汇丰银行、花旗银行、工商银行、中国银行、建设银行、招商银行等各大银行所用的数据库系统?

汇丰银行、花旗银行、工商银行、中国银行、建设银行、招商银行等各大银行所用的数据库系统?,第1张

该系统是针对"国家开发银行基础数据库系统招标书"的具体要求,结合我公司在数据库和数据仓库方面的开发经验、系统集成能力与技术优势,组织该方面专家进行多次讨论,并充分考虑国家开发银行实际情况和我们在金融行业数据仓库的建设经验,最终构建国家开发银行基础数据库系统。在该系统中,我们采用最先进和完善的IBM数据仓库系列产品,结合具有丰富表现力的COGNOS公司前端展现工具,集成三层体系结构(Multi-tier)技术,融合WEB方式,最终为开发银行开发建设一个技术上先进、业务应用成熟、功能完善、性能稳定的基础数据库系统,并在此基础上考虑到系统的未来扩展。
系统简介
国家开发银行基础数据库系统的总体架构包括数据管理层、应用控制层和用户界面层三个部分。数据管理层负责管理国家开发银行各个层次的数据;应用控制层负责处理基于基础数据库系统的应用系统业务控制逻辑;用户界面层处理用户人机交互接口,将用户接口与复杂的业务控制逻辑分开,负责将业务信息以一种用户友好的一致方式提供给用户。
1、数据管理层
国家开发银行基础数据库系统中,需要管理不同层次的数据:
实时易变的数据:
由国家开发银行日常业务的 *** 作型应用系统创建和管理。
高质量的一致性数据:
通过对存放在国家开发银行不同业务应用系统中的数据进行基本的代码转换和不一致问题的处理,得到国家开发银行统一业务视图的综合数据。
派生数据:
是在一致性数据基础上不同程度的聚集产生的数据。
元数据:
元数据是关于以上几类数据的描述性数据,是国家开发银行企业级的信息目录。元数据描述和定位数据元素的来龙去脉:数据来自何处,如何转换,抽取频率怎样,去哪儿,数据仓库正是通过对元数据的有效管理,为数据工作者寻找、理解和利用上述几类数据提供方便。
数据管理层采用DB-ODS-DW三层体系结构来管理以上各类数据。其中DB指实时易变的数据和外部数据,ODS(Operational Data Store, *** 作数据储存)包括高质量的一致性数据和派生数据,DW(Data Warehouse,数据仓库)包含历史的高质量一致性数据和派生数据。
ODS作为一个中间层次,一方面,它包含企业全局一致的、细节的数据,可以进行全局 *** 作型处理;另一方面,它又是一种面向主题的、集成的数据环境,适合完成日常报表和决策的数据处理分析。可见,ODS一方面支持业务性 *** 作,另一方面面向主题。所谓主题是指国家开发银行业务发展中所关注的业务对象,比如项目开发、信贷管理和资金管理,是在较高层次上将数据归类,将来自各部门的原始数据做一个从面向应用到面向主题的转变,即整个系统的设计将按照业务对象进行,而不是按照行政框架设计。在主题之下放置与该主题相关的各种基础数据,组合在一起就是基础数据源。基础数据源是整个ODS的核心,存储着最为基础的非派生数据。从上面分析可看出,建设数据仓库的第一步是建设基础数据源。这就要求对国家开发银行相关部门的业务流程和需求进行分析,通过对来自会计信息系统的数据和外部录入数据进行清洗、抽取和转换来解决数据的不一致性、分散性、完整性及异构问题。
面向主题和集成性使得ODS的数据在静态特征上很接近DW中的数据。但是,在ODS与DW之间仍然有许多基本的、重要的差别。首先,ODS主要保存近期数据,而DW大量是长期保存并可重复查询的历史数据。其二,ODS支持面向记录的联机刷新,满足国家开发银行全局应用的需要,包括企业级的OLTP;而DW中的基础数据是不可修改的。其三是向ODS数据仓库DW提供一致的数据环境以供抽取。DW则主要用于长期趋势分析或战略决策。
1)数据源
国家开发银行业务系统数据
