以某头部基金实践为例,验证深信服超融合对TA系统承载能力

TA(Transfer Agent)开放式基金登记过户系统是交易管理系统的重要组成部分,是登记注册机构向投资者提供账户管理、份额登记、交易清算、红利发放、持有人名册保管的综合服务系统。

作为开放式基金运作的核心系统之一,承担着投资者基金账户管理以及基金交易引起份额变动登记的重要职责,它既是基金估值核算系统计算每日单位资产净值的份额基数来源,也是基金管理公司 TA 类清算指令或应收数据生成的依据。

TA 系统能够完成基金交易过程中金额费用以及份额数量的计算,对投资者的交易申请进行确认并就交易引起的份额增减进行准确记录,还可代为处理权益登记分配等事项。

本篇文章将详细解析深信服超融合在承载TA系统上的应用实践。

适用行业:基金、证券、银行、保险、期货等。

应用场景:新一代登记过户平台系统架构

应用架构介绍

TA的常见部署场景包括使用全物理机、虚拟化+数据库一体机、虚拟化+外置存储承载三类方案,目前大多数用户都已经完成虚拟化的改造,使用虚拟化对接数据库一体机和外置存储来实现,这也是相对比较稳定高效的部署架构。

本次验证用户现网中采用VMware虚拟化加Oracle一体机的方案来承载TA系统的运行,两台Oracle一体机通过InfiniBand线缆组建RAC应用集群。同时为了保证数据冗余,采用Oracle DG异步复制的方案建设两个备库实例。

整体结构如下:
用户现网环境
用户现网环境

TA系统组件资源表
TA系统组件资源表

需求与痛点

  • 高性能跑批需求:TA系统为满足业务使用需求必须提供对数据跑批所需的性能支撑,系统整体性能越高,则跑批所用的时间越短,所以对基础平台的存储IO性能依赖较大。
  • 资源利用率低:为满足性能需求采用物理机的方式承载 TA,而 TA 系统的跑批一般是在晚上的业务空闲时间进行,那么在其他时间的物理机资源会造成很大程度的浪费。
  • 维护建设成本高:数据库一体机的建设与后期维护所投入的成本相对通用机来说是比较高的,希望在保障业务正常开展的情况下有一种可以缩减成本的方案。

测试目标与方法

测试的主要目标是验证通过深信服超融合承载用户TA业务及系统的可能性,在满足高性能跑批需求的同时,论证解决现有业务系统承载架构痛点的可行方案:

本次测试从生产环境抽取 3.5T 的真实数据脱敏后作为跑批源数据,记录跑批过程中各阶段业务流程的结算时长,与同数据量数据库一体机跑批时间进行对比,期望所有数据的跑批运算能够在3个小时内完成,满足正常业务开展需要。

本次测试在深信服超融合环境部署Oracle单机数据库,数据库配置设计与现生产环境保持一致,不做任何额外调优操作。(RAC集群在高并发性能表现上会比单机数据库更好,用户现场测试时间有限所以没有部署RAC)

本次测试共包括两个跑批场景:

场景一使用与原生产数据库相同模式的主从异步复制;场景二使用可靠性更高的数据库主从同步复制模式,并分别观测这两种场景的跑批完成时间以论证目标。

TA的测试跑批流程如下图所示:

在这里插入图片描述

测试环境说明

为满足用户在资源上的需求,本次项目预计使用五台深信服超融合一体机组成资源池。实际测试也使用五台物理服务器,承载TA客户端以及Oracle DG主备两个数据库。在测场景一时采用DG主从异步复制技术,场景二采用DG主从同步复制。

深信服测试环境
深信服测试环境

TA系统组件资源表
TA系统组件资源表

超融合服务器配置表
超融合服务器配置表

测试过程与结果

场景一

Oracle DG 采用主从异步复制技术,对3.5T的数据量跑批测试结果如下:

使用超融合环境测试整体业务流跑批用时,结果相较于原生产环境增加15%左右。


Oracle DG 主从异步复制跑批测试结果

场景二

Oracle DG 采用主从同步复制技术,对3.5T的数据量跑批测试结果如下:

使用主从同步复制技术的测试结果与异步复制技术大致相同,整体时长15s左右。

在这里插入图片描述
Oracle DG 主从同步复制跑批测试结果

测试过程记录

数据库虚拟机CPU资源使用趋势
在这里插入图片描述

数据库虚拟机内存资源使用趋势
在这里插入图片描述
数据库虚拟机网卡资源占用趋势
在这里插入图片描述

数据库虚拟机磁盘IO波动趋势
在这里插入图片描述

数据库虚拟机磁盘吞吐波动趋势
在这里插入图片描述

数据库虚拟机磁盘时延趋势
在这里插入图片描述

测试结果汇总及分析

经过对源数据的17个业务流程跑批测试,从测试数据与原生产环境的测试数据来看:

  • 使用深信服超融合环境测试业务流跑批用时为2小时28分钟,满足用户预期。
  • 使用 Oracle DG 主从异步复制技术,业务跑批用时相较于原生产环境增加15%。
  • 使用 Oracle DG 主从同步复制技术,业务跑批用时相较于异步复制增加了15s。

