
寻找大数据时代金融集中存储解决方案
银行是我国最早安防应用领域之一,在新时期,历经诸多技术变革后,必然在存储系统出现新变化。
银行监控现状
视频监控是安防行业中发展最快、空间最大的子门类。据悉,到十二五规划末期将实现产业规模翻一番的总体目标,年均增长率达到20%左右,2015年总产值将达到5000亿元,实现增加值1600亿元。金融监控市场约占中国视频监控市场6%左右,就此计算,到今年金融安防在激增,将达到300亿元。
此外,目前我国有各类金融营业网点超过35万个,仅邮政储蓄网点就接近4万个。据有关部门预计,2015年,我国ATM机超过40万台。从每百万人口拥有的ATM数量指标来看,中国ATM需求缺口依然很大。与此同时,更加便捷的ATM机和自助银行将成为下一步各银行发展的重点。目前我国银行安防设备应用已基本形成五年一更新的规律,再加上每年对安防系统必不可少的升级工作,就形成了金融行业几乎每年百亿规模的安防市场需求。因此,我们需要了解到,偌大的市场,我们面对的现实是银行传统监控方案是各银行营业网点采用的是数字图像监控体系。该图像监控体系通常是基于本地监控,即各营业网点各自组建一个完整的监控体系,分别配有监控主机、监视器、数字摄像头等设备。
新时期,这种监控方案已经跟不上时代的发展,出现许多弊端:
1、复杂,成本高昂:各网点均需配备专人负责图像监控、设备保养维护等繁琐工作。
2、安全性低:由于监控中心维护均设在各网点本地后台,极易被人恶意破坏销毁监控信息数据。
3、响应慢:由于网点和支行之间无法共享监控图像信息,一旦网点有事件发生,上级单位不能及时全面地掌握有关情况。
若能在总行统一构建集中监控管理中心,将大大减少维护投入、管理成本,提升安全性和响应速度。而现今各网点构建专线网络,以及网络摄像、网络存储技术的成熟,为实现集中监控提供了技术保证。
大数据时代银行监控存储方案选择
我们所说的新时期,是指大数据安防的到来。大数据是信息技术与互联网产业发展到特定阶段的产物,从互联网到物联网,从云计算到大数据,信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业,互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据安防实质是能够为银行提供全方位、精确化和实时的安全保护和决策信息支持。所以,在银行行业集中存储的需求极为明显。
大数据时代银行监控的集中存储是在网点监控分中心的基础上,在总行设立统一的监控中心进行集中存储,从而节省人手,建立网点-支行-总行间的应急快速反应体系。而集中存储在金融行业比较成熟的技术有NAS、SAN两种,而SAN又可分为FCSAN和IPSAN两种。
文件级数据存储。NAS设备最主要的应用就是银行企业或部门内部的文件共享。由于NAS本身就是一台服务器,有自己的操作系统和文件系统,可以直接与本地局域网连接,提供文件级的数据共享,但NAS设备无法成为服务器的本地硬盘,无法提供数据块的存储。NAS是在局域网中传输,且有自己的操作系统和文件系统,这些因素都会导致NAS设备的带宽降低,增加NAS设备的读写响应时间。由此来看,该存储方式对于分行或者小银行企业的信息管理还适用,要架构大数据安防还需要很多地方完善。
IPSAN存储架构。IPSAN中所采用iSCSI通信协议实际上是一个互联协议,是SAN结构的一种。通过将SCSI协议封装在IP包中,使得SCSI协议能够在LAN/WAN中进行传输。该种方案目前而言在是银行大数据监控集中存储应用的主流。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30