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
数字孪生技术正在改变网络安全防御模式,从被动响应转向主动预测。这种实时学习演进的虚拟副本让安全团队能够在威胁发生前预见攻击。组织可以在数字孪生环境中预演明日的攻击,将防御从事后反应转变为事前排演。通过动态更新的IT生态系统副本,团队可在真实条件下压力测试防御体系,模拟零日漏洞攻击并制定应对策略,从根本上重塑网络安全实践方式。
NVIDIA联合多所大学开发的Omni-RGPT实现了AI视觉理解的重要突破,首次让AI能同时精准理解图像和视频中用户指定的任何区域。通过独创的Token Mark机制,该系统解决了传统方法在视频中容易"跟丢"目标的问题,在视觉问答、区域描述等多项任务上达到最先进水平,为教育、安防、内容创作等领域的AI应用奠定了基础。
Linux内核开发面临动荡时期,Rust语言引入引发摩擦,多名核心开发者相继离职。文章介绍了三个有趣的替代方案:Managarm是基于微内核的操作系统,支持运行Linux软件;Asterinas采用Rust语言开发,使用新型framekernel架构实现内核隔离;Xous同样基于Rust和微内核设计,已有实际硬件产品Precursor发布。这些项目证明了除Linux之外,还有许多令人兴奋的操作系统研发工作正在进行。
这项由中国人民大学等机构合作完成的研究提出了Virgo系统,发现仅用5000个纯文本推理案例训练就能让AI在视觉推理任务上达到顶级商业系统水平。研究证实推理能力具有跨模态通用性,为更经济高效地开发多模态AI系统指明了新方向,同时也揭示了AI感知反思能力不足的局限性。