華為：2024年金融數(shù)據(jù)中心存儲頂層架構白皮書

HUAWEI金融數(shù)據(jù)中心存HUAWEI非經(jīng)本公司書面許可，任何單位和個人不得擅自摘抄、復制本文檔內容的部分或全部，并不得以任何形式HUAWVEI金融數(shù)據(jù)中心存儲頂層架構白皮書您購買的產(chǎn)品、服務或特性等應受華為公司商業(yè)合同和條款的約束，本文檔中描述的全部或部分產(chǎn)品、服務或特性可能不在您的購買或使用范圍之內。除非合同另有約定，華為公司對本文檔內容不做任何明示或由于產(chǎn)品版本升級或其他原因，本文檔內容會不定期進行更新。除非另有約定，本文檔僅作為使用指導，地址：客戶服務郵箱：客戶服務電話：客戶服務傳真：HUAWEI金融數(shù)據(jù)中心存 42存儲目標架構規(guī)劃原則 73存儲目標架構詳細規(guī)劃 9 4結語 36HUAWVEI金融數(shù)據(jù)中心存儲頂層架構白皮書11.1背景近年來，在全球經(jīng)濟增長緩慢，貿易戰(zhàn)和地區(qū)沖突持續(xù)的背景下，金融行業(yè)的營收壓力增大，資產(chǎn)規(guī)模增長顯著放緩。借助科技的力量，金融機構的數(shù)字化進程在后疫情時代持續(xù)深化。一方面，金融機構利用數(shù)字化技術持續(xù)為客戶提供無所不在的智能化體驗，以滿足多樣性的客戶需求；另一方面，金融機構也在積極利用智能化技術構建敏銳的業(yè)務洞察力，以快速應對各種市場變化。因此，1.2金融存儲趨勢、技術&市場洞察金融機構一直是率先將新興IT技術的應用于業(yè)務場景的行業(yè)。憑借云計算，大數(shù)據(jù)和人工智能等技術的應用，金融機構正在優(yōu)化我們看到，隨著手機銀行和線上支付技術在金融行業(yè)的廣泛應用，金融服務觸達客戶的時間和空間進一步擴展，促使金融機構的始布局人工智能(AI)應用，尤其是大模型技術的研發(fā)，利用AI使能業(yè)務運營、產(chǎn)品營銷、風險控制和客戶服務等業(yè)務領域，進一步提升金融服務的智能化水平。根據(jù)IDC的報告，90%的銀行已經(jīng)開始業(yè)務應用的需要，也驅動著金融機構的數(shù)字基礎設施架構的轉變。以兼具韌性和靈活的云原生應用，逐步淘汰傳統(tǒng)封閉的架構，重構創(chuàng)新開放的存算分離架構，建設具有高可靠，高擴展性的基礎1.3金融數(shù)據(jù)中心存儲底座建設總體要求金融機構需要系統(tǒng)化構建面向未來的金融基礎設施，這個目標架構以高可用、高安全、可信合規(guī)、綠色低碳為主要特點，支持金融服務的極致體驗、業(yè)務敏捷、泛在智能和開放創(chuàng)新?；谶@些特業(yè)務分級：將業(yè)務系統(tǒng)根據(jù)重要性和服務范圍進行科學的分類和分級，通常建議分為3~4檔；資源保障，以存算分離架構在確保穩(wěn)定低時延的同時，提升系統(tǒng)整體可靠性；非關鍵環(huán)境可根據(jù)TCO、運維習慣和系統(tǒng)擴展性的綜合。容災：傳統(tǒng)基礎設施采用兩地三中心/四中心，云原生系統(tǒng)采用。備份：采用全閃存熱備+海量對象存儲溫備+公有云冷備實現(xiàn)多級備份；采用云上業(yè)務、云下備份的方式進行混合多云的數(shù)據(jù)集中。歸檔：采用海量對象溫歸檔+藍光/磁帶/公有云冷歸檔實現(xiàn)多級。數(shù)據(jù)&AI：打通數(shù)倉、數(shù)據(jù)湖和AI訓練離、湖倉一體等實現(xiàn)數(shù)智融合；通過超高并發(fā)度、高性能存算網(wǎng)的2存儲目標架構規(guī)劃原則4、彈性伸縮能力：存儲平臺的設計應有較強的彈性，3存儲目標架構詳細規(guī)劃3.1.1金融行業(yè)生產(chǎn)交易場景的趨勢和變化金融行業(yè)數(shù)字化轉型發(fā)展，使得金融服務的業(yè)務模式發(fā)生了顯著的變化。