核心系统的数据库仍然面临着挑战。主要体现在以下四个方面：

• 性能不足：数据爆发式增长，带来对数据库更高的性能要求。

• 烟囱林立：数据链路复杂、数据孤岛林立，数据流转成本高。

• 管理复杂：数据库产品百花齐放，机构系统数据量庞大，体系复杂，进行数据库改造，迁移成本高。

• 智能化低：产品运维工具功能参差不齐、可观测性低，诊断能力弱，缺乏故障自愈能力。

阿里云瑶池数据库面向金融机构存在的问题，提出了自己的解决方案和创新思路。阿里云提出了四化发展：

• 云原生化：数据业务加速上云，从资源视角向能力视角演进，为上层应用提供更灵活的业务支撑。

• 平台化：基于云平台提供一站式数据服务，构建标准化API，软硬协同创新;

• 一体化：帮助用户屏蔽掉下面不同业务场景融合方面面临的挑战，多业务场景融合，便捷使用敏捷开发，避免数据搬迁。

• 智能化：提升运维体验，挖掘数据价值，让数据库简单好用。

阿里云通过RDS、PolarDB、AnalyticDB、Lindorm丰富的数据库产品，以及工具生态，提供了创新整体解决方案。据悉，云原生管控集群实现透明的管控服务，统一管理数据库引擎和工具系统。平台具备高可用和多可用区容灾架构，是阿里云自主研发、安全可控，符合金融行业数据库技术需求的云原生解决方案。

王荣鑫讲到，某大型股份制银行，利用云原生分布式数据库PolarDB水平扩展能力，顺利承载了多个A类核心业务系统，完成了对单体MySQL的替换升级。该银行在数据库选型时，除了关注数据库内核，也重点关注了数据库配套的工具生态。阿里云所提供整体解决方案，帮助该银行完成一键分布式改造，大大节省了迁移成本，以及后续的运维成本。

如何保证在迁移过程中数据不丢，是数据迁移的一个核心问题。阿里云从迁移工具和方案流程规划两个方面提供保障。为用户提供DTS迁移工具支持以及稳妥方案流程规划，保障数据不丢。

王荣鑫介绍，阿里云DTS可以从源端把数据以在线实时同步的方式同步到目标端，在同步的过程进行数据校验，保障数据不丢。此外，迁移完数据之后，需要做一个回流链路，有一个回退的方案。

03、人大金仓金融行业数据库国产化最 佳实践

金融行业数据库国产化浪潮正在进行中，孟繁明指出，金融行业数据库国产化选型时，会综合考虑公司实力、生态体系、研发能力、产品能力、服务能力等方面，基于自己的业务场景需求选择合适的数据库。

人大金仓拥有交易库KES、分析型数据库KADB、HTAP分布式数据库KSOne等数据库产品，以及丰富的数据库工具满足金融行业多样化需求。

孟繁明指出，在技术层面，金融业国产化数据库替代实施，迁移和适配是会遇到的两大问题。

数据库承上启下，上下游软硬件生态的适配工作是当下国产数据库发展的重点，拥有丰富的生态体系才能更好支撑国产数据库的落地。人大金仓已经与主流的国产芯片、操作系统、中间件等方面完成适配，超过8000个产品适配认证。

人才是国产数据库发展的一个短板，人才生态建设非常重要，通过联合高校合作进行数据库人才的培训与认证，壮大数据库人才，才能更好推动国产数据库应用。包括人大金仓在内的国产数据库厂商都已经建立了相对完善的人才培育体系。

数据迁移是国产数据库替换的重点和难点，人大金仓通过多模式兼容，数据迁移、上线切换自动化工具及方案，降低数据迁移成本。

在进行数据库迁移时，兼容度非常重要。高度兼容国外数据库，迁移难度更低。人大金仓的数据库产品是可插拔体系架构，可以选择不同的兼容模式，也支持新数据库的兼容开发。人大金仓的迁移工具可以在迁移前做兼容度评估，对于不兼容的部分，工具也能进行翻译，大大增加了效率，降低了成本。

对于重要的金融业务系统，建议采用柔性迁移方案。先迁移存量数据，再迁移增量数据，尽量减少停机窗口，其中比较重要的是对比数据的一致性，为了稳妥起见，降低风险。人大金仓会提供双轨并行方案，提供完善的回退机制。

某银行启动新一代手机银行系统替换原有IBM老旧软硬件环境，实现对底层业务系统和国产数据库整体的应用项目，担心DB2数据库迁移至国产数据库的兼容性及稳定性，其手机银行业务交易量大，注册300万用户，需要停服时间短。人大金仓KES原生兼容IBM DB2 数据库大部分存储过程、函数等，大幅降低迁移成本。数据库迁移工具KDTS提供并行数据迁移能力，高效完成了TB级数据平滑迁移。

04、金篆GoldenDB金融行业应用实践

严亮介绍，近些年，互联网的冲击、集约化经营变革、技术创新、监管要求等为金融业的IT系统带来诸多挑战，而数据库是金融IT架构转型最核心的挑战。新形势下，传统封闭的集中式架构已无法满足业务发展需求，急需进行自主可控的分布式架构改造。

作为一款分布式关系型数据库，GoldenDB设计之初就是为了满足银行核心业务的关键需求，通过全局事务管理机制确保高并发，实时一致的分布式事务控制，实现分布式事务强一致性;满足金融场景的容灾方案;高性能，且性能可线性扩展，数据分片动态调整，数据重分布不影响现有业务;丰富且完善的监控和运维能力，监控、统计和告警设计联动，确保能够快速感知系统状态变化，自动化的切换和故障恢复能力，确保数据库服务的高可用。

目前，金融行业的业务变得多样而复杂，GoldenDB支持单机模式、主备模式、分布式模式多种模式部署，以满足金融机构的多样化需求。

金融业核心业务系统国产化数据库替换，适配与数据迁移是重点和难点。GoldenDB在对国外数据库兼容性以及国产软硬件的适配方面做了大量工作，构建完善的技术生态，保证数据库平滑迁移和替换。数据库生态建设非常重要，每个国产数据库厂商都在积极推进。此外，人才短缺也制约了数据库的发展，各方也在积极推动人才体系建设。

严亮介绍，GoldenDB已经在国有大行、股份制银行、城商行等众多金融机构的关键核心业务系统上线。

有的金融机构会考虑现在和未来多年的业务增长需求，来选择使用分布式数据库，例如，某农信联社新柜面业务系统分布式数据库项目，新一代柜面业务系统为农信联社的重要业务系统，该业务系统的数据库采用Oracle承载，基于对业务的未来演进和发展的考虑，拟采用分布式数据库作为该业务的承载，确保该系统能够系统稳定运行，且可支撑柜面业务未来10年的发展。采用GoldenDB两地三中心建设，拥有业务高连续性，分布式架构的可扩展能力，也能满足其未来10年的业务发展需求。

在最后的圆桌讨论环节，各位老师也分享了他们对金融业数据库发展的深刻见解。专家们认为，2024年对于国产数据库而言，还处在一个持续攻坚的阶段，挑战与机遇并存。能否将过去几年在金融业积累的经验，规模化推广落地非常关键。国产数据库厂商，需要不断提升产品能力与服务能力，才能赢得未来。如何选择一款合适的数据库?建议用户在选型时内外结合综合考虑。企业内部，要明确企业的业务场景需求，也要考虑自身技术、人才储备以及IT预算。外部要考虑数据库厂商的技术、产品和服务能力，是否有成熟案例，产品文档的完善度以及学习成本等。