金融行业云迁移最佳实践:HyperMotion助力江苏农信银行实施金融专有云创新项目,实现跨地域,多网点,大数据量迁移上云

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 江苏农信如何通过业务系统大集中,实现将全省IT资源3年节省5亿。

项目概述

      当前,互联网技术将经济社会带入了“平台经济”的时代。《银行业信息科技“十三五”发展规划监管指导意见》要求,“十三五”期间银行业金融机构要积极运用云计算技术,开展云计算架构规划,主动实施架构转型,制定云计算标准,建立行业云平台。

      面对平台化的发展趋势,省联社如何打造以“平台金融”为牵引、以线上线下交互为特点、以大数据全面应用为支撑的新型金融服务新模式,是现阶段各省联社在转型中面临的一个重要选项。

      江苏省农村信用社联合社(以下简称“江苏省联社”)作为我国发达地区的农村金融机构,过去辖内的农信机构在业务发展和系统建设方面,存在着发展不均衡、特色业务系统繁多的现象。为方便辖内省联社有一个更大的发展空间,专心致力于特色业务、个性化服务研发,并从繁重的系统维护事务中解放出来,江苏省联社以独具战略眼光果断决策,提出服务即管理的理念,通过打造行业云平台,联结辖内省联社机构,重塑省联社价值。

客户面临的挑战

01 农商行系统运行成本高


传统IT架构,缺乏统一资源调度平台,无法灵活实施调度策略,资源利用率低,随着业务发展扩大,已无法满足需求。提高管理效率,降低运维人员成本。

02 统一上云需求


农商行期望通过统一上云, 降低工作的复杂度和压力,而且使用省联社的共享云平台可以规避使用其他公有云或行业云的数据安全问题。

03 减少运维压力


地市农商行专注于科技研发与维护的人员相对较少,但需要管理整个行的IT资源,包括机房基础环境和设备、各类外设硬件、自建的应用系统等,工作负载复杂,承担的运维压力较大。

04 业务系统不停机要求严苛


银行业务系统停机窗需求趋于0,或夜间短时停机。在保障用户业务连续性的前提下,实现业务系统全面上云。

05 原有IT环境和系统关联性都很复杂


原有IT环境复杂,包括物理机、虚拟机、多版本、多操作系统、权限、外置设备等;单系统数据量大(>3TB),单个机构总数据量大(平均约20~50TB)。除此之外,各业务系统之间上下联关系复杂(对上到省级中心,对下到网点柜台,横向之间关联)。

06 远程异地,网络不佳


各单位全省范围异地分布,公网环境,传输带宽10M,实测500k-1M/s,几乎不可用网络实现数据传输。

07 保障迁移安全稳定,交割顺利


迁移期间需要安全稳定迁移、充分验证、风险应对机制保障。迁移后,不仅系统在云上能启动,还要确保业务/关联业务正常工作运行。

为什么选择万博智云?


      江苏省联社在认真考察了多家上云迁移的解决方案后,最终选择了万博智云HyperMotion作为其上云迁移的核心工具,并结合专业迁移团队给出的方案和现场迁移实施,形成了江苏省联社的专有云迁移上云的解决方案。

      万博智云是国内最早且目前最优的云原生迁移工具研发的公司,通过与阿里云API接口及云原生资源高度自动化对接,将迁移缩减为简单的三步,满足用户高度自动化、智能化迁移需求。
通过HyperMotion云迁移工具,实现了:
① 业务连续性迁移
② 批量/高效/全程可视化迁移

③ 云原生API智能调动以及驱动自动适配

④上云前多次业务级别演练

充分保障了用户业务上云后的连续性和可靠性。


解决方案


01 跨平台自动化整机迁移,业务不停机


采取Re-host方式整机迁移,重新托管(Re-Host)方式是上云的最短最高效路径,同时也是对用户原有业务影响最小的方案。HyperMotion采用了块级别同步复制技术来实现“热迁移”;其中块级别数据的整体复制会使用户的操作系统、应用、数据一起被同步到目标侧,无论是WEB应用、数据库或者中间件,都可以通过这种方式完整的迁移至云端,无需针对单独文件或者数据进行操作和配置。跨结构智能适配,业务系统可在云端整体恢复;业务不停机,最小化迁移对业务系统影响。

02 专业存储辅助设备 MotionGear


MotionGear【云立方】是万博智云设计,用于支持客户不良网络质量下,大数据量(TB)、快速数传输,迁移的存储一体机。它可结合HyperMotion实现客户在线大数据量,无业务停机、高自动化、更可靠的迁移上云需求;也可单独提供客户解决离线上云需求。

针对银行网点分散,数据量大的特点,为不中断业务实现块级拷贝 ,采取专业外设存储大容量高速拷贝 ,提升迁移效率。

03 API智能调度,自动化迁移


HyperMotion通过云原生API进行深度整合,以全自动化的方式解决了主机启动、驱动修复、网络修复等多种上云后复杂的人为操作。目标平台API智能调动以及驱动自动适配的设计,极大地提升了迁移效率实现高度自动化的编排能力,满足上云前的反复验证需求,保证上云后业务级别可用性。

