CIO对关键业务稳定性的新思考

　　所谓关键应用，就是那些直接影响到企业的发展甚至生死的业务应用，如何确保关键业务应用的连续稳定的运营是企业CIO们一个永恒的话题。

　　关键业务的中断无疑将会对企业生产重大的不利影响，包括客户流失、股价下跌、丧失市场机遇、丧失生产能力、公众形象和企业声誉受损，在一些对于连续性要求十分苛刻的行业，关键业务的中断甚至有可能导致公司一蹶不振或者倒闭。

　　调研机构Qualix Group曾有一组数字说明不同行业关键业务中断带来的金钱损失：服务器宕机1分钟，平均会使运输业损失15万美元，银行业损失27万美元，通信业损失35万美元，制造业损失42万美元，证券业损失45万美元!

　　因此，不论是什么行业的企业用户，其对于关键业务承载平台的稳定性和可靠性的要求都是非常严苛的，严苛到他们在采购相关服务器时都会用“5个9”(99.999%)、“6个9”(99.9999%)甚至“7个9”(99.99999%)的标准来加以评估，而这些标准代表的，是一台服务器每年的非计划停机时间分别只有5分钟、30秒和3秒钟!

　　然而，随着大数据、云计算、物联网等新的IT趋势的发展，企业关键业务的稳定性也面临着新的挑战，CIO们也不得不重新思考——如何才能在新的挑战下确保关键业务的稳定运行。

　　大集中意味着大风险 IT稳定性需求凸显

　　大集中是当前许多企业所面临的共同话题，简单地讲，大集中就是将分布在各个分支机构和营业网点的业务数据及其他一些相关的数据实现集中。大集中就是依靠科技手段，实现数据的集中和数据的整合，并通过对数据深层次的挖掘，对客户数据、业务数据进行系统分析和评价，推动企业向决策科学化方向迈进，提高银企业的管理水平和工作效率。

　　大集中的趋势也意味着更大的风险，这一点在证券行业表现得尤为明显。随着证券行业经营模式从地域性条块分割的分散的管理和经营模式发展到全国集中经营模式，证券柜台交易系统也经历了从分散到集中的转变。证券行业已经步入了后集中交易时代。

　　国内某知名券商信息中心负责人在与笔者交谈时曾经感慨，证券行业数据大集中的发展趋势给证券行业的IT系统带来了新的压力和挑战。

　　他谈道，柜台交易系统是证券公司赖以生存的系统，它对于连续性的要求极高，一旦系统出现中断，证券公司将蒙受巨大的损失，不仅仅是资金，更重要的是企业的信誉、形象。2006年实现集中交易模式之后，不仅导致系统压力增大，并且，从单个营业部交易方式到总部交易方式的转变也就意味着总部系统一旦出现了问题，整个公司都不能交易，这进一步增加了IT从业者的压力。

　　当前，中国的证券行业主流集中交易系统目前均采用四层结构：数据库------应用服务器(业务处理中间件)------路由转发(通信中间件)------客户端，IT架构大多数采取的是“小型机+Unix”的架构。然而，随着业务的不断发展，“小型机+Unix”的架构已经开始体现出一定的问题，不能完全满足业务连续性的要求，具体表现为：随着交易量不断增加，出现处理能力不足，导致报单缓慢等现象，为了应对交易，就需要对系统进行扩容，扩容也会带来很大的风险，一不小心就会导致业务中断。

　　所以，必须要有一个更加稳定可靠、扩展能力更强的系统来确保集中交易系统稳定、可靠地运行。

　　在电信行业，电信运营商的IT产品一直对技术和产品有非常高的要求，需要非常高的稳定性。目前国内的电信运营商已经是全业务的运营商，即中国电信、中国移动与中国网通可以同时提供固定电话网络服务、移动网络服务、互联网服务。而全业务的运营模式对于运营商的IT系统也提出了新的挑战。

　　某电信公司信息化部负责人在接受采访时曾表示，业务带来的诸多方面的压力，最后都会归结到IT支撑上来。现有的IT系统种类繁多，规模庞大，结构复杂，就连底层数据做了数年还未实现完全统一。随着全业务的运营，更加庞大而复杂的数据加入，如何才能确保异构平台下，各个业务系统的稳定运营，为客户提供更全面、更高质量的服务?这也是电信行业所共同面临的一个的问题。

　　总之，从目前关键业务领域最常见的三大类应用：在线交易、商业分析和数据库来看，即使应用于一家普通企业，其所处理的数据量可能也十分惊人，就更不用说它们在银行、电信、证券等行业中，动辄就要面对TB或PB级的数据量了。如此规模的数据量，又关系到商业用户的生产、运营和决策效率，势必要求其承载平台要有非常出色且易于扩展的高性能处理能力。

　　实时决策系统更需要稳定的IT

　　随着人们不断意识到大数据能够带来的价值，许多企业都试图从大数据中挖掘出更多的信息，并且勇于支撑企业的决策和运营，当然，在一些非商业的领域，大数据也蕴含着无限的价值，“智慧交通”就是大数据的一个应用领域之一。
(本文不涉密)
责任编辑：

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。