導讀：
隨着銀行業務的發展以及互聯網對業務的逐漸滲透，銀行在越來越多的業務（比如無紙化辦公、無紙化櫃檯、流程銀行、遠程業務）辦理流程中需要實時保存大量的非結構化數據，以進一步加強風控管理、集約化運營和電子化管理能力。對於銀行而言，如何更好地利用這些非結構化數據已成爲一個重要問題，而AI技術的出現，可以進一步釋放數據的價值。這也意味着，非結構化數據在新AI時代，會迸發更大的價值，同時也對數據管理和分析提出更高的要求。巨杉數據庫基於原生分佈式技術，演進出獨特的多模數據湖，提供存算分離、海量數據存儲、多模數據、高併發訪問等能力，爲銀行非結構化數據治理提供內容管理平臺解決方案。巨杉深度剖析客戶對於內容管理平臺的業務需求，基於多模數據湖，在結構化數據與非結構化數據融合處理方向提供了成功的解決方案，並進一步積極探索在全量數據場景下的落地方案。
巨杉數據庫城商行典型客戶案例
在城商行的內容管理平臺場景中，巨杉數據庫已經落地了上億條、百TB級數據的穩定支撐能力，提供集約運營的能力。
現狀
傳統城商行內容管理平臺的數據存儲採用“關係型數據庫+高端存儲”架構。隨着銀行業務的發展，有越來越多的業務需要實時保存大量的非結構化數據，以進一步加強風控管理、集約化運營和電子化管理的能力。例如：無紙化辦公、無紙化櫃檯、流程銀行、遠程業務辦理等。這些新型的銀行業務，對非結構化數據的管理需要同時滿足面向客戶與內部科技人員，而已有建設系統無法滿足面向客戶的高併發要求，所以內容管理平臺需要重新統一規劃建設。業務痛點
集約運營難：傳統業務平臺是獨立建設，數據分散，在業務互聯網化的場景下，需要整合數據內容進行跨業務平臺化處理，集約運營難
擴容難：業務系統煙囪式構建，當數據量激增，這種單點架構下系統橫向擴容難
監管難：數據單點系統部署，無雙活機制，全量數據無法滿足在線監管查詢需求，數據安全性低
改造方案
各廠商的內容管理平臺（如：信雅達、大連同方軟銀）通過調用SequoiaDB提供的標準SQL以及SDB API接口，與SequoiaDB分佈式集羣進行交互，實現可按需橫向擴展的影像元數據、影像文件、標籤數據的跨中心一體化管理。
SequoiaDB原生支持分佈式集羣部署，基於多模數據湖設計，“計算與存儲分離”架構滿足客戶海量數據彈性存儲、橫向彈性擴容、億級記錄情況下的低延時高併發的數據查詢等需求，多副本機制提供數據高可用能力，多中心雙活提升數據讀寫性能以及災備能力，可以實現打通不同業務類型、不同數據類型之間的技術壁壘，實現交易分析一體化、流批一體化、多模數據一體化，充分滿足客戶在海量數據下高併發低延時查詢、按需的節點擴容、持續穩定運行等需求。
本方案採用集羣方式部署，消除單點問題，提供高可用、高併發性能。
改造方案優勢
統一管理集約運營：多模數據統一管理，簡化日常運維、數據遷移等
高併發低延時：高併發、毫秒級響應
海量存儲：PB級數據管理、彈性擴容、靈活數據分片
平滑數據遷移：完備的數據遷移方案，完成存量影像數據平滑遷移
滿足監管要求：數據全量在線，數據安全
系統自主可控，支持信創：支持x86、ARM，核心代碼自主可控
除此之外，系統還擁有豐富的平臺能力，如下：
系統能力
集約運營：多模數據統一管理
數據管理：數據權限管理、對象數據版本控制、歷史版本回溯，數據生命週期管理、冷熱數據分層存儲，提升數據治理水平
服務節點高可用：節點無狀態，多節點提供服務
多中心：跨中心部署，邏輯隔離、物理隔離
多索引：不同字段、維度創建索引，精準查詢
數據高可用：多副本機制
滿足監管要求：數據全量在線，數據安全
容災：同城雙活、兩地三中心、三地五中心，RPO=0，RTO<15秒
此改造方案已經成功落地實施，並幫助客戶實現系統性能提升。
結束語
在當今數字化時代，銀行業已經進入了一個全新的時代，需要不斷探索新的技術和工具，多模數據湖和AI技術的融合，則爲業務模式提供了無限的可能性，能夠更好地支持數字化發展。未來，巨杉數據庫將持續聚焦分佈式數據庫與多模數據湖技術，更好地釋放數據價值。巨杉數據庫相信，在多模數據湖和AI技術的支持下，金融銀機構在數字化時代中更加快速、穩健的發展。