04 专业团队现场现场调研和实施


专业团队对客户技术骨干团队进行调研,提供迁移方法论和专业现场实施支持。

客户收益


      上云迁移有效解决了江苏省联社下辖超56家农商行网点IT系统长期以来所面临的发展不均衡、特色业务繁多难于统一管理等问题。江苏省联社为辖内机构提供了更大的发展空间,让辖内机构能够专心致力于特色业务,积极展开个性化的服务研发,并且真正从繁重的系统维护事务中解放出来,也为辖内56家农商行网点能按需使用使用云资源服务提供了坚实的基础。



01 在较短的时间窗口实现大数据量的迁移


在较短的时间窗口完成了56家农商行网点,1285套系统,1156TB数据量的迁移项目。


02 获得监管单位的创新成功表彰

荣获银保监会颁发2018年度银行业信息科技风险管理课题研究二类成果奖。

关于HyperMotion

     HyperMotion是国内唯一以全自动方式覆盖最多云平台的云原生整机迁移工具(Re-Host/Lift & Shift),支持全球20+云,40+云版本。

     它在保障业务连续性前提下,将复杂的迁移过程抽象为工具,以可视化、向导式的产品设计让人人都能云迁移,使得混合云策略更易实施!

      极简化的三步用户体验:选择主机、数据同步、开始迁移,极大地提升效率,使周期、人力、费用降低数倍,并做到迁移过程业务可持续,过程可视化,周期可预测。

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
2月前
|
数据采集 大数据
大数据实战项目之电商数仓(二)
大数据实战项目之电商数仓(二)
|
17天前
|
安全 关系型数据库 MySQL
|
8天前
|
机器学习/深度学习 设计模式 人工智能
面向对象方法在AIGC和大数据集成项目中的应用
【8月更文第12天】随着人工智能生成内容(AIGC)和大数据技术的快速发展,企业面临着前所未有的挑战和机遇。AIGC技术能够自动产生高质量的内容,而大数据技术则能提供海量数据的支持,两者的结合为企业提供了强大的竞争优势。然而,要充分利用这些技术,就需要构建一个既能处理大规模数据又能高效集成机器学习模型的集成框架。面向对象编程(OOP)以其封装性、继承性和多态性等特点,在构建这样的复杂系统中扮演着至关重要的角色。
26 3
|
25天前
|
存储 分布式计算 监控
日志数据投递到MaxCompute最佳实践
日志服务采集到日志后,有时需要将日志投递至MaxCompute的表中进行存储与分析。本文主要向用户介绍将数据投递到MaxCompute完整流程,方便用户快速实现数据投递至MaxCompute。
130 2
|
1月前
|
弹性计算 分布式计算 大数据
MaxCompute产品使用合集之如何将用户A从项目空间A申请的表权限需要改为用户B
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
|
8天前
|
存储 设计模式 分布式计算
面向对象编程在大数据处理中的最佳实践
【8月更文第12天】随着互联网和物联网技术的发展,数据量呈指数级增长,大数据处理已成为现代企业不可或缺的一部分。大数据处理通常涉及收集、存储、管理和分析海量数据集。传统的数据库管理系统难以应对这样的挑战,因此出现了诸如Hadoop、Spark等分布式处理框架。这些框架通常使用面向对象编程(OOP)来构建可扩展、可维护的应用程序。本文将探讨如何利用面向对象编程的原则和模式来优化大数据处理任务。
23 0
|
1月前
|
分布式计算 运维 DataWorks
MaxCompute操作报错合集之用户已在DataWorks项目中,并有项目的开发和运维权限,下载数据时遇到报错,该如何解决
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
|
1月前
|
SQL 分布式计算 DataWorks
DataWorks产品使用合集之如何查询MaxCompute项目中的所有表及其字段信息
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
1月前
|
存储 数据可视化 大数据
大数据平台架构设计与实施
【7月更文挑战第3天】本文探讨了大数据平台的关键技术,包括数据采集(如Kafka、Flume)、存储(HDFS、HBase、Cassandra)、处理(Hadoop、Spark)、分析挖掘及可视化工具。架构设计涉及数据收集、存储、处理、分析和应用层,强调各层次的协同与扩展性。实施步骤涵盖需求分析、技术选型、架构设计、系统部署、数据迁移、应用开发测试及上线运维,旨在为企业决策提供强有力的数据支持。
|
2月前
|
机器学习/深度学习 自然语言处理 监控
金融行业的大数据风控模型:构建安全高效的信用评估体系
金融机构借助大数据风控提升信贷效率,通过数据收集、清洗、特征工程、模型构建与评估来识别风险。关键技术涉及机器学习、深度学习、NLP和实时处理。以下是一个Python风控模型构建的简例,展示了从数据预处理到模型训练、评估的过程,并提及实时监控预警的重要性。该文旨在阐述大数据风控的核心要素和关键技术,并提供基础的代码实现概念。【6月更文挑战第23天】
144 8

热门文章

最新文章