新一轮支付革命,利楚扫呗的数据库优化之路

本文涉及的产品
云原生数据库 PolarDB MySQL 版,Serverless 5000PCU 100GB
云数据库 Redis 版,社区版 2GB
推荐场景:
搭建游戏排行榜
云数据库 RDS MySQL Serverless,0.5-2RCU 50GB
简介: 作者:苳青,阿里云数据库解决方案架构师

中国移动支付市场崛起过程中,第三方、第四方等非银行支付机构在2017年至2019年之间,把移动支付交易量从300多亿笔拉升至近1800亿笔,充分彰显以扫码支付为代表的移动支付革命引领一时风潮。

利楚扫呗作为华中地区领先的金融收单企业也是其中一员,在业务爆炸增长的同时也带来了IT方面的挑战,为了提升用户的体验,利楚扫呗开启了全方位的数据库架构优化之路。
9.jpg

新一轮支付革命开启

武汉利楚商务服务有限公司(以下简称“利楚扫呗”)成立于2011年,是国内从事聚合支付技术研发和应用的科技企业之一,其2016年推出了第四方支付品牌“扫呗”,提供一站式支付解决方案。

从2016年至今,聚合支付服务商心中一直存在两个难题,一是聚合支付产品比较单薄,仅仅是多个支付通道的聚合,服务商户的能力较弱;二是缺乏深耕场景的能力,导致行业门槛低,服务能力得不到沉淀。

伴随着支付宝微信大举布局刷脸支付,利楚扫呗借助这些刷脸设备,结合自身连接商户的支付能力以及聚焦下沉市场的优势,凭借着革命性的全系列产品体系、创新型的增值服务体系以及一站式聚合支付SaaS云服务平台,重新定义支付,在聚合支付领域率先实现了四位一体,即支付方式、支付场景、支付资金到账与管理、支付增值业务的融合。

截至目前,利楚扫呗在16个城市设有直营运营中心,产品和服覆盖全国400多个城市,月处理交易笔数近3.5亿笔,月受理交易金额近180亿元,服务全国近70万家商户。

业务的发展离不开强大的IT支撑,据悉,利楚扫呗为了不断扩展金融增值服务等业务空间,为商户提供支付收款、融资理财、营销管理等一站式解决方案,全面助力商户数字化经营转型,需要丰富的数据库产品能力矩阵。在服务全国近70万商家时,日处理交易笔数达到1200万,需要提供高并发,低延迟、高稳定的云服务。
利楚扫呗原先采用单一的MySQL架构体系,单表数据量达到亿级别,单实例存储量已经达到T级别,数据库已经成为明显瓶颈。

云计算具有可扩展、高并发的性能,此前利楚扫呗部署在阿里云,伴随着业务高速发展,利楚扫呗充分利用了阿里云丰富的产品矩阵优化自身的技术架构,其中承载核心业务的数据的数据库更是架构优化升级的重中之重。

从单一MySQL到全家桶数据库解决方案

遇到瓶颈后利楚扫呗第一时间与阿里云的架构师团队进行了充分的沟通,并且阿里云提供了非常专业的数据库专家服务,经过双方多轮的讨论与评估,最终形成了利用Redis缓存热点配置,利用读写分离进行读流量负载均衡,利用100%兼容MySQL的云原生数据库PolarDB存储计算分离归档存储超大数据,利用云原生数据库ADB进行即席大数据查询,做到数据实时分析。

可以看到在这个方案中引入了各种专业类型的数据库,如何使得源头数据库内的数据在不同的数据库内实时地流转成了非常关键的链路。DTS它是一种集数据迁移、数据订阅及数据实时同步于一体的数据传输服务,支持关系型数据库、NoSQL、大数据(OLAP)等数据源间的数据传输。致力于解决毫秒级异步数据传输难题。 它底层的数据流基础设施为阿里双11异地多活基础架构, 为数千下游应用提供实时数据流,已在线上稳定运行6年之久。

10.jpg

不过数据库作为应用软件中复杂度最高的技术之一,尤其涉及到数据链路方面,稍有差池后果很严重。利楚扫呗数据库架构优化前双方团队进行了方案选型以及风险评估,唯一担心的是迁移后的性能和数据延迟问题。由于在迁移前进行了充分的压测以及测试验证,正式架构优化上线相对顺利。最终利楚扫呗采用Redis,DRDS,PolarDB,ADB的综合数据库方案构建了全部业务系统,解决了相关挑战,具体来看:

1.优良的支付体验:依托Redis缓存,DRDS水平/垂直拆分,支持并行计算,解决高并发、存储容量、在线计算的扩展性难题,系统具备100TB数据存储的能力、10万TPS、百万QPS的支撑能力,可以支撑业务扩展至当前业务量的5-10倍,解决扫呗业务在快速增长过程中带来的对数据库存储量,并发量带来的挑战,确保能在客户业务快速增长的情况下,为每一个终端用户提供平滑的支付体验。

