ZD至顶网服务器频道 11月17日 新闻消息(文/董培欣):
双11后,相信躲在暖和的被窝里用手机逛京东,上淘宝的依然大有人在。就是这样,在不知不觉间,移动支付已经取代了大部分现金与银行卡的作用。哪怕是上街购物,也很少有不支持微信与支付宝的商家。如果有一天,工资也在用微信或支付宝发放的话,银行恐怕也将会成为历史。由此可知,移动支付正在对银行产生着多么强大的颠覆作用。金融行业肯定不会因此而消亡。但移动支付功能不全面、应用服务体验差的银行,必然会有大量用户流失情况出现。
移动业务的挑战需要如何应对?这个问题并不简单。传统银行客户流量大的时候,采用多增员工、多建网点的方式可以解决。在移动业务问题上,是不是多增加些网络带宽,多增加服务器就可以解决了呢?
首先来看一下金融行业开展移动业务,可能会遇到哪些问题:
一、移动应用业务请求处理问题
刚好看到某宝的双11技术分析文章,其中有些网络业务处理观点还是很客观的,在这里与大家简单分享一下:
通常情况下,双 11 的服务器使用是平时的 3-5 倍,网络带宽是平时 2-4 倍。
在高并发的实际场景下,服务器处于高负载的状态,网络带宽被挤满,在这个时候平均响应时间会被大大增加。随着用户数量的增加,数据库连接进程增加,需要处理的上下文切换也越多,服务器造成负载压力越来越重。
更可怕的问题是,当系统上某个应用因为延迟而变得不可用,用户的点击越频繁,恶性循环最终导致“雪崩”,因为其中一台服务器挂了,导致流量分散到其他正常工作的机器上,再导致正常的机器也挂,然后恶性循环,将整个系统拖垮。
金融行业在拓展移动业务的时候,必然也会不定期推出各类吸引用户的活动。这些活动在举行时,同样也会面临类似双11的高并发应用请求考验。稍有不慎,系统“雪崩”情况必将出现。
二、移动应用业务基础设施负担问题
金融行业在拓展移动应用业务时,所带来的基础设施问题同样也不容小视。移动业务还会对金融行业数据中心的服务器、网络、存储资源提出更多的使用需求,从而带来系统维护、供电、制冷等一系列的新技术挑战。
三、移动应用业务软件、底层系统平台搭建问题
金融行业本身缺乏移动应用开发、底层应用系统搭建的技术积累。难以应对移动应用节构多变、快速、灵活、及时响应的应用需求。呆板、缺乏交互性的移动应用无法满足当前用户灵活多变的应用需求。
上述移动业务问题,金融行业有哪些应对方法?让我们再来分析一下。
移动业务基础设施和系统平台搭建,无非是人材引进和系统建设问题。只要有相应的资金投入,这些问题并不难得到解决。对于金融行业来讲,可以用钱来解决的问题,肯定也不会成为问题。
问题的关键在于,用什么方式去做。越是底层的基础设施,就越难以变动。一但建设成后才发现问题,底层硬件产品无力去进行支撑或适应的话,就不是简单的资金投入问题了。时间成本、客户流失、资金损失等等因素综合叠加后,对金融机构所造成的影响,可能就会至命。
在这里想介绍一下,国外某银行对移动业务的应对方法:
某银行将原来运行在104台服务器上的多渠道系统整合到2台z Systems主机和18台Power服务器上,其中网银的所有业务、电话银行等业务的数据库部分都整合到z Systems主机上,其他业务的应用部分整合到Power上。服务器数量减少81%,占地空间减少40%。与分布式环境相比,投资减少M,维护成本降低20%。采用基于Power服务器实现了中间业务与渠道整合,可以简化基础架构、降低运维复杂度、统一管理、提高应用的部署/推广速度、提升应用和数据的紧密度、主机级别的RAS和容灾水平。
由此可知,在系统Linux化的趋势下,很多较重要的,规模较大的数据库,并不是简单的转向x86即可胜任,利用Power服务器可以支撑起更多要求也更高的外围数据库业务。如果想要了解更多Power协助金融行业数字化转型话题,请进入《CIO陪审团》Power8专题http://www.zdnet.com.cn/ibm/power/p8进行了解。
好文章,需要你的鼓励
Plaud在CES上推出两款AI笔记新品。NotePin S延续简约设计,可作为手环、项链或胸针使用,新增即时高亮按钮功能,售价179美元。同时发布的Plaud Desktop可录制在线会议,支持Zoom、Google Meet等平台,采用原生录制方式而非机器人参会。两款产品均可通过Plaud生态系统统一管理录音内容。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
Instagram负责人亚当·莫塞里发布深度分析,指出我们正进入"无限合成内容"新时代,AI生成的照片和视频与真实内容越来越难以区分。他表示,人们需要从默认相信眼见转向保持怀疑态度,关注内容发布者身份和动机。莫塞里认为相机公司发展方向错误,过度追求完美效果。平台需要构建更好的创作工具,标记AI生成内容,验证真实内容,并提供发布者可信度信号。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。