從多數(shù)銀行公布的年報來看，新興金融服務交易量年度平均增長都在50%以上，而且主要來自網(wǎng)上支付等新興技術的應用。因此前端渠道接入系統(tǒng)這類直接面向客戶提供服務的請求接入類系統(tǒng)的服務模式正在快速發(fā)生變化。新興的業(yè)務模式擴大了金融服務的觸達渠道，從傳統(tǒng)的線下網(wǎng)點服務擴展到線上服務；延伸了金融服務時長，從原來的5*8小時服務延長到7*24小時不間斷業(yè)務服務。另一方面，數(shù)字化的深入，凸顯數(shù)據(jù)的重要性，金融行業(yè)數(shù)十年積累的用戶數(shù)據(jù)和業(yè)務數(shù)據(jù)是重要的數(shù)字資產(chǎn)。金融行業(yè)在整體數(shù)據(jù)量方面已經(jīng)達到了EB（Petabyte，即千萬億字節(jié)）級別。新報告，目前金融機構的數(shù)據(jù)量普遍達到PB級，尤其是國有大型銀行的核心業(yè)務系統(tǒng)存儲規(guī)模也已達到百PB級，并且未來五年預計年均增幅將達到24.33%。3.1.2金融行業(yè)生產(chǎn)交易場景業(yè)務需求這些業(yè)務模式變化和數(shù)據(jù)量的增長，也正在深刻影響并重塑著金融行業(yè)的數(shù)據(jù)中心基礎架構。為適應未來業(yè)務發(fā)展，數(shù)據(jù)中心基礎設施，必須滿足業(yè)務所需的吞吐性能和可靠性要求，并具備面向未來的擴展性要求：業(yè)務量的激增，對數(shù)據(jù)基礎設施的性能、吞吐量提出了更高要求。從性能上講，一般業(yè)務處理平均有大約50次數(shù)據(jù)庫請求，每次數(shù)據(jù)庫請求約1000次左右存儲讀寫(注：基于銀行核心系統(tǒng)的交以上的時延，對業(yè)務整體增加50秒以上的時延。從吞吐量上講，中等銀行生產(chǎn)業(yè)務的峰值交易大約5000筆/秒(即：5000TPS)來估算，峰值業(yè)務處理需要的存儲IO請求能力約為1.5M-2.5M的存儲在高吞吐和高性能需求下，采用存算一體架構，將對無疑是個靠性，數(shù)據(jù)加密和數(shù)據(jù)壓縮等繁瑣的數(shù)據(jù)存儲處理，因此服務器的CPU資源捉襟見肘。但是通過存算分離架構，所有數(shù)據(jù)存儲的IO服務時間的延長，對整體架構可用性的提出更高要求。金融業(yè)戶的流失。以中等規(guī)模銀行為例，核心系統(tǒng)交易量一般在1000-3000筆每秒。因此，系統(tǒng)服務中斷和不可用的每一秒，則意味著1000筆以上的交易損失和用戶流失，甚至監(jiān)管層的懲罰。例如，星展銀行在2023年先后5次大規(guī)模中斷業(yè)務服務，新加坡金管局(MAS)要求其提供16億美金的額外資本，并在2023年11月對新對于數(shù)據(jù)中心而言，如果要滿足整體業(yè)務可用性99.999%的要求，即年停機時間5分鐘以內，則數(shù)據(jù)中心基礎架構的可靠性必須要提升到99.9999%以上，即年度故障時間30秒以內。當前，部分金融機構采用基于x86服務器的存算一體架構，該架構在可靠性上只能達到99%。金融行業(yè)統(tǒng)計表明，x86服務器超過5年以上之后，故障率超過0.5%，因此采用服務器本地磁盤的數(shù)據(jù)庫存儲，隨著數(shù)據(jù)中心集群規(guī)模的擴大，頻繁的故障和恢復，會對生產(chǎn)交易系統(tǒng)的業(yè)務連續(xù)性帶來嚴峻挑戰(zhàn)。而在存算分離架構下，服務器只負責數(shù)據(jù)邏輯處理，所有數(shù)據(jù)的持久化和可靠性等能力都由存儲設備統(tǒng)一完成，即使服務器發(fā)生故障，也不影響其他數(shù)據(jù)庫實例計算節(jié)點的數(shù)據(jù)訪問。