中华财险新一代分布式核心系统正式上线!

简介: 中华财险与阿里云合力打造的新一代分布式核心系统正式上线。新系统实现了以客户为中心的流程再造。前台业务系统的开发时间能缩短50%以上,微服务平均性能达到单计算节点每秒处理1000+笔保险业务的能力,底层算力可实现秒级弹性扩展。

3月31日,中华财险与阿里云合力打造的新一代分布式核心系统正式上线。新系统实现了以客户为中心的流程再造。前台业务系统的开发时间能缩短50%以上,微服务平均性能达到单计算节点每秒处理1000+笔保险业务的能力,底层算力可实现秒级弹性扩展。

image.png

据悉,中华财险新一代分布式核心系统率先在山东分公司上线应用,并逐渐推广至全国。该系统基于“大中台,小前台”架构最佳实践,构建了业务中台和数据中台的双中台体系,前台业务系统实现模块化功能组件配置。此次系统成功上线,也验证了以双中台体系为核心的新一代分布式核心系统的业务处理能力和技术可行性。

2020年6月,中华财险与阿里云战略签约,通过构建以数据中台和业务中台为核心的新一代分布式核心系统,正式开启数字化变革之路。

中华财险首席信息官胡岱磊介绍,公司自启动数字化转型以来,在新一代分布式核心系统的“地基”建设上投入了巨大精力,历时1年多时间,初步建成了业务中台和数据中台架构,模块化和插拔式的业务功能组件和灵活的产品可配置化能力,让保险产品上架速度大大加快,上架周期仅为1周左右。

在系统设计上,新一代分布式核心系统改变了以往以保单为中心的业务模式,真正实现了以客户为中心的模式转变;引入智能识别技术、OCR技术等,大幅提升人员验证和信息录入效率;数字化能力重塑了业务流程,大幅提升保险产品自动化率,并实现依据客户的个性化保险产品需求提供专属服务能力;通过数据智能,实现了“实务审核”向“规则审核”的转变,大幅提升风险防控能力。

在技术创新上,基于中台化的理念全面重构核心应用,支撑平台的快速创新,前台业务系统的开发时间缩短50%以上;系统大量采用容器、微服务、分布式数据库等云原生技术,微服务平均性能达到单计算节点每秒处理1000+笔保险业务的能力,可满足超高并发场景;基础设施层面采用阿里云自研飞天云操作系统,实现底层算力的秒级弹性扩展,灵活应对高并发、高频次、碎片化交易的挑战。

在本次上线过程中,阿里云技术服务团队提前通过性能压测、监控告警等技术保障手段,确保本次系统上线平稳顺畅。上线仪式上,新一代分布式核心系统还正式出单了首张人身意外伤害险保单。阿里巴巴集团副总裁刘伟光、阿里巴巴集团副总裁李津作为首批客户体验线上化流程。

中华财险副总裁王永祥表示,中华财险原有保险核心系统更多是保单记录系统,缺乏分布式、中台化、智能化等先进能力。新一代分布式核心系统的上线,验证了中台架构下的保险业务全链路,是公司数字化转型路上的一个重大里程碑,将为业务数字化和智能化发展提供有力支撑。

