华安保险:核心系统分布式升级,提升保费规模处理能力2-3倍 | OceanBase企业案例

在3月20日的2024 OceanBase数据库城市行的活动中,安保险信息科技部总经理王在平发表了以“保险行业核心业务系统分布式架构实践”为主题的演讲。本文为该演讲的精彩回顾。

早在2019年,华安保险便开始与OceanBase接触,并着手进行数据库的升级选型工作。到了2023年,华安保险的新一代分布式核心系统正式搭载OceanBase分布式数据库,车险承保、非车险承保、意健险理赔等业务模块相继成功上线。预计这一变革将带来保费规模处理能力的显著提升,达到2至3倍的增长同时实现硬件成本降低50%的显著成效。正如俗语所说,“一个好汉三个帮”,挖掘数据库的潜力需要综合考虑整个系统的优化和协同。

1711538079

一、保险系统 IT 架构迎来新的挑战

数字化时代,客户行为的变化对保险公司经营和 IT 架构带来新的挑战。过去十年,以云计算、大数据、区块链、移动互联、物联网、人工智能为代表的“IMABCD”新技术突飞猛进,为数字经济推波助澜,重塑了很多业态,深刻影响用户工作以及行为方式。

为了顺应数字化时代的发展,国家以及行业颁布了诸多政策文件,鼓励企业抓住数字化技术的先机。新型数字化基建已经成为驱动行业转型的核心力量,传统 IT 架构无法应对业务变化挑战,迫切需要转型。

1711538136

该往哪里转?互联网先行者已经为我们趟出了一条路。互联网技术蕴含的设计理念,为新一代保险系统 IT 架构提供了重要参考,引入分布式技术,利用新的技术特性,可化解大容量、低成本、高可用的“不可能三角”。

新一代保险 IT 架构具有以下特点:

○  标准化高:自动化运维、规模化管理

○  成本低:低端计算资源、开源技术

○  风险影响小:分布式、隔离

○  可用性高:冗余、多活

○  数据量大:可支撑千万级日交易量、千万级客户数

○  拓展能力强:横向、纵向扩展均可

二、华安保险 IT 架构,探索历程与应用成效

意识到技术转型的紧迫性以及重要性,华安保险多年前就开始主动进行技术架构的转型探索,以云原生分布式技术为目标,IT 架构从封闭走向开放,逐步迭代成型。

1711538245

2018 年以前,华安保险采取的是金融行业传统的集中式架构。

2018 年到 2022 年,核心系统从小型机转向一体机,开始在增量项目推广分布式技术,逐步从集中式向混合式架构过渡,并不断积累经验。2021 年,华安保险主动把握机遇,推进基础设施的升级工作。

经过多年的磨炼,到 2023 年,华安保险核心系统实现关键突破,主要系统已经转向分布式架构。主要有以下三点应用成效:

第一,关键基础设施“一底双栈”,灵活适配多种业务场景。创新“一底双栈”实施方案,采用国产通用底座,从硬件到数据库软件全是统一的,应用层按需搭配国产全栈、开源组件两种路线,技术选型兼顾稳定可靠与成本可控,具备长期演进能力。

第二,以 XC 为底座的新一代分布式核心系统取得关键突破,预计保费规模处理能力提升 2-3 倍。2022 年,华安保险开始自研以 XC 为底座的新一代分布式核心业务系统,意健险理赔系统当年成功上线。2023 年,非常关键的车险承保核心系统、非车险承保核心系统相继投产,运行一直很平稳,标志以 XC 为代表的核心技术实现重大突破。预计 2025 年,基本实现保险核心系统基于 OceanBase 数据库的全量分布式升级。

1711538285

上线以后,整体应用成效非常明显。从以前的一体机,转向三节点的服务器,整体硬件成本预计降低 50%;得益于 OceanBase 的高级数据压缩技术,节省 75% 的存储空间。此外,得益于其他技术的综合应用,在业务处理的主要关键环节处理耗时下降 32.1%,预计可支持 2-3 倍的保费规模处理能力。

第三,形成一套低成本、高复用、可推广的示范案例。在实践中不断积累,我们把经验总结为“四化”:策略标准化、方案体系化、成本最小化、工具链条化。整体考虑,分步实施,技术成熟可靠,降低了落地风险,对其他中小公司有比较好的借鉴意义。