国家开发银行的业务处理系统包括已经投入运行的(会计核算系统)、正在建设的(信贷管理和非现场稽核)和准备建设的各个业务处理系统。这些系统的数据周期性地形成增量文件,由数据库抽取代理程序(Agent)抽取到总行 *** 作数据库中(ODS)。
外部数据
外部数据,根据业务需求可以加载到总行 *** 作数据库中(ODS),也可以直接加载到数据仓库中。
补充数据
补充数据,由手工输入或接收程序倒入。
2)基础数据收集
为了提高基础数据收集的效率和质量,需要综合考虑业务需求、数据量、数据加载周期和技术基础设施多种因素,制定切实可行的数据抽取、净化、转换和加载策略,并选择合适的工具辅助基础数据收集。
对于国家开发银行现有业务应用系统管理的数据,应尽力区分存量数据、增量数据和变更的数据(比如,可以通过增加触发器来得到变更的数据),因为在广域网环境下,存量数据的抽取、传输和加载,增加网络的压力,是不可取的。而且不管选择哪种数据库,数据库管理系统的大量数据加载速度有限,大量数据加载一般会影响其他用户对数据库的 *** 作。
在网络带宽许可的情况下,总行的ODS收集存储各分行详细的业务数据,各分行的详细业务数据通过数据收集代理(Agent)自动抽取到总行。数据抽取、传输和加载的策略是,第一次数据初始化的时候,进行存量数据的批量加载,以后则进行增量数据和变更数据的加载。加载周期是按小时、天、月或季度和年来加载,取决于业务需求。
随着业务的发展,详细业务数据量的增大,超出网络带宽的负荷,建议各分行设置ODS收集存储各自详细的业务数据,总行ODS收集存储各分行经过聚集的业务数据,以减少抽取、传输和加载的数据量。
可视化数据仓库管理器(IBM Visual Warehouse)是IBM公司推出的一个创建和维护数据仓库的集成工具,可以定义、创建、管理、监控和维护数据仓库,也可以自动地把异质数据源抽取到中央集成的数据仓库管理环境中来,它采用分布式的客户/服务器(Client/Server)体系结构,包括如下几个部分:
数据仓库服务器(Visual Warehouse Server)
数据仓库管理员(Visual Warehouse Administrative Clients)
数据仓库代理(Visual Warehouse Agents)
控制数据库(Control Database)
数据仓库(目标数据库,Target Database)
数据仓库服务器运行于Windows NT *** 作系统之上,监控和管理数据仓库的处理过程,提供基于时间的和基于事件的调度机制,并且也控制数据仓库代理的活动。
数据仓库代理在数据仓库服务器的控制下,处理源数据的存取、过滤、传输和把数据加载到目标数据仓库中。数据仓库代理可以运行在NT、AIX、OS/400、OS/2、SUN不同的系统平台上。为了提高处理效率和可扩展性,一般在数据源和目标数据仓库所在的机器都安装数据仓库代理。
控制数据库由数据仓库管理员产生并被数据仓库代理所利用。可视化数据仓库管理器把所有的元数据都存储在控制数据库中,控制数据库还可以被一个元数据管理工具集成管理(该工具称为Dataguide,是可视化数据仓库管理器的组件之一)。
虽然数据抽取、传输和加载自动化的机制可以选择合适的工具来实现,但针对实际数据环境的数据抽取、转换和净化需要自行设计程序,因为实际数据的非标准化和数据转换的复杂性,数据抽取、转换和净化的商品化工具在实际应用中达不到预期效果。
2、总行ODS
总行ODS由两层数据组成,一层为基础数据源,是国家开发银行业务产生的最基础的非派生的数据;另一层为二次汇总数据。二次汇总数据放置于项目受理、贷款管理和资金管理三个模块中,直接为项目受理、贷款管理和资金管理三个业务子系统提供数据支持。基础数据源中的数据主要从会计信息系统中转换而来,同时又有一部分基础数据来自于外部数据录入。