公开资料显示,作为全国唯一一家以“中华”冠名的国有控股保险公司,中华财险已有35年历史,保费规模位居国内财险市场第五,农险业务规模稳居全国第二。

备注:本文转载自阿里云公众号2022年4月1日《中华财险新一代分布式核心系统正式上线!》

相关文章
|
Kubernetes 大数据 调度
Airflow vs Argo Workflows:分布式任务调度系统的“华山论剑”
本文对比了Apache Airflow与Argo Workflows两大分布式任务调度系统。两者均支持复杂的DAG任务编排、社区支持及任务调度功能,且具备优秀的用户界面。Airflow以Python为核心语言,适合数据科学家使用,拥有丰富的Operator库和云服务集成能力;而Argo Workflows基于Kubernetes设计,支持YAML和Python双语定义工作流,具备轻量化、高性能并发调度的优势,并通过Kubernetes的RBAC机制实现多用户隔离。在大数据和AI场景中,Airflow擅长结合云厂商服务,Argo则更适配Kubernetes生态下的深度集成。
1295 34
|
8月前
|
存储 算法 安全
“卧槽,系统又崩了!”——别慌,这也许是你看过最通俗易懂的分布式入门
本文深入解析分布式系统核心机制:数据分片与冗余副本实现扩展与高可用,租约、多数派及Gossip协议保障一致性与容错。探讨节点故障、网络延迟等挑战,揭示CFT/BFT容错原理,剖析规模与性能关系,为构建可靠分布式系统提供理论支撑。
381 2
|
8月前
|
机器学习/深度学习 算法 安全
新型电力系统下多分布式电源接入配电网承载力评估方法研究(Matlab代码实现)
新型电力系统下多分布式电源接入配电网承载力评估方法研究(Matlab代码实现)
270 3
|
10月前
|
数据采集 缓存 NoSQL
分布式新闻数据采集系统的同步效率优化实战
本文介绍了一个针对高频新闻站点的分布式爬虫系统优化方案。通过引入异步任务机制、本地缓存池、Redis pipeline 批量写入及身份池策略,系统采集效率提升近两倍,数据同步延迟显著降低,实现了分钟级热点追踪能力,为实时舆情监控与分析提供了高效、稳定的数据支持。
462 1
分布式新闻数据采集系统的同步效率优化实战
|
存储 运维 安全
盘古分布式存储系统的稳定性实践
本文介绍了阿里云飞天盘古分布式存储系统的稳定性实践。盘古作为阿里云的核心组件,支撑了阿里巴巴集团的众多业务,确保数据高可靠性、系统高可用性和安全生产运维是其关键目标。文章详细探讨了数据不丢不错、系统高可用性的实现方法,以及通过故障演练、自动化发布和健康检查等手段保障生产安全。总结指出,稳定性是一项系统工程,需要持续迭代演进,盘古经过十年以上的线上锤炼,积累了丰富的实践经验。
1331 7
|
存储 分布式计算 Hadoop
基于Java的Hadoop文件处理系统:高效分布式数据解析与存储
本文介绍了如何借鉴Hadoop的设计思想,使用Java实现其核心功能MapReduce,解决海量数据处理问题。通过类比图书馆管理系统,详细解释了Hadoop的两大组件:HDFS(分布式文件系统)和MapReduce(分布式计算模型)。具体实现了单词统计任务,并扩展支持CSV和JSON格式的数据解析。为了提升性能,引入了Combiner减少中间数据传输,以及自定义Partitioner解决数据倾斜问题。最后总结了Hadoop在大数据处理中的重要性,鼓励Java开发者学习Hadoop以拓展技术边界。
555 7
|
存储 运维 负载均衡
构建高可用性GraphRAG系统:分布式部署与容错机制
【10月更文挑战第28天】作为一名数据科学家和系统架构师,我在构建和维护大规模分布式系统方面有着丰富的经验。最近,我负责了一个基于GraphRAG(Graph Retrieval-Augmented Generation)模型的项目,该模型用于构建一个高可用性的问答系统。在这个过程中,我深刻体会到分布式部署和容错机制的重要性。本文将详细介绍如何在生产环境中构建一个高可用性的GraphRAG系统,包括分布式部署方案、负载均衡、故障检测与恢复机制等方面的内容。
838 4
构建高可用性GraphRAG系统:分布式部署与容错机制
|
机器学习/深度学习 存储 运维
分布式机器学习系统:设计原理、优化策略与实践经验
本文详细探讨了分布式机器学习系统的发展现状与挑战,重点分析了数据并行、模型并行等核心训练范式,以及参数服务器、优化器等关键组件的设计与实现。文章还深入讨论了混合精度训练、梯度累积、ZeRO优化器等高级特性,旨在提供一套全面的技术解决方案,以应对超大规模模型训练中的计算、存储及通信挑战。
878 4
|
存储 块存储
ceph分布式存储系统常见术语篇
关于Ceph分布式存储系统的常见术语解释和概述。
1606 1
ceph分布式存储系统常见术语篇
|
消息中间件 存储 监控
消息队列系统中的确认机制在分布式系统中如何实现
消息队列系统中的确认机制在分布式系统中如何实现