1711538309

三、架构设计实践

华安保险的设计理念是面向业务,立体发展,体系化构建可持续演进的 IT 架构。

1711538358

总的来说,我们归结为两个升级:一个业务升级,一个技术升级。业务层面,希望数字原生理念去解构、重构业务模式,提出了四个在线的设计理念,作为系统灵魂。技术层面,除了注重以往的单品能力提升外,更强调整体平衡,通过集成式创新实现整个技术的突破。

(一)分布式架构解决开发层面的问题

首先,基于微服务体系,构建 DevOps 交付流水线,实现程序开发快。华安保险封装微服务框架,自研天枢容器平台,以此为基础,将代码仓库 GitLab、CI/CD 流水线 Jenkins 等第三方工具进行系统性整合,构建了完善的 DevOps 体系,快速响应业务需求。

其次,“开源”+“扩展”相结合,利用分布式中间件,做到系统运行稳。2017 年,我们就引入了消息队列、缓存等中间件技术,实现系统之间的解耦。近几年,完善任务调度平台及监控能力,不断补充短板、扩展管理功能,中间件能力得到进一步提升,满足系统容灾与高可靠方面的需要。

再次,沉淀中台能力,模块化快速装配,支持应用集成精。华安保险应用“中台”概念,通过多年的积累,沉淀了不少通用性业务组件,搭建系统时可快速装配,不重复造轮子,综合产品力不断提升。

最后,改变编程思路,分层均衡处理,力求代码质量高。编程方面从规范、设计理念上,我们做出了一列改变,从以往过于注重底层数据库的能力,把业务逻辑上移,实现前台、中台以及数据库底层的平衡,通过多层均衡布局,化解系统运行中的不确定性问题。

1711538418

(二)数据库是 IT 架构升级的关键

第一,引入 OceanBase 分布式数据库,建立租户模式,支持弹性管理与系统可扩展性。数据库是整个 IT 架构升级的关键。华安保险作为一个中小公司,技术能力相对受限,综合考虑后对技术栈做了收敛,希望建立企业级的数据库服务通用能力,简化系统使用与管理。

2019 年,华安保险启动数据库选型,经过多方比较测试,最终选择 OceanBase 搭建统一的数据库底座。通过建立多集群、多租户的方式,根据不同的场景,指定独享或者共享模式,更好地适配业务需要。

1711538475

○  集群划分:整体规划,核心业务系统、一般业务系统、办公管理系统纳 入不同集群进行管理;

○  租户划分:根据业务场景及性能要求,划分不同规格租户,资源相对隔离,承载一个或多个关联应用服务。

第二,依托业务场景,适配不同引擎,访问分层、分流,系统压力共担。应对场景多元化,华安保险同时引入其他引擎,实现访问分层、分流处理,比如高频键值访问采用 Redis、批量查询采用 ES、关联查询采用数据湖等。通过技术的组合应用,很好解决了复杂场景下的系统压力。

第三,业务数据汇集于湖,应对跑批、批查等综合功能需要。考虑到多租户、集群、跨库数据隔离的问题,我们后端建立了联机数据湖,实现数据汇集,提供综合查询能力。数据湖也是大数据平台抽取业务数据的中间库,规避后端数据平台直接从业务库抽数对生产环境造成波动。

1711538555

第四,主数据统一管理,建立实时分发机制,实现数据同源和系统解耦。华安保险建立了企业主数据管理平台,统一管理和实时分发,保证基础数据源自一处,提高数据的一致性和可用性,进而提升数据管理和应用效率。

第五,将数据嵌入应用场景,保持数据在线,让数据真正服务应用系统。华安保险基于离线与实时技术,建立了统一数据中台,研发面向业务域的数据产品,与此同时,积极开发数据看板与数据服务,将之嵌入业务系统,为风控、操作提供数据指引,保持“数尽其用”。

(三)分布式应用的运行与监控

首先,迭代容器平台,实现一云多芯、多集群纳管,支撑系统稳定运行。天枢容器平台从 2019 年开始自主研发,2022 年重大升级到 2.0 版本,打造“一站式”应用交付管理模式。目前,华安保险的内部新应用,大规模运行在容器平台上,实现一云多芯、多集群纳管。

