民生银行数据中台的云原生技术应用实践

痛点1：存储浪费大。数据以文件方式分发到各个下游系统，均需要占用业务库宝贵的存储资源，尤其是通用场景数据（例如用户画像标签等），重复的资源浪费尤为突出，亟需集中化的存储和服务支撑，体现在架构选型上，即需要“云化的异构存储能力”支撑；

痛点2：传递效率低。文件式数据传递链路以T+1批量为主，数据需要“一股脑”全部加载进本地应用库后方可使用，数据获取的效率远低于通过服务“按需”调用获取指定内容（例如指定客户信息、指定机构指标），数据中台为了支持前端各具业务特色的数据应用场景，需要借助“微服务”解耦和组装；

痛点3：人力投入大。虽然每个业务前端系统只维持一个小规模的数据团队，但银行前端业务系统众多，整体投入不容忽视。这部分工作收归沉淀在数据中台后，为了继续保持对各业务场景迭代诉求的快速响应、同时确保数据中台不会被突增的繁复工作压垮，就需要考虑通过技术手段降本增效，提升持续交付能力。体现在技术诉求上，就是需要“云化的部署运营能力”支撑；

痛点4：管控力度弱。文件式的数据应用方式，文件传送出去后，缺少有效的管控手段，无法准确回答数据使用场景、使用频次等问题，数据的价值难以量化评估，这就要求数据中台建设时除了技术架构考量外，需要同等注重“云化的协作管理能力”建设。

微服务设计具有低耦合+高内聚的特点，这就要求任何一个微小的服务都要集成诸如日志、缓存、注册与追踪等大量基础功能，且支持在云化环境中运行；

中台的异构存储组件涵盖关系型、内存KV型、分布式KV型等，或独立、或组合以适配不同的应用场景（适配方案在管理篇中介绍），每项组件的连接池管理、最优操作实践、基本规范等均有所不同。