2.让数据流动起来:借助于DTS的实时同步能力,让数据流动起来,借助PolarDB,ADB的大数据处理能力,决策报表从分钟级别降低至秒级,大部分报表可以在10秒出来,部分特别复杂的报表需要1分钟左右。使业务行为和业务决策能平滑对接,业务负责人可以通过报表快速进行业务决策,使数据通过计算创造价值。

3 .7 24 高可用服务:以业务 7 24 小时运行标准设计,提供弹性升降配、在线扩容、SQL 审计分析、只读实例等能力,服务扫呗金融业务的高要求,确保服务的连续性以及金融级的安全和稳定性保障。

小结:用专业数据库解决专业问题

作为技术中心最基础最底层的数据库,研发难度极大,这两年国产数据正逐步展露头角,就金融行业而言,一些共性的低延迟高并发,复杂业务实时报表,超大规模历史数据,阿里云丰富的数据库产品线有其独特的优势。

而从利楚扫呗的数据库架构优化升级中可以看到,企业云端数据库选型考虑的是综合因素,性能、成本、服务等都会影响最终结果,相信每个企业都有自己的考量,选择专业的数据库解决专业的问题。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
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
|
JavaScript 关系型数据库 MySQL
❤Nodejs 第六章(操作本地数据库前置知识优化)
【4月更文挑战第6天】本文介绍了Node.js操作本地数据库的前置配置和优化,包括处理接口跨域的CORS中间件,以及解析请求数据的body-parser、cookie-parser和multer。还讲解了与MySQL数据库交互的两种方式:`createPool`(适用于高并发,通过连接池管理连接)和`createConnection`(适用于低负载)。
22 0
|
1月前
|
存储 关系型数据库 MySQL
轻松入门MySQL:数据库设计之范式规范,优化企业管理系统效率(21)
轻松入门MySQL:数据库设计之范式规范,优化企业管理系统效率(21)
|
1月前
|
存储 关系型数据库 MySQL
轻松入门MySQL:优化复杂查询,使用临时表简化数据库查询流程(13)
轻松入门MySQL:优化复杂查询,使用临时表简化数据库查询流程(13)
|
2天前
|
数据库
编程日记02:个人站优化数据库和日志
编程日记02:个人站优化数据库和日志
7 0
|
4天前
|
缓存 关系型数据库 数据库
【Docker 专栏】Docker 与容器化数据库的集成与优化
【5月更文挑战第9天】本文探讨了Docker与容器化数据库集成的优势,如快速部署、环境一致性、资源隔离和可扩展性,并列举了常见容器化数据库(如MySQL、PostgreSQL和MongoDB)。讨论了集成方法、注意事项、优化策略,包括资源调整、缓存优化和监控告警。此外,强调了数据备份、恢复测试及性能评估的重要性。未来,随着技术发展,二者的集成将更紧密,为数据管理带来更多可能性。掌握此技术将应对数字化时代的机遇与挑战。
【Docker 专栏】Docker 与容器化数据库的集成与优化
|
4天前
|
存储 关系型数据库 分布式数据库
数据库索引回表困难?揭秘PolarDB存储引擎优化技术
PolarDB分布式版存储引擎采用CSM方案均衡资源开销与可用性。
数据库索引回表困难?揭秘PolarDB存储引擎优化技术
|
12天前
|
存储 SQL 缓存
构建高效的矢量数据库查询:查询语言与优化策略
【4月更文挑战第30天】本文探讨了构建高效矢量数据库查询的关键点,包括设计简洁、表达性强的查询语言,支持空间操作、函数及索引。查询优化策略涉及查询重写、索引优化、并行处理和缓存机制,以提升查询效率和准确性。这些方法对处理高维空间数据的应用至关重要,随着技术进步,矢量数据库查询系统将在更多领域得到应用。
|
12天前
|
存储 缓存 固态存储
优化矢量数据库性能:技巧与最佳实践
【4月更文挑战第30天】本文探讨了优化矢量数据库性能的技巧和最佳实践,包括硬件(如使用SSD、增加内存和利用多核处理器)、软件(索引优化、查询优化、数据分区和压缩)和架构(读写分离、分布式架构及缓存策略)方面的优化措施。通过这些方法,可以提升系统运行效率,应对大数据量和复杂查询的挑战。
|
14天前
|
关系型数据库 大数据 数据库
关系型数据库索引优化
关系型数据库索引优化是一个综合的过程,需要综合考虑数据的特点、查询的需求以及系统的性能要求。通过合理的索引策略和技术,可以显著提高数据库的查询性能和整体效率。
22 4
|
14天前
|
存储 缓存 关系型数据库
关系型数据库数据库表设计的优化
您可以优化关系型数据库的表设计,提高数据库的性能、可维护性和可扩展性。但请注意,每个数据库和应用程序都有其独特的需求和挑战,因此在实际应用中需要根据具体情况进行调整和优化。
14 4