伴隨著交易系統，銀行還有大量的內部經營管理及分析類系統。管理分析類系統有實時分析系統及非實時分析系統，即我們常說的T+0系統和T+1系統。這些系統的數據類型和數據處理方式和交易系統有較大不同，這些系統對存儲的要求也有所不同。

一、金融行業應用特性

在金融行業的IT系統中，存儲設備有著舉足輕重的位置。我們知道，金融企業客戶的存款數據、貸款數據、理財數據、交易數據等等全部存在IT系統中，全部都是數字化、電子化的。這些數據的安全直接影響客戶和企業的資金安全，這些數據的存取效率直接影響客戶體驗，它們都存放在存儲設備中，因此存儲設備的選擇經常被大家關注。本文重點講講金融企業如何選擇存儲。

以銀行為例，我們來審視一下金融行業的應用都有哪些特點。從業務類型來看，銀行業務系統有交易類系統、經營管理類系統、AI、BI等分析類系統、辦公類系統等。從數據的全生命周期來看，分為在線數據和非在線數據，非在線數據又有備份數據和歸檔數據。銀行應用的多樣性，決定了數據的多樣性，從而也決定了對存儲設備選擇的多樣性。

交易類系統是銀行最重要的系統，它直接面向客戶提供金融業務服務。銀行的交易系統并非是單個系統，而是由許許多多的系統組成，其中最重要的系統是被稱為核心系統的賬務處理系統，圍繞著核心系統，還有眾多的產品、渠道類系統，它們共同構成一套復雜的分布式業務處理系統。每套系統都有相對獨立的功能，客戶完成任何一筆金融業務，都會涉及到多套系統，其中任何一套系統的故障或緩慢都會影響客戶的業務體驗。因此，交易鏈路上的每套系統都需要很高的安全性、穩定性和并發交易處理能力。近年來，隨著移動互聯網、Fintech對金融行業的影響，銀行的應用系統也在不斷互聯網化，秒殺、交易銀行等新的應用形態層出不窮，交易系統必須面對突發和不確定性的高并發，這對銀行系統的穩定性和性能要求提出了更高的要求。

伴隨著交易系統，銀行還有大量的內部經營管理及分析類系統。管理分析類系統有實時分析系統及非實時分析系統，即我們常說的T+0系統和T+1系統。這些系統的數據類型和數據處理方式和交易系統有較大不同，這些系統對存儲的要求也有所不同。分析類系統不會面臨突發和不確定性的并發量，也不需要快速的單筆交易處理時間；但是分析類系統需要在一定的時間內完成海量數據的處理和計算，需要具備非常強的批量處理能力和并行處理能力，這就要求對應的存儲系統有較大的吞吐能力。

二、金融行業對存儲的需求

根據上述金融行業應用的特性，結合應用的具體技術形態，對存儲的需求基本有這幾類：

1、虛擬機應用的IO特性及對存儲的需求

隨著云計算、虛擬化技術的推廣使用，金融行業不管是交易類系統還是分析類系統，大量應用節點，包括web服務器、業務處理的App服務器、通訊服務器，及部分體量較小的數據庫基本都運行在虛擬機上。為了保證虛擬機的高可用，往往會構建虛擬化集群，并使用共享存儲。虛擬機存儲的數據和數據訪問的特點是：數據存儲量大，通常一個虛擬機需要的存儲空間在幾十GB到數百GB不等；數據的重復量大，可壓縮的空間大；對IO性能的要求中等，對于應用節點，IO時延在10ms（毫秒）左右基本可滿足要求，如果虛擬機上運行數據庫，則IO時延通常要求小于5ms。金融行業虛擬機通常通過共享存儲實現虛擬化的高可用，因此，對存儲的穩定性有較高的要求。

2、容器應用的IO特性及對存儲的需求

容器上運行的主要是無狀態應用和輕量數據庫。容器應用對存儲的需求，基本與虛擬機的需求差不多。由于一些應用沒法完全做到無狀態，因此，容器應用往往需要共享存儲，通常通過NAS來提供共享能力。

3、數據庫應用的IO特性及對存儲的需求

數據庫系統一直處于金融業務系統的核心位置，幾乎所有的應用系統都離不開數據庫，數據庫系統的性能問題常常是應用系統性能問題的關鍵。存儲系統又在數據庫中起著決定性作用。數據庫按其處理業務的類型可分為OLTP（On-line Transaction Processing）、OLAP（On-Line Analytical Processing）和混合型。

OLTP主要處理的是前面所述的交易類系統，這類數據庫系統對存儲的IO時延極為敏感，并且都是隨機讀寫，通常對存儲的IO時延要求在2ms以內，亞洲服務器租用，應用系統的并發量越大，對存儲性能的要求越高。高IOPS（Input/Output Operations Per Second）、低時延是OLTP數據庫對存儲的共性要求。近年來像Redis等數據庫緩存的使用，隔離了應用對數據庫的直接高并發訪問，從某種程度上降低了數據庫對存儲的要求。