同時，利用存儲的RAID和快照等技術，極大提業(yè)務種類的增加，對業(yè)務之間數(shù)據(jù)交換更加頻繁，各類運銀行生產(chǎn)交易系統(tǒng)是各類系統(tǒng)運營數(shù)據(jù)和報表等系統(tǒng)的數(shù)據(jù)源，如何實時的獲取有效的數(shù)據(jù)，并且對生產(chǎn)系統(tǒng)的業(yè)務影響最小，成為各業(yè)務系統(tǒng)與生產(chǎn)交易系統(tǒng)之間不可調和的矛盾。在存算一體架構下，必須通過專用ETL工具直接對數(shù)據(jù)庫數(shù)據(jù)進行操作，對業(yè)務系統(tǒng)造成性能干擾，因此只能選擇在夜間業(yè)務低谷時段抽取數(shù)據(jù)，對后端系統(tǒng)的實時性造成影響。在存算分離架構下，可充分利用存儲的一致性快照和克隆等能力，快速構建生產(chǎn)交易系統(tǒng)的數(shù)據(jù)庫副本，滿足各類后端系統(tǒng)對業(yè)務數(shù)據(jù)實時性需求，并且對生產(chǎn)端數(shù)據(jù)庫業(yè)務的性能影響最小。比如，每日批量作業(yè)希望每日夜間定時從主庫上利用存儲的一致性快照和克隆等能力，快速生成一個數(shù)據(jù)庫因此，面向未來，為了滿足業(yè)務性能，可靠性和擴展性的要求，基于共享存儲池和分層解耦的存算分離架構將是主流的架構選擇方3.1.3金融行業(yè)生產(chǎn)交易場景目標架構從金融行業(yè)來看，越來越多的金融客戶傾向于采用分層解耦、按需分配的統(tǒng)一資源池架構打造生產(chǎn)交易平臺，參考架構如下圖所示：1、根據(jù)業(yè)務系統(tǒng)的服務等級，從吞吐性能和的等級，一般建議分成3級或者4級。比如Tier1采用物理服務器滿足高性能高可靠要求；Tier2滿足大部分金融業(yè)務處理的通用需求；Tier3滿足一般性能和可靠性要求的業(yè)務處理，比如開發(fā)測試業(yè)務系統(tǒng)分配標準的計算和存儲資源，內部通過Quota配額和3.2數(shù)據(jù)分析-大數(shù)據(jù)存算分離架構3.2.1金融大數(shù)據(jù)分析發(fā)展趨勢和變化中國金融大數(shù)據(jù)產(chǎn)業(yè)快速發(fā)展，成為金融行業(yè)業(yè)務增長的新引近幾年，隨著移動金融、互聯(lián)網(wǎng)信貸等新業(yè)務形態(tài)的出現(xiàn)，金融大數(shù)據(jù)應用得到長足發(fā)展，已經(jīng)滲透到金融行業(yè)的方方面面，廣泛應用到營銷、風控、運營等多種關鍵業(yè)務中，極大的提升了金融《IDCPeerScape：金融領域中數(shù)據(jù)管理分析服務最佳實踐案例》報告顯示，2023年，中國金融行業(yè)大數(shù)據(jù)市場支出規(guī)模達到29.7億美元，預計到2027年將增長至64.6億美元，CAGR達到21.4%。未來幾年，金融大數(shù)據(jù)市場仍將保持較高的增速，是數(shù)據(jù)管理、數(shù)據(jù)分析廠商爭奪的主要市場，目標客戶覆蓋大型和中小型隨著大數(shù)據(jù)應用的深入，大數(shù)據(jù)平臺從注重數(shù)據(jù)處理走向注重諾貝爾經(jīng)濟學獎獲得者羅納德·科斯（RonaldCoase）曾經(jīng)說+AI時代的到來讓這句話有了更多的現(xiàn)實意義，如果說石油滋養(yǎng)了工業(yè)時代，那么海量非結構化數(shù)據(jù)就是智能時代的石油。