服务器与个人计算机有本质的区别。首先个人电脑大多每天都会关机,而服务器经常是常年累月不关机不重启的。个人电脑注重易 *** 作性,界面要美观(因为你天天盯着它看,不好看的话会影响你心情);服务器系统几乎可以完全忽略美观,甚至可以不需要图形界面。\x0d\了解了两者的区别,你就很容易理解为什么专业的服务器大多都不用windows了。\x0d\windows的桌面系统(XP、7、8都是桌面版 *** 作系统)做得很好,至少比现在市场上大多数linux桌面版本要好。但是它的服务器系统(NT、2003、2008、2012都是),不能说一无是处,但它确实比Ulinx不止差一点(这里需要指出一点,专业服务器上面很少有用linux的,一般都是Ulinx,但linux是由Unix发展而来,并且与Unix非常接近)。稳定性、安全性都要弱很多。有人说windows的安全性低是因为用户数庞大所以很多人去研究它的漏洞,Unix/linux安全性高是因为没多少人去研究它,这个现在也没有谁能证明。但无论如何,摆在眼前的现实是windows一年要打N多个补丁,如果windows是一件衬衫的话,我估计它现在的厚度已超过了棉袄。而Unix/Linux漏洞虽然偶尔也有,但数量上与windows是无法相提并论的。\x0d\一般来说,中小型网络会有人使用windows作为服务器。如果是千台以上电脑的大中型网络,服务器 *** 作系统毫无疑问是Unix的天下。\x0d\补充一点:有人说Unix/Linux免费,windows不免费。其实即使是对于一个百来台电脑的小型网络来说,购买一个服务器 *** 作系统所需的费用也是几乎可以忽略的成本。何况Unix也并非完全免费。虽然采用Unix的初期成本低,但它的易维护性却比windows要低很多。使用windows服务器,一个普通网管就可以搞定,月薪只需三五千。使用Unix服务器,有能力维护它的技术人员月薪至少也得六八千。

如下:

1、ELL戴尔

戴尔(Dell),是一家总部位于美国得克萨斯州朗德罗克的世界五百强企业,由迈克尔•戴尔于1984年创立。戴尔以生产、设计、销售家用以及办公室电脑而闻名,不过它同时也涉足高端电脑市场,生产与销售服务器、数据储存设备、网络设备等。

2、HPE慧与

2014年10月6日,惠普宣布公司将分拆为两家独立的“财富50强”上市公司,一家主营PC和打印机业务,另外一家主营企业硬件和服务业务。

3、浪潮inspur

浪潮是中国领先的云计算、大数据服务商,已经形成涵盖IaaS、PaaS、SaaS三个层面的整体解决方案服务能力,凭借浪潮高端服务器、海量存储、云 *** 作系统、信息安全技术为客户打造领先的云计算基础架构平台,基于浪潮政务、企业、行业信息化软件、终端产品和解决方案,全面支撑智慧政府、企业云、垂直行业云建设。

4、ThinkServer

ThinkServer是基于联想全新价值链所打造的产品,共享了联想的全球研发资源,其中美国罗利研发中心主要承担创新技术和系统设计的任务,日本横滨研发中心负责品质管控。

5、华为HUAWEI

华为是全球领先的信息与通信技术解决方案供应商,专注于ICT领域,坚持稳健经营、持续创新、开放合作,在电信运营商、企业、终端和云计算等领域构筑了端到端的解决方案优势,为运营商客户、企业客户和消费者提供有竞争力的ICT解决方案、产品和服务,并致力于使能未来信息社会、构建更美好的全联接世界。