其次,服务可观测多管齐下,系统运维从事后告警转变为事前预警。分布式对 DBA 或运维人员来说,主要还是需要解决运维便捷度的问题。在数据可观测层面,华安保险同样基于自研和开源技术,构建服务可观测能力平台-天眼平台,实现应用指标与数据指标的采集、处理与展示,并提供微服务的分布式追踪、服务网格遥测分析、度量聚合和可视化。

1711538617

四、未来展望:建立两地三中心容灾能力

未来,华安保险将持续推进分布式技术深度应用。2024 年,将以分布式架构为基础,建立两地三中心的容灾能力,实现应用同城双活、异地数据容灾,提升业务运营连续性。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/848420.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

雅欣控制HALL IC 产品选型手册,选择您的专属霍尔芯片(霍尔产品主要包括远翔FD,FS全系列,MST全系列霍尔)

HALLICs 应用领域 Applications 应用案例 雅欣为各个应用场景匹配专属HALL元器件 合作伙伴 Partners

专属编程笔记

Utils目录作用 在软件开发中,Utils(或 Utilities)目录通常用于存放一些通用的、不特定于任何模块的工具类或辅助函数。这些工具类或函数为整个应用程序或多个模块提供便利的功能支持,使得代码更加模块化、易于维护和重用。Utils目…

Echarts 柱状图中每个柱状图如何自定义展示内容

文章目录 需求分析需求 分析 要自定义柱状图中每个柱子的展示内容,您可以通过设置 label 的 formatter 属性来实现。formatter 是一个回调函数,可以用来自定义 label 的显示内容。以下是一个示例代码,演示了如何实现这一点: <!DOCTYPE html> <html lang="e…

【quarks系列】基于Dockerfile构建native镜像

目录 Dockerfile构建代码测试 Dockerfile FROM quay.io/quarkus/ubi-quarkus-native-image:22.3-java11 AS buildWORKDIR /workspace COPY . .RUN ./mvnw -DskipTeststrue clean package -Dnative -U# Stage 2: Create the minimal runtime image FROM registry.access.redhat…

AWS的EC2之间ping不通,服务之间不通,怎么办

AWS启动的两个EC2实例&#xff0c;互相访问不了 修改安全组规则&#xff0c;添加ICMP 流量的入站规则 参考&#xff1a;AWS的EC2之间ping不通,服务之间不通,怎么办_aws ec2同一个区域的服务器-CSDN博客

RabbitMQ支持的消息模型

RabbitMQ基础RabbitMQ支持的消息模型 一、第一种模型(直连) 我们将用Java编写两个程序&#xff0c;发送单个消息的生成者和接收消息并打印出来的消费者。 在下图&#xff0c;“P”是生成者&#xff0c;“C”消费者。中间框是一个队列RabbitMQ保留的消息缓冲区 。 首先构建一个…

思维,1209G1 - Into Blocks (easy version)

一、题目 1、题目描述 2、输入输出 2.1输入 2.2输出 3、原题链接 Problem - 1209G1 - Codeforces 二、解题报告 1、思路分析 考虑&#xff1a; 最终状态为若干段相同数字&#xff0c;且任意两段数字不同 每个数字出现的最左下标和最右下标构成一个区间 连锁反应—…

算法金 | 10 大必知的自动化机器学习库(Python)

大侠幸会&#xff0c;在下全网同名[算法金] 0 基础转 AI 上岸&#xff0c;多个算法赛 Top [日更万日&#xff0c;让更多人享受智能乐趣] 一、入门级自动化机器学习库 1.1 Auto-Sklearn 简介&#xff1a; Auto-Sklearn 是一个自动机器学习库&#xff0c;基于 Python 的 scikit…

【网络编程开发】4.socket套接字及TCP的实现框架 5.TCP多进程并发

4.socket套接字及TCP的实现框架 Socket套接字 Socket套接字是网络编程中用于实现不同计算机之间通信的一个基本构建块。 在现代计算机网络中&#xff0c;Socket套接字扮演着至关重要的角色。它们为应用程序提供了一种方式&#xff0c;通过这种方式&#xff0c;程序能够通过网…

2024年城市建设与环境管理国际会议(ICUCEM 2024)

2024 International Conference on Urban Construction and Environmental Management 【1】大会信息 大会地点&#xff1a;中国成都 投稿邮箱&#xff1a;icucemsub-paper.com 【2】会议简介 2024年城市建设与环境管理国际会议是一个专注于探讨城市建设与环境管理前沿议题…

EasyRecovery2024终极破解指南来袭!