金融大數(shù)3.2.2金融大數(shù)據(jù)分析業(yè)務需求隨著外部數(shù)據(jù)規(guī)模和金融客戶應用場景的變化對大數(shù)據(jù)平臺提1、能獲客：大數(shù)據(jù)平臺要具備PB級的海量文件分析能力，能夠從2、能活客：大數(shù)據(jù)平臺要具備極致高性能，存儲系統(tǒng)需要具備毫秒級時延、TB級高帶寬，能夠抵擋業(yè)務高峰浪涌，支持T+0的數(shù)據(jù)實時分析，為金融反詐、信貸評估等業(yè)務提供實時生產(chǎn)決策能力，3、降本增效：近幾年金融大數(shù)據(jù)投資預算逐年走高，但是隨著AI時代的到來和監(jiān)管要求的趨嚴（如要求數(shù)據(jù)留存期大于10年投資預算的增長顯然無法趕上非結構化數(shù)據(jù)量的增長速度，剪刀差越來越大，這就要求金融大數(shù)據(jù)平臺一方面要降低單位容量的投資成本，另一方面還要提升單位容量的性能，支持海量數(shù)據(jù)低成本存4、支持平滑演進：大數(shù)據(jù)平臺需要具備支持面向未來的平滑演進，支持HDFS、S3多種數(shù)據(jù)訪問協(xié)議，平臺升級過程中，老的存儲集5、更簡單的數(shù)據(jù)管理：支持多任務資源隔離，保障關鍵任務高效執(zhí)行，具備跨域的數(shù)據(jù)管理能力，全局數(shù)據(jù)可視、可管、可用，并3.2.3金融大數(shù)據(jù)分析平臺架構演進趨勢湖倉融合架構領跑大數(shù)據(jù)的下半場，成為金融大數(shù)據(jù)的重點布局技術。傳統(tǒng)數(shù)據(jù)湖和數(shù)據(jù)倉庫分離建設，數(shù)據(jù)湖擅長存儲和處理各種類型、大量原始數(shù)據(jù)，而數(shù)據(jù)倉庫則更擅長結構化數(shù)據(jù)的存儲和高效查詢，各自都有一定的局限性。湖倉融合架構結合了兩者的優(yōu)點，能夠在同一系統(tǒng)中處理結構化和非結構化數(shù)據(jù)，提供統(tǒng)一的數(shù)據(jù)管理和分析平臺，從而提高數(shù)據(jù)處理效率和分析能力，降低數(shù)據(jù)管理成本。這種架構特別適用于需要實時分析大量復雜數(shù)據(jù)的場基于專業(yè)分布式存儲的存算分離方案是大數(shù)據(jù)湖倉融合的基礎。傳統(tǒng)存算一體模式采用Hadoop原生存儲底座進行數(shù)據(jù)存儲，單命名空間支撐的文件數(shù)量少、三副本冗余機制存儲空間利用率低、跨域數(shù)據(jù)管理能力弱，無法支撐湖倉融合架構下海量的結構化、非結構化、半結構化數(shù)據(jù)統(tǒng)一存儲訴求。專業(yè)分布式存儲因其良好的協(xié)議擴展性、容量密度、空間利用率和性能，可以很好的應對湖倉融合架構下對存儲的各類要求，因此基于專業(yè)分布式存儲進行存算分3.2.4金融大數(shù)據(jù)分析平臺目標架構Hadoop有多種計算引擎，包括離線、實時、內存、流式等，各種計算引擎都有自己擅長處理的文件格式，保證各種計算引擎的性能，但是這也造成了一份數(shù)據(jù)的重復存儲。拉通各個計算引擎的文件存儲格式，做到一份數(shù)據(jù)存儲支撐多種引擎，可以大幅降低存存算分離是大數(shù)據(jù)平臺持續(xù)演進的關鍵所在，通過存算分離改解決了不同大數(shù)據(jù)集群間計算、存儲資源利用率不均的問題，又使得大數(shù)據(jù)計算節(jié)點可以和用戶的其他計算節(jié)點能夠按業(yè)務峰谷靈活調配，一舉兩得，我們推薦的大數(shù)據(jù)方案架構如下圖所示，支持HUAWVEI金融數(shù)據(jù)中心存儲頂層架構白皮書傳統(tǒng)存算一體方案存儲資源是瓶頸，計算資源利用率往往不足到50%以上，改造之后的計算、存儲設備總臺數(shù)案節(jié)省30%以上。