在當前的數字化環境下，金融機構面臨的高頻業務需求已成常態，並呈現持續擴大的趨勢，這種情況下，對業務連續性及用戶體驗的保障便是金融IT運維面臨的最大挑戰。
支付交易量與日俱增，銀行業承載巨大的運維壓力
國內用戶早已習慣了線上交易，交易量也與日俱增。央行發佈的2018年支付體系運行總體情況顯示，2018年，銀行業金融機構共處理電子支付業務1751.92億筆。其中，網上支付業務570.13億筆，同比增長17.36%。移動支付業務605.31億筆，同比分別增長61.19%。這一現狀，給銀行業的IT運維帶來了巨大壓力，而一年幾度的購物節“大考”，更是一大挑戰，電商平臺的單日交易額不斷的刷新，銀行業交易系統的秒併發量也在不斷的突破上限。
納稅人及稅收管理的互聯網應用需求持續擴大
隨着“互聯網+稅務”行動計劃的深化，稅務信息系統的內部建設與外部互聯程度齊頭並進。隨着外部互聯的加深，各級稅務部門通過在線的方式發佈信息、共享文件、提供各類型業務辦理服務。由此，公民與稅務部門的交互需求成幾何倍增長。
證券行業：集中、高頻交易帶來的難題
隨着2019年“慢牛”的傳聞及科創板的落地，沉寂股民的甦醒及新股民的入場，證券行業呈現繁榮趨勢。據統計，全國目前個人投資者近1.5億人，並且證券行業具有交易時間集中，交易高頻的特性，併發交易量遠高於其他行業。同時，股民對於用戶體驗要求甚高，無法及時的獲取行情的刷新、完成交易是不可接受的。面對高要求的投資者及行業監管，IT運維如何應對？
於此，許多金融機構會選擇APM產品來實現業務可視化，對系統故障的告警與定位，而這一切的基礎，即底層的數據平臺具備對大數據的實時處理能力。在我們與客戶技術交流的過程中，平臺對數據的處理能力也是客戶非常關心的。在2018年，華青融天大數據融合平臺引入了Kafka，給平臺的數據處理能力帶來了極大的提升。
提升高吞吐量、低延遲的數據處理能力
隨着業務保障要求的提高，過去對數據先收集、再儲存、再分析的方式已經不適用了。試想一下，一個“可用性”的故障，在問題發生幾分鐘後纔得到告警，對於一秒數萬甚至數十萬交易量的客戶來說，意味着什麼。
而Kafka可謂爲實時處理數據而生，不同於MapReduce、Hive和Pig這類數據存儲和查詢工具，Kafka對數據的處理是連續的，它可以處理幾十萬條消息，延遲最低只有幾毫秒，這一高吞吐量、低延遲的特性十分適合於構建應用性能管理及安全運營中心平臺，以此爲基礎實現的數據分析及告警才具備價值。
對數據變化的跟蹤
精準、及時的告警，是金融客戶的剛性需求，也是華青融天產品人的目標，爲此，在告警的規則及配置優化方面做了許多提升，而爲了實現“高質量”的告警，及時感知到數據的變化是十分重要的。kafka流式計算即可實現這一點，數據的輸入是持續的，計算結果也是持續的輸出，即可實現對數據變化的跟蹤，並在將數據保存到最終目的地之前對數據採取行動。而相比使用Spark Streaming和Apache Storm這類流式處理系統，內嵌的kafka流失處理系統，直接作爲類庫提供給開發者調用，整個應用的運行方式主要由開發者控制，方便使用和調試，同時擴展性及對於資源的消耗方面更具優勢。