|
随着技术的不断演进和发展，京东大数据平台持续面对集群规模增长带来的风险与挑战，其大数据平台按照规模划分，可以分为四个演进阶段。在这个过程中，京东逐渐解决了集中式和多集群;突破了规模增长与性能下降的魔咒;保证任务SLA稳定完成;保证物理资源发挥200%的效能;降低部分slave节点故障对集群的影响;保证集群每日上线并保证故障隔离;跨机房多主多活架构设计等技术难题。 王哲涵认为，稳定性、性能和规模是京东大数据的三大关键问题。就稳定性而言，京东解决了数据热点、硬件故障、基础设施故障和异常任务等常见问题;就性能而言，京东做了多区域智能调度、存储计算分离、跨机房容灾-多活架构等。未来，京东会继续促进计算、调度和存储的独立进化，降低各层之间的耦合性;在各层独立服务的基础上，构建统一的“大脑”指挥协调各层系统发挥“1+1=10”的效果;消除“客户端”模式，增加“服务层”与“资源池”的概念，对外建立统一的API服务列表，让用户与集群资源完全分离。 张小龙：北京银行金融级NewSQL数据库探索与实践 随着互联金融对传统企业的冲击，提升系统性能只能靠替换式的硬件升级，传统“巨头们”在逐渐老化，北京银行开始了数据库转型之路。考虑到高性能、可弹性扩展且可自主掌握支持等需求，OLTP场景的数据库成为北京银行系统建设的优先选择方案。考虑到银行的科技及业务特点，并参考互联网的成功经验，充分验证行内使用效果，最终，北京银行确定采用NewSQL分布式数据库。 
北京银行核心系统架构设计 张小龙 通过多维度的评测体系对技术架构进行转型，逐渐实现可扩展性和高可用目标，摆脱技术束缚，打破传统数据库替换式升级局面，改变传统数据库一锤定音的建设方式，实现无感知的平滑升级。未来，北京银行将继续寻求自主可控能力，主动在模式和管理层面进行创新，与互联网思维和技术不断切磋、碰撞、融合，最终打造出具有北京银行特色的创新驱动力。 （编辑：核心网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
