在当前的数字化环境下，金融机构面临的高频业务需求已成常态，并呈现持续扩大的趋势，这种情况下，对业务连续性及用户体验的保障便是金融IT运维面临的最大挑战。
支付交易量与日俱增，银行业承载巨大的运维压力
国内用户早已习惯了线上交易，交易量也与日俱增。央行发布的2018年支付体系运行总体情况显示，2018年，银行业金融机构共处理电子支付业务1751.92亿笔。其中，网上支付业务570.13亿笔，同比增长17.36%。移动支付业务605.31亿笔，同比分别增长61.19%。这一现状，给银行业的IT运维带来了巨大压力，而一年几度的购物节“大考”，更是一大挑战，电商平台的单日交易额不断的刷新，银行业交易系统的秒并发量也在不断的突破上限。
纳税人及税收管理的互联网应用需求持续扩大
随着“互联网+税务”行动计划的深化，税务信息系统的内部建设与外部互联程度齐头并进。随着外部互联的加深，各级税务部门通过在线的方式发布信息、共享文件、提供各类型业务办理服务。由此，公民与税务部门的交互需求成几何倍增长。
证券行业：集中、高频交易带来的难题
随着2019年“慢牛”的传闻及科创板的落地，沉寂股民的苏醒及新股民的入场，证券行业呈现繁荣趋势。据统计，全国目前个人投资者近1.5亿人，并且证券行业具有交易时间集中，交易高频的特性，并发交易量远高于其他行业。同时，股民对于用户体验要求甚高，无法及时的获取行情的刷新、完成交易是不可接受的。面对高要求的投资者及行业监管，IT运维如何应对？
于此，许多金融机构会选择APM产品来实现业务可视化，对系统故障的告警与定位，而这一切的基础，即底层的数据平台具备对大数据的实时处理能力。在我们与客户技术交流的过程中，平台对数据的处理能力也是客户非常关心的。在2018年，华青融天大数据融合平台引入了Kafka，给平台的数据处理能力带来了极大的提升。
提升高吞吐量、低延迟的数据处理能力
随着业务保障要求的提高，过去对数据先收集、再储存、再分析的方式已经不适用了。试想一下，一个“可用性”的故障，在问题发生几分钟后才得到告警，对于一秒数万甚至数十万交易量的客户来说，意味着什么。
而Kafka可谓为实时处理数据而生，不同于MapReduce、Hive和Pig这类数据存储和查询工具，Kafka对数据的处理是连续的，它可以处理几十万条消息，延迟最低只有几毫秒，这一高吞吐量、低延迟的特性十分适合于构建应用性能管理及安全运营中心平台，以此为基础实现的数据分析及告警才具备价值。
对数据变化的跟踪
精准、及时的告警，是金融客户的刚性需求，也是华青融天产品人的目标，为此，在告警的规则及配置优化方面做了许多提升，而为了实现“高质量”的告警，及时感知到数据的变化是十分重要的。kafka流式计算即可实现这一点，数据的输入是持续的，计算结果也是持续的输出，即可实现对数据变化的跟踪，并在将数据保存到最终目的地之前对数据采取行动。而相比使用Spark Streaming和Apache Storm这类流式处理系统，内嵌的kafka流失处理系统，直接作为类库提供给开发者调用，整个应用的运行方式主要由开发者控制，方便使用和调试，同时扩展性及对于资源的消耗方面更具优势。