数字化进入场景大爆发时代，开源技术体系和云原生基础设施为数字化场景提供融合支撑，数据服务消费化的趋势催生了统一实时数据平台。基于 HTAP（Hybrid Transaction and Analytical Processing，混合事务和分析处理）架构的一栈式数据服务平台脱颖而出，广泛应用于数据密集型应用和以“用”为核的实时数据服务平台。
趋势一
数字化场景爆发需要开源技术体系和云原生基础设施的融合支撑
趋势二
云计算、大数据、人工智能等技术的应用推动着传统金融行业的业务变革，金融科技对传统金融进行着全业务流程的重塑，为用户带来全新的业务体验。
TiDB 实时数据服务平台
TiDB 作为一款领先的 HTAP 数据库应用于全球 1500+ 头部企业的生产环境，在数字时代赋能行业用户的业务转型和升级。
虽然 TiDB 有 OLTP 和 OLAP 两种引擎，但是用户看到的是同一套引擎、同一个入口，提供统一的权限和使用体验。TiFlash 通过 Raft 协议同步数据，对 TiDB 集群的 OLTP 交易几乎没有影响，提供和 TiDB 保持强一致的数据读取，是真正的内核级 HTAP 分布式混合负载数据处理平台。
>>> 查看完整版白皮书
不同场景下的数据消费三维需求
>>> 查看完整版白皮书
TiDB HTAP 差异化优势：四性合一
>>> 查看完整版白皮书
金融行业 HTAP 场景实践
某证券公司实时风控场景实践
某证券公司的实时风控系统需要对“维持担保比”这项指标进行跑批计算和实时复杂查询，并对“维持担保比”指标的计算结果进行排序，通知平仓高危风险的客户（通常维持担保比小于 130% ）追加担保物。传统 Oracle 数据库的横向扩展能力不足，大表之间关联分析通常需要花费 1-2 个小时，性能表现达不到近实时分析的业务要求。
>>> 查看完整版证券公司实时风控场景实践
内外部监管 — 天翼支付反洗钱场景实践
翼支付反洗钱系统需要保存全国范围内的全量客户、账户、日常交易信息数据。系统每日从上游数仓中接入增量数据，按一定规则对历史交易进行回溯，分析交易的金额、频率、时间、IP，抓取可疑交易，判定客户可疑行为特征并形成可疑案例。
反洗钱系统数据处理层原先使用的是 Oracle 数据库，数据规模在 30T 左右。库中存量的交易数据已超百亿，日均增量数据约 1000-2000 万，客户账户表等存量数据达到 10+ 亿级别。在单节点架构下，Oracle 数据库无法满足数据集市相关数据存储的容量要求，同时指标计算、规则模型运算等数据处理的性能也达不到业务要求。随着更复杂的反洗钱规则和更多样的务需求不新出现，前台的查询分析页面的延迟已经相当严重。
高并发能力大幅提升业务查询分析效率； 弹性水平扩展提升数据库的存储与计算能力； 显著提升处理的计算效率； 批量处理时效性得到 5 倍左右提升。
>>> 查看完整版天翼支付反洗钱场景实践
某金融科技企业用户中心实践
（用户中心系统高可用架构）
>>> 查看完整版金融科技企业用户中心实践
浙商银行分布式 ODS 平台
随着浙商银行业务的发展和数据量的激增，国外商业数据库的数据处理和存储能力短板逐渐暴露，原有的数据架构体系不能满足新业务场景的需求。浙商银行在数据库的选型上主要有几方面的考虑：数据库集群规模和单表容量无限制，大数据量规模下性能比较优异，兼顾交易和实时分析场景，具备金融同业的应用案例，同时拥有活跃的开源生态、丰富的工具及文档。基于上述考量，浙商银行选用 TiDB 来构建分布式 ODS（Optional Data Store）平台。
（浙商银行分布式 ODS 平台）
>>> 查看完整版浙商银行实践案例
面对金融数字化转型过程中数字化场景的大爆发，TiDB 一栈式实时数据服务平台解决了传统数据库和大数据系统建设与运维的痛点，满足企业“实时汇聚、实时反馈、实时洞察、实时决策”对多样化数据服务的需求。TiDB 不但可以支撑海量在线的业务交易，并且可以提供一体化实时的分析能力，为企业中的增强型消费者和每位员工提供一个访问数据的“任意门”，让他们实时获取个性化的数据服务。
END