经过对整体测试过程的记录数据分析:

在整个测试过程中,业务系统和数据库虚拟机的资源均未到达瓶颈,整体的跑批时间在现有数据结果的基础上仍然存在优化缩减的空间。原数据库运行在一体机服务器上,系统参数经过Oracle软件适配和修改,迁移至超融合虚拟化环境之后并未进行参数优化与调整,故而导致业务性能无法发挥最高效果。

对比测试的差异数据主要集中在批处理阶段前后,分析相差15%的原因是在数据库层面未匹配新的硬件平台和超融合架构进行相关调优。在后续交付过程中可以采用深信服数据库管理平台进行优化,经过和深信服超融合平台特性的深度调优,性能可进一步优化20%左右。

用户观点

某头部基金基础架构部负责人:

从跑批结果看,与使用数据库一体机相比,深信服超融合对TA的承载性能稍有下降,跑批时间长了大概15%左右,但考虑到硬件平台差异及数据库软件适配性,属于可接受范畴。

从资源利用率角度看,以TA系统为例,跑批一般会在晚上进行,那其余空闲时间可以用来跑其他业务,比如桌面云,实现时分复用,这是数据库一体机所不具备的,可以作为未来可探索的场景之一。

从建设成本的角度看,牺牲一部分可接受范围内的耗时,换取相对低的建设成本,是比较划算的考虑。

综合来看,使用超融合作为TA承载平台是一条很有价值的技术路线选项。

场景价值

性能卓越,满足跑批需求
在性能层面深信服超融合经过对计算/网络/存储的全栈性能优化,Oracle 数据库的性能测试数据高达121.5w TPM。使用深信服超融合承载TA系统对3.5T的数据量进行跑批结算耗时2小时28分钟,完全满足用户数据结算的时间需求。

动态调度,资源使用率提高25%
在资源层面深信服超融合基于虚拟化技术实现资源的动态调度能力,相比于数据库一体机的资源独占模式,物理资源利用率提高25%以上。同时针对TA系统跑批这种定时任务来说,可在非跑批时间段将资源调度给其他系统使用,进一步提高使用率。

简单易用,成本降低40%以上
深信服超融合软件使用三台X86服务器即可组成资源池,同时提供计算、网络、存储等多类基础设施资源;基于超融合提供数据库管理平台支撑数据库系统的全生命周期管理,简化数据库运维工作;整体IT成本相比于原数据库一体机方案降低40%以上。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.xdnf.cn/news/1472667.html

如若内容造成侵权/违法违规/事实不符,请联系一条长河网进行投诉反馈,一经查实,立即删除!

相关文章

go语言day09 通道 协程的死锁

Go语言学习——channel的死锁其实没那么复杂 - JackieZheng - 博客园 (cnblogs.com) 目录 通道 创建通道 1)无缓冲通道 2)有缓冲通道 通道的使用 1) 值从通道入口进 2) 值从通道出口出 信道死锁: 0)死锁现场0 1)死…

【C++】 解决 C++ 语言报错:Use of Uninitialized Variable

文章目录 引言 使用未初始化的变量(Use of Uninitialized Variable)是 C 编程中常见且危险的错误之一。它通常在程序试图使用尚未赋值的变量时发生,导致程序行为不可预测,可能引发运行时错误、数据损坏,甚至安全漏洞。…

珠宝首饰3d网络虚拟展馆打破消费者的时间与空间的限制

我们深知,未来的营销不仅仅是展示产品,更是提供一种全新的消费体验和情绪价值,因此将web3d技术、虚拟现实和互动体验与营销理念相结合,成为数字化时代的新宠。 深圳VRAR公司华锐视点借助先进的web3d开发和VR虚拟现实制作技术&…

数据驱动下的SaaS渠道精细化运营:提升ROI的实战指南

在当今数字化转型的大潮中,SaaS(Software as a Service)企业面临着日益激烈的市场竞争。为了在市场中脱颖而出,实现可持续增长,SaaS企业必须转向更为精细化的运营模式,而数据驱动则是实现这一目标的关键。本…

Web基础与HTTP协议:

Web基础与HTTP协议 Web:就是我们所说的页面,打开网站所展示的页面。(全球广域网,万维网) 分布式图形信息系统。 http https (加密的)超文本传输协议 分布式:计算机系统或者应用程序…

巨头们涌入的医疗大模型,何时迎来最好的商业时代?_google医疗大模型 医疗大模型

当下极为火爆的大模型,在医疗赛道同样炙手可热。谷歌刚刚发布了准确率达 91.1%、性能远超 GPT-4 系列的多模态医学大模型 Med-Gemini,国内市场亦很热闹。自 2023 年以来,百度、腾讯、京东等诸多大厂都相继加码医疗大模型领域,与医…

【简历】郑州某二本学院:JAVA实习简历指导,基本没有面试机会

注:为保证用户信息安全,姓名和学校等信息已经进行同层次变更,内容部分细节也进行了部分隐藏 简历说明 这份简历是一个25届二本同学找JAVA实习的简历,从整体来看,简历版式没有问题,非常清晰。 但是内容特…

碳课堂|搞清楚碳足迹,只看这篇文章就够了

碳足迹管理是碳达峰碳中和的重要政策工具,2023年12月,国家发展改革委、工信部、国家市场监管总局、住房城乡建设部、交通运输部等部门联合印发《关于加快建立产品碳足迹管理体系的意见》,对产品碳足迹管理各项重点任务作出系统部署。 推动碳…

TK养号工具开发会用上的源代码科普!