6、中科曙光Sugon

曙光信息产业股份有限公司是在中国科学院大力推动下,以国家“863”计划重大科研成果为基础组建的国家高新技术企业。公司主要从事研究、开发、生产制造高性能计算机、通用服务器及存储产品,并围绕高端计算机提供软件开发、系统集成与技术服务。

7、华硕ASUS

华硕电脑(上海)有限公司创立于1989年,为全球最大的主板制造商,并跻身全球前三大消费性笔记本电脑品牌。华硕始终对质量与创新全力以赴,不断为消费者及企业用户提供崭新的科技解决方案。

8、宝德PowerLeader

宝德科技集团是在香港上市,以服务器、云计算、大数据等为主营业务的综合性IT企业集团,是中国领先的IT解决方案和服务供应商。

9、华为

华为是全球领先的信息与通信技术解决方案供应商,专注于ICT领域,坚持稳健经营、持续创新、开放合作,在电信运营商、企业、终端和云计算等领域构筑了端到端的解决方案优势。

10、联想

联想集团成立于1984年。公司主要生产台式电脑、服务器、笔记本电脑、打印机、掌上电脑、主机板、手机等电子产品。

比较好的服务器品牌有:

1戴尔

戴尔是一家成立于1984年美国的以家用和办公室电脑而闻名的全球大型IT产品及服务提供商,是世界知名个人电脑品牌、笔记本电脑十大品牌之一,总部位于美国得克萨斯州朗德罗克,同时还涉及高端电脑市场,生产销售服务器、数据储存设备和网络设备等产品。

2慧与HPE

慧与是一家专为IT企业提供技术和解决方案的企业,公司在服务器、存储、有限和无线网络、融合系统、软件、云服务等领域均享有较高声誉,自企业成立以来始终致力于为各种规模企业从传统技术平台过渡到未来的IT系统。

3浪潮inspur

浪潮是国内起步较早的IT品牌之一,前身为山东电子设备厂,现在已经发展成为业务涵盖云数据中心、云服务大数据、智慧企业、智慧城市的知名云计算和大数据服务商,目前集团拥有浪潮信息、浪潮软件、浪潮国际三家上市公司。

4ThinkServer

这是一个在2012年6月5日由联想从全球向国内引进的服务器品牌,基于联想价值链而打造的产品,致力于利用卓越品质、创新技术和易用设计来为客户打造稳定卓越的使用体验。

5华为

华为是一家创立于1987年的全球前沿的信息与通信基础设施和智能终端提供商,全球十大芯片公司之一,在全球拥有194万员工,业务覆盖了全球170多个国家和地区,服务了全球30多亿人口,目前公司在全球共持有有效授权专利85000多件。

服务器品牌和电脑品牌都是一样的。几乎上所有电脑品牌都会生产服务器配件 像intel。iphone 生产家用电脑同时也会有服务器品牌机。 服务器太广了。各种行业会用不同的服务器配置。感兴趣的话点击此处,免费了解一下

塔式服务器应该是见得最多,也最容易理解的一种服务器结构类型,因为它的外形以及结构都跟我们平时使用的立式PC差不多,当然,由于服务器的主板扩展性较强、插槽也多出一堆,所以个头比普通主板大一些,因此塔式服务器的主机机箱也比标准的ATX机箱要大,一般都会预留足够的内部空间以便日后进行硬盘和电源的冗余扩展。

亿万克是民族高科技制造企业领导品牌,自主研发,自主可控,为党政、金融、医疗、教育、电信、电力、交通和制造等行业的信息化发展和数字化转型提供安全可靠的自主创新解决方案。亿万克服务器真正做到了自主研发、能力内化、安全可信、安全可控。


欢迎分享,转载请注明来源:内存溢出

原文地址: http://outofmemory.cn/zz/13020064.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-05-29
下一篇 2023-05-29

发表评论

登录后才能评论

评论列表(0条)

保存