袋鼠云以云原生一站式数据中台PaaS“数栈DTinsight”产品为核心，打造金融平台的互联网转型之路。

适应大数据时代，海量数据存储、计算、查询和大规模应用系统稳定、高效运行的需求，在数据库领域，从传统的DB2、Oracle已经逐渐转变为现在流行的，分布式大规模的，开源数据库集群架构。

某传统金融平台在23年的业务快速发展过程中，众多IT系统垂直建设，不同系统之间存在复杂多样的关联性关系，核心业务系统既需要保证极高的可用性，又要为业务创新和发展做好技术架构准备，面临着IT时代被IOE架构困扰已久的“稳定-创新”经典困局。

为充分利用高并发、高灵活、高可用的互联网平台优势，提升在线服务性能，该货币服务平台选择使用了阿里云EDAS中间件、DRDS分布式数据库、MySQL服务。

袋鼠云的数据库团队核心成员来自淘宝，曾参与主导过阿里巴巴“去IOE”的架构演进，对大规模分布式数据库架构设计与实践有着丰富的经验，曾服务过特步、中航金网、国泰产险、东风裕隆、浙江智慧网络医院、绿城信息等行业客户，是阿里云生态中数据库技术领域的技术领先者。
在向互联网级分布式架构转型中，涉及到的数据库架构设计和改造实施内容，该货币服务平台通过阿里云找到了——阿里云生态合作伙伴袋鼠云实施完成。

该传统金融平台原先采用DB2，经过10多年的业务发展和数据沉淀，数据库结构和表结构较为复杂，需要大量梳理。数据来源于上游系统，来源方式多样，由中间库、源库、目标库组成的数据摆渡链路较为冗长。

据了解，该传统金融平台每次功能变更都需要重新发布整个系统，系统耦合度高。

结合平台庞大的业务体系，袋鼠云和客户决定对其数据库进行先垂直后水平的拆分改造，后端数据库技术架构如下：

 

难点一：如何进行数据库拆分设计以适应满足复杂业务需求？

 

由于该传统金融平台的业务体系过于庞杂，第一要务是对整个应用系统进行业务模块的梳理和拆解。在调研初期，袋鼠云为该平台客户梳理出三大垂直的业务系统，目的是进行应用的功能剥离及数据解耦，并以业务模块为基准，对其数据库进行垂直拆分设计。

 

垂直拆分后，数据层在存储以及性能方面已经做到隔离，但十多年的业务积累，导致部分业务表数据量已经超过数千万条记录。为了提高单表的查询性能，以及解决单库存储容量问题，接下来需要基于DRDS对部分表进行水平拆分。在客户现场，进行反复调研及沟通，逐个分析各个业务的查询场景以及数据存储规律，和客户共同制订出针对大表的水平拆分方案，这个过程也称之为“分库分表”。

 

该传统金融平台的数据库垂直拆分架构大致如下：

 

通过DRDS将若干大表进行水平拆分，大致如下：

 

难点二：针对复杂业务逻辑，袋鼠云为其定制数据迁移程序

 

该传统金融平台隶属于国家级金融机构。任何一条数据的不准确、延迟、丢失，都将影响中国金融市场的稳定和健康发展。

所以，这就要求在拆分迁移过程中，还要对接收到的来自不同上游的数据进行计算和准确性校验。校验的精细度要求是：每条数据都需要验证，而且迁移过程是一次全量多次增量，数据迁移，数据验证，数据又迁移，数据再验证，如此循环往复，需要投入大量时间和人力。

针对该传统金融平台复杂的业务逻辑，以及对数据高完整性的需求，袋鼠云为客户定制化迁移程序，进行DB2数据库到DRDS的数据迁移工作。深入理解客户的业务逻辑并完成数据重组，期间不断聆听客户的业务需求，最终通过严格的多阶段数据验证考验。数据迁移过程如下：

 

难点三：为满足金融平台的高性能要求，SQL优化、压测、再优化，进行了8轮…

 

客户平台原采用的DB2数据库，有很多复杂SQL，对数据库带来一定负担。同时，还有数据库存储过程、视图等高级功能的使用，SQL书写不规范，表未建索引….大量的SQL需要袋鼠云数据库专家进行逐行审核，并和客户工作人员一起优化、压测、再优化、再压测、再再…，如此进行了8轮。除了常规的优化手段外，还需要对传统应用进行改造，如拆解查询、逻辑上拉至应用层、业务功能适度妥协等，最终完成对客户不同场景下的查询优化，最大程度提升了客户系统的性能。

 

并且在后端的数据库节点上，袋鼠云数据库团队基于DRDS设计读写分离的架构利用只读实例分担主库的数据查询压力，配合EDAS的限流功能，避免了后端数据库在业务高峰期的流量冲击。

最后：

通过采用分布式数据库架构，该传统金融平台全链路数据库瓶颈得以解决，对数据解耦，缩短数据访问链条长度，显著提升了自身数据服务性能。

 

从DB2到MySQL、DRDS，该传统金融平台完成了自身互联网转型的一大步。