在当今数字化时代,社交媒体平台的崛起使得网络账号的维护与管理变得日益重要,其中,TK作为一款备受欢迎的社交媒体平台,吸引了大量用户。 在TK上进行账号养护,即通过各种方式提升账号权重、增加曝光量,已成…

从“NLP技术”到“AI大模型”

自从AI大模型问世以来,仿佛很少有人提及NLP技术这个词了。昨天休息的时候突然在想一个问题,AI大模型已经如此强大了,还需要传统的NLP技术吗? 传统的NLP技术指:从分词(ws)、词性标注(…

STM32智能家居安防系统教程

目录 引言环境准备智能家居安防系统基础代码实现:实现智能家居安防系统 4.1 数据采集模块 4.2 数据处理与分析 4.3 控制系统实现 4.4 用户界面与数据可视化应用场景:安防管理与优化问题解决方案与优化收尾与总结 1. 引言 智能家居安防系统利用STM32嵌…

c/c++ 程序运行的过程分析

c/c编译基础知识 GNU GNU(GNU’s Not Unix!)是一个由理查德斯托曼(Richard Stallman)在1983年发起的自由软件项目,旨在创建一个完全自由的操作系统,包括操作系统的内核、编译器、工具、库、文本编辑器、邮…

【读点论文】基于二维伽马函数的光照不均匀图像自适应校正算法

基于二维伽马函数的光照不均匀图像自适应校正算法 摘 要:提出了一种基于二维伽马函数的光照不均匀图像自适应校正算法.利用多尺度高斯函数提取出场景的光照分量,然后构造了一种二维伽马函数,并利用光照分量的分布特性调整二维伽马函数的参数,降低光照过强区域图像的亮度值,提高…

惠海 H6225K 降压恒压芯片 支持12V24V36V48V60V转3.3V 5V车载仪器仪表方案

H6225K是一种内置60V耐压MOS,支持输入高达48V的高压降压开关控制器,可以向负载提供2.5A的连续电流。H6225K支持输出恒定电压,可以通过调节VFB采样电阻来设置输出电压,同时支持最大电流限制,可以通过修改CS采样电阻来设…

期权学习必看圣书:《3小时快学期权》要在哪里看?

今天带你了解期权学习必看圣书:《3小时快学期权》要在哪里看?《3小时快学期权》是一本关于股票期权基础知识的书籍。 它旨在通过简明、易懂的语言和实用的案例,让读者在短时间内掌握股票期权的基本概念、操作方法和投资策略。通过这本书&…

Python酷库之旅-第三方库Pandas(004)

目录 一、用法精讲 5、pandas.DataFrame.to_csv函数 5-1、语法 5-2、参数 5-3、功能 5-4、返回值 5-5、说明 5-6、用法 5-6-1、代码示例 5-6-2、结果输出 6、pandas.read_fwf函数 6-1、语法 6-2、参数 6-3、功能 6-4、返回值 6-5、说明 6-6、用法 6-6-1、代码…

从海上长城到数字防线:视频技术在海域边防现代化中的创新应用

随着全球化和科技发展的加速,海域安全问题日益凸显其重要性。海域边防作为国家安全的第一道防线,其监控和管理面临着诸多挑战。近年来,视频技术的快速发展为海域边防场景提供了新的解决方案,其高效、实时、远程的监控特点极大地提…

QWidget成员函数功能和使用详细说明(四)(文字+用例+代码+效果图)

文章目录 1.测试工程配置2.成员函数2.1 void setParent(QWidget *parent)2.2 void setMouseTracking(bool enable)2.3 bool hasMouseTracking() const2.4 void setPalette(const QPalette &)2.5 const QPalette &palette() const2.6 int QWidget::grabShortcut(const Q…

Java 并发集合:CopyOnWrite 写时复制集合介绍

大家好,我是栗筝i,这篇文章是我的 “栗筝i 的 Java 技术栈” 专栏的第 016 篇文章,在 “栗筝i 的 Java 技术栈” 这个专栏中我会持续为大家更新 Java 技术相关全套技术栈内容。专栏的主要目标是已经有一定 Java 开发经验,并希望进…

【深度学习】图形模型基础(5):线性回归模型第二部分:单变量线性回归模型

1.引言 在统计学与机器学习的广阔领域中,线性回归作为一种基础而强大的预测技术,其核心在于通过输入变量(或称预测器、自变量)来估计输出变量(响应变量、因变量)的连续值。本章聚焦于线性回归的一个基本但…