在信息技术飞速发展的今天,金融机构面临如何在保障数据安全与业务连续性的基础上推进技术创新与应用的重大挑战。晋商银行积极响应国家战略,通过实际行动给出了自己的答案……

谋定而后动,晋商银行携手MogDB创新启程
经过对国内数据库厂商及其产品进行严格筛选和审慎评估,晋商银行最终选择了基于openGauss的商业发行版数据库——云和恩墨MogDB作为数据库替代方案之一,开启了信息技术应用创新的新篇章。这样的选择主要基于以下两方面考虑:
01、openGauss社区在国内拥有很高开发者参与度,是国内最活跃的数据库开源社区。MogDB作为openGauss的商业发行版,具备稳定可靠、高性能、高可用、高安全等诸多企业级特性,能够满足晋商银行不同业务系统的需求;
02、云和恩墨在商业数据库领域积累了十余年的经验,能够提供优质的企业级技术服务,尤其是在金融行业拥有大量成功的数据库迁移和改造经验,能够最大限度地保障项目成功。
稳字当先,安全与高效齐头并进
晋商银行在数据库自主创新过程中,秉持“稳”字当先,将保障数据安全和业务连续性放在首位。在MogDB的替代项目中,替换的主要为A、B+、B类等OLTP业务系统。这些系统对于银行业而言至关重要,因此,在这些业务场景中,确保数据安全和数据库稳定运行是首要考虑因素;其次,需要数据库具备高性能和支持大量用户访问的高并发处理能力,以保障业务系统高效运行;同时,还需要尽可能降低应用改造的成本。
为了保证数据库替代工作的稳步推进,晋商银行实施了分阶段的迁移替代策略。从2022年初的首批迁移成功,到2023年第二批业务系统上线,每个系统的平稳过渡都离不开晋商银行与云和恩墨技术团队的细致规划与紧密配合。云和恩墨自主研发的数据库迁移工具在此期间发挥了关键作用,助力晋商银行实现了异构数据库之间快速且平滑的迁移。
同时,由于MogDB对Oracle、MySQL及其他商业数据库具备较高的兼容性,例如,晋商银行某重要业务系统中的SQL语句与MogDB的兼容性达到了95%,这大大缩短了业务系统改造和数据库替代的周期,降低了对应的成本。此外,通过参数优化、架构升级和代码改写等举措,晋商银行的业务系统迁移至 MogDB 的过程变得更加高效和简便,显著降低了出现问题的风险。
多重安全手段,业务护航无间断
晋商银行根据上线业务系统的重要程度,采用一主一备或一主多备等架构部署MogDB数据库,并采用两地双中心的高可用方案,实现异地数据异步传输、异地级联复制、异地演练和异地切换等功能,确保数据库系统具备高可用性和业务连续性,避免业务非计划中断的风险,提高系统的可靠性。

同时,MogDB基于可观测工程中的三大支柱——Logging、Metrics和Tracing打造了晋商银行数据库系统可观测框架,可以增强对系统和数据库性能的监控和故障预测预防能力,实现对数据库全栈的可观测、可跟踪、可诊断。此外,MogDB还支持动态数据脱敏,能够在查询过程中对数据进行脱敏处理,有效保护敏感信息不被泄露。
驱动业务高效能,开启性能飞跃与智能运维新篇章
在性能优化方面,MogDB通过列存储和向量化执行引擎技术结合,实现了高效的数据处理和查询性能,可以在短时间内完成大量数据的分析和计算,大幅提高复杂类查询性能。结合云和恩墨工程师对数据库的全链路优化和并发处理等技术手段,提高了数据库的性能和吞吐量,系统性能极大增强,优化后的多个性能指标提升30%~40%。
在项目实施过程中,云和恩墨与晋商银行的技术团队共同探讨数据库的工程实践经验,并分享技术的最新发展。云和恩墨还提供了MogDB的技术培训和文档手册,促进知识传递,并帮助晋商银行培养了多名专业的MogDB数据库工程师,为后续的数据库自主运维打下坚实基础。
值得一提的是,晋商银行已上线的MogDB数据库均纳入到云和恩墨自研的zCloud数据库云管平台中进行统一管理和资源调配,实现日常巡检、实时监控、性能分析等自动化运维能力,帮助晋商银行实现数据库运维前置,将“事后救火”升级为“事前预防”,极大降低了数据库故障发生的概率并减轻了运维人员的工作量,为后续更多数据库的替换管理提供了稳健支撑。
截至目前,晋商银行共有17套使用MogDB数据库的业务系统正式上线,上线时间最长的系统已平稳高效运行500多天。已上线的业务系统承载的用户规模已达几十万人,数据规模均在百GB以上,其中最大的业务系统数据量高达4TB。这充分验证了MogDB在实际应用中的强大效能与安全可靠性。
晋商银行与云和恩墨MogDB的合作不仅为自身的发展注入了强劲动力,更为金融行业的自主创新之路树立了典范,展示了科技与金融深度融合的美好前景。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
香港大学研究团队提出LightReasoner框架,通过让小型"业余"模型与大型"专家"模型对比,识别关键推理步骤并转化为训练信号。该方法在数学推理任务上实现28.1%性能提升,同时将训练时间、样本需求和词元使用量分别减少90%、80%和99%,完全无需人工标注。研究颠覆了传统训练思路,证明通过模型间行为差异可以实现高效的自监督学习,为资源受限环境下的AI能力提升提供了新路径。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
马里兰大学研究团队开发了MONKEY适配器,一种无需额外训练的AI绘画控制技术。该方法通过"两步走"策略解决了个性化AI绘画中主体保真与背景控制难以兼得的问题:先让AI识别主体区域生成"透明胶片",再在第二次生成中让主体区域听从参考图片、背景区域听从文字描述。实验证明该方法在保持主体特征和响应文字要求两方面均表现出色,为AI绘画的精细化控制提供了新思路。