（4）存儲底座采用分布式元數(shù)據(jù)管理方式，單一命名空間支持百億級文件統(tǒng)一管理，較存算一體方案的單命名空間億級文件數(shù)量提升退出往往是一大難題，華為存算分離方案通過元數(shù)據(jù)網(wǎng)關支持新老集群統(tǒng)一納管和數(shù)據(jù)靈活遷移，老集群可（3）統(tǒng)一存儲底座，同時支持多廠家、多版本Hadoop，適配無隨著數(shù)據(jù)量的急劇膨脹，一方面數(shù)據(jù)的跨地域訪問日益頻繁，如何消除數(shù)據(jù)重力讓全域數(shù)據(jù)自由流動成為了亟需解決的問題；另一方面大數(shù)據(jù)平臺多用戶、多任務分析已經(jīng)成為常態(tài)，存儲資源隔更新，全局數(shù)據(jù)視圖實時永新；支持全局數(shù)據(jù)自由流動，激活數(shù)據(jù)（2）SmartQos實現(xiàn)精細化資源管理，多用戶、多業(yè)務并行不悖，3.3金融AI業(yè)務場景3.3.1金融AI趨勢與變化HUAWVEI金融數(shù)據(jù)中心存儲頂層架構白皮書AI模型的數(shù)據(jù)將成為新常態(tài)。個方面已經(jīng)顯現(xiàn)出不同的價值。目前大量金融客戶加大A在提升金融產(chǎn)品營銷能力方面，AI技術可以幫助銀行實現(xiàn)客戶領域AI應用可以提升銀行的風險防范與處置能力，使其能夠在使能新業(yè)態(tài)方面，AI結合IoT、區(qū)3.3.2金融客戶落地AI業(yè)務需求型的訓練和提升起著至關重要的作用，數(shù)據(jù)的數(shù)量與質量將決定著AI模型智能化的程度。當前金融客戶在AI模型訓練與推理過程中遇到如下關鍵挑戰(zhàn)：2、金融客戶的價值數(shù)據(jù)往往散落在眾多分散的數(shù)據(jù)中心中，形成了據(jù)跨域搬遷，導致通常數(shù)據(jù)準備時間在大模型生產(chǎn)全流程中占比超復搬遷成為大模型基礎設施建設過程中首先要考慮的問題。以某大300TB數(shù)據(jù)，分散在多個銀行數(shù)據(jù)中心中存儲。如何讓分散在不同該銀行技術部門最頭痛的問題。因此，構建一個高效的數(shù)據(jù)存儲和4、從訓練到推理是AI大模型實現(xiàn)商業(yè)閉環(huán)的必經(jīng)之路，目前的金3.3.3金融AI業(yè)務場景目標架構AI數(shù)據(jù)湖方案是一個數(shù)據(jù)全局管理，數(shù)據(jù)存儲、編織、管流動一體的數(shù)據(jù)存儲解決方案，助力構建企現(xiàn)對企業(yè)內部多源異構數(shù)據(jù)的統(tǒng)一存儲和管理，還能夠提供高效的數(shù)據(jù)處理和分析能力，為企業(yè)提供全方位的數(shù)據(jù)服務。通過構建AI數(shù)據(jù)湖，企業(yè)可以打破傳統(tǒng)數(shù)據(jù)中心的限制，實現(xiàn)數(shù)據(jù)的全局可視設中，數(shù)據(jù)要素的流通是實現(xiàn)數(shù)據(jù)價值最大化的關鍵?？梢酝ㄟ^構建全局文件系統(tǒng)，支持多中心數(shù)據(jù)資產(chǎn)的全局可清晰地了解自身數(shù)據(jù)資源的分布和狀況。同時，通過優(yōu)化數(shù)據(jù)存儲模型的訓練提供源源不斷的數(shù)據(jù)支持。此外，數(shù)據(jù)的流通還能夠促進私域數(shù)據(jù)的共享和整合。金融行業(yè)的數(shù)據(jù)具有獨特的價值和特征，通過將這些數(shù)據(jù)進行融合和分析，可以挖掘出更多有價值的信息和所以，理想的AI數(shù)據(jù)湖解決方案應具備以下幾個核心能力：2、高性能：AI工作負載通常涉及大量的數(shù)據(jù)處理和計算，因此存級低延遲的性能，以滿足模型訓練與推理的性能需求；3、大容量以及可擴展性：隨著AI多模態(tài)的發(fā)展，AI模型和數(shù)據(jù)集越來越大，存儲系統(tǒng)需要具備足夠的容量來存儲這些數(shù)據(jù)和模型，4、數(shù)據(jù)韌性和安全：AI數(shù)據(jù)通常具有很高的價值，因此存儲系統(tǒng)必須保證數(shù)據(jù)的安全性和可靠性，能夠抵御硬件故障、數(shù)據(jù)損壞等風險，提供數(shù)據(jù)備份和恢復功能，具備主動預防勒索攻擊的能力。