在数字化时代&#xff0c;数据成为了每个人、每家公司最宝贵的资产之一。无论是个人的照片、文档&#xff0c;还是公司的机密信息&#xff0c;一旦丢失&#xff0c;后果不堪设想。因此&#xff0c;数据恢复工具如EasyRecovery2024应运而生&#xff0c;成为了保护数据安全的利器…

kubeedge v1.17.0部署教程

文章目录 前言一、安装k8s平台二、部署kubeedge1.部署MetalLB(可选)2.cloud3.edge4. 部署nginx到edge端 总结参考 前言 本文主要介绍kubeedge v1.17.0的安装过程 主要环境如下表 应用版本centos7.0k8s1.28.2kubeedge1.17.0docker24.0.8centos7.0 一、安装k8s平台 本文主要参…

Doris Connector 结合 Flink CDC 实现 MySQL 分库分表

1. 概述 在实际业务系统中为了解决单表数据量大带来的各种问题&#xff0c;我们通常采用分库分表的方式对库表进行拆分&#xff0c;以达到提高系统的吞吐量。 但是这样给后面数据分析带来了麻烦&#xff0c;这个时候我们通常试将业务数据库的分库分表同步到数据仓库时&#x…

英伟达Docker 安装与GPu镜像拉取

获取nvidia_docker压缩包nvidia_docker.tgz将压缩包上传至服务器指定目录解压nvidia_docker.tgz压缩包 tar -zxvf 压缩包执行rpm安装命令&#xff1a; #查看指定rpm包安装情况 rpm -qa | grep libstdc #查看指定rpm包下的依赖包的版本情况 strings /lib64/libstdc |grep GLI…

【代码随想录】【算法训练营】【第25天】 [216]组合总和III [17] 电话号码的字母组合

前言 思路及算法思维&#xff0c;指路 代码随想录。 题目来自 LeetCode。 day 25&#xff0c;周六&#xff0c;坚持有点困难~ 题目详情 [216] 组合总和III 题目描述 216 组合总和III 解题思路 前提&#xff1a;组合子集问题 思路&#xff1a;回溯算法&#xff0c;剪枝…

347. 前 K 个高频元素

题目 给你一个整数数组 nums 和一个整数 k &#xff0c;请你返回其中出现频率前 k 高的元素。你可以按 任意顺序 返回答案。 示例 1: 输入: nums [1,1,1,2,2,3], k 2 输出: [1,2] 示例 2: 输入: nums [1], k 1 输出: [1] 提示&#xff1a; 1 < nums.length < 1…

基于聚类与统计检验深度挖掘电商用户行为

1.项目背景 在当今竞争激烈的电商市场中,了解用户的行为和需求对于制定成功的市场策略至关重要,本项目通过建立RFM模型、K-Means聚类模型,将1000个用户进行划分,针对不同类的用户,提出不同的营销策略,最后通过统计检验来探究影响用户消费行为的因素和影响用户上网行为的…

DBeaver连接Oracle报错:ORA-12514

Listener refused the connection with the following error:ORA-12514, TNS:listener does not currently know of service requested inconnect descriptor ———————————————— 1.报错信息2.配置正确结语 ———————————————— 如果是第一次连接Or…

Spring 使用SSE(Server-Sent Events)学习

什么是SSE SSE 即服务器发送事件&#xff08;Server-Sent Events&#xff09;&#xff0c;是一种服务器推送技术&#xff0c;允许服务器在客户端建立连接后&#xff0c;主动向客户端推送数据。 SSE 基于 HTTP 协议&#xff0c;使用简单&#xff0c;具有轻量级、实时性和断线重…

Go微服务: 基于rocketmq:5.2.0搭建RocketMQ环境,以及示例参考

概述 参考最新官方文档&#xff1a;https://rocketmq.apache.org/zh/docs/quickStart/03quickstartWithDockercompose以及&#xff1a;https://rocketmq.apache.org/zh/docs/deploymentOperations/04Dashboard综合以上两个文档来搭建环境 搭建RocketMQ环境 1 ) 基于 docker-c…