對于敏感信息，存儲具備安全功能，保護數(shù)據(jù)不被未經(jīng)授權的訪問5、知識實時更新及記憶能力：AI在推理應用場景需要提供大庫容RAG知識庫，為大模型增加知識儲備，加速行業(yè)知識更新；使用方案應提供合理性價比，數(shù)據(jù)可以自動分級，根據(jù)數(shù)據(jù)訪問頻率按3.4.1金融行業(yè)容災趨勢和變化3.4.2金融行業(yè)存儲容災架構業(yè)務需求分為例）RPORTO30分鐘本地高可用+（兩地三中心）+≤5分鐘<4小時本地高可用+（兩地三中心）+要≤30<24小時同城主備+備份≤243~7天3.4.3金融行業(yè)存儲容災架構本地高可用：兩地三中心：√多樣化，提供多種選擇：雙活+同步復制方案支持同異步互轉，力3.5數(shù)據(jù)保護3.5.1金融行業(yè)數(shù)據(jù)保護趨勢和變化金融行業(yè)以其高度信息化和嚴格的信息安全標準而著稱，近年HUAWVEI金融數(shù)據(jù)中心存儲頂層架構白皮書來，金融行業(yè)勒索軟件攻擊事件不斷上升，給金融機構的數(shù)據(jù)安全帶來了前所未有的挑戰(zhàn)。不僅嚴重影響了金融行業(yè)的正常運行，更讓金融系統(tǒng)的穩(wěn)定性面臨前所未有的考驗。這不僅是對金融機構應急響應能力的考驗，更是對整個金融行業(yè)網(wǎng)絡安全防護體系的全面審視。金融安全無小事，任何一環(huán)的疏漏都可能引發(fā)連鎖反應，威Veritas最近的研究發(fā)現(xiàn)，金融行業(yè)一直是勒索軟件陰影下的去三年的年度報告。在報告涉及的行業(yè)中，金融行業(yè)始終被網(wǎng)絡威脅所牽動。在過去三年中，金融行業(yè)企業(yè)年度報告中提及"網(wǎng)絡攻擊"的次數(shù)增加了55%。同時，勒索軟件的提及率從2020年到2022年上升了88%?！衲潮泵楞y行于2020年遭遇勒索軟件Maze攻擊，被竊取和泄露上千萬張信用卡信息；●某南美國家銀行于2020年遭遇勒索軟件Revil攻擊，被迫HUAWVEI金融數(shù)據(jù)中心存儲頂層架構白皮書●某國際保險公司于2021年遭遇勒索軟件CryptoLocker攻●某巨頭保險集團于2021年遭遇勒索軟件Avaddon攻擊，●某銀行北美分析機構于2023年遭到勒索軟件攻擊，導致部《中國數(shù)據(jù)災備產(chǎn)業(yè)白皮書暨數(shù)據(jù)災備建設調研報告2021》架構分析顯示，普遍缺乏數(shù)據(jù)防勒索措施。異地備份的比例只有約10%，本地備份的完備性也不足：只備份了關鍵的核心數(shù)據(jù)庫應用，整體行業(yè)情況如下：●災備系統(tǒng)建設水平不一：區(qū)域發(fā)展差異及金融機構實力的不均，導致災備系統(tǒng)的建設水平參差不齊。大中型金融機構在災備體常運行時備份系統(tǒng)并不承載生產(chǎn)業(yè)務，同時傳統(tǒng)備份恢復技術的也無法滿足生產(chǎn)業(yè)務的利用訴求，導致備份相關資源投入大3.5.2金融行業(yè)備份業(yè)務需求對金融企業(yè)而言，應用系統(tǒng)的可靠性、可用性保障的重要性永遠是第一位的，全行業(yè)都會把業(yè)務連續(xù)性及災備建設作為IT運營工金融行業(yè)災備建設通常包括存儲、計算和網(wǎng)絡的設計，目前金融行業(yè)主流的災備建設方案為以存儲產(chǎn)品為核心實現(xiàn)災備建設。建設總體原則是根據(jù)不同應用對性能和容災的訴求進行存儲選型，按HUAWVEI