云計算架構在商業銀行批處理流程優化中的應用

孔祥宗 李明揚 鞏凡

摘要 銀行業在實現數據與業務集中處理的架構后，伴隨業務的不斷擴展，規模的日漸擴大，怎樣靈活配置資源以及提升計算資源的使用效率，乃是當今銀行信息中心所需迫切解決的重點問題。本文提出了一種能分解優化業務流程，以及開展獨立并行處理任務的方法。

【關鍵詞】云計算 商業銀行 批處理流程

現階段，以服務虛擬化與計算資源為運作核心的云計算技術，呈現出廣闊的發展前景，尤其是在銀行業中中，得到了越來越寬泛的應用，現階段，其已經成為銀行業信息化發展的重要趨向。本文基于云計算架構，探討了一種優化批量業務流程處理的方法。

1 批處理業務流程的相關優化

從根本層面來考量，批處理過程中所囊括或涉及到的業務流程，實為一組相互關聯的活動方式，能夠把輸入以一種合理方式，持續不斷的向輸出轉化;此外，在各各活動間內，除了在先后順序方面有著比較嚴格的規定外，在活動的基本內容、采取的具體方式以及所應承擔的責任上，均需要進行明確、系統化界定，以此來最大程度達成或實現各種活動在各角色間的交換，并能夠根據實際需要，以此達到對相關對業務實施批量處理的目的。為了最大化提升資源使用效率，提高處理能力，在設計流程活動時，需始終秉持如下原則：

（1）與其它活動與流程保持獨立狀態，可重復操作;

（2）使用比較少的計算資源、儲存、CPU等;

（3）可以開展并行處理。

針對銀行信息中心而言，其能依據資源配置實況，對規劃中的資源配置進行安排批處理，實現并行處理，以此來最大程度滿足處理時限方面的要求，各批處理能夠對存儲、CPU、服務器等虛擬化資源進行分配，還能分配固定的資源，從根本上來講，如果當前的資源情況與批處理方面的要求存在不相符，或者是無法滿足的情況，那么便需要根據實際情況及當前需要，合理的增加資源。針對此種模式來講，其在實際應用與操作中，并不能真正意義上為資源的高效利用提供保障，而且還需要在實際操作中，額外增加CPU計算，一些方面還需要更新資源，采用更高I/O性能的資源，如此一來，便會造成比較嚴重的資源浪費。因此，在實際操作中，可以對批處理相關業務流程進行適當優化，還需要對其操作給予優化，來實施改進，以此來從根本上實現資源使用效率的提升。

2 以MapReduce為基礎的批處理優化

2.1 Hadoop/MapReduce并行計算實驗環境分析

針對Hadoop云計算平臺來講，其主要由MapReduce并行計算架構與HDFS分布存儲、映射機制構成，可擴展性好，另外，在具體的穩定性上，或者是在開放性方面，其均有比較明顯的應用優勢。而對于MapReduce而言，其在實際運作中，主要借助兩個函數，其一為Reduce，其二是Map，其在實際應用中，能夠為整個系統運行，提供可以進行并行計算的框架，并且還能對任務進行分解與計算任務，能并行或獨立計算操作集合（ Tasks），并向Map函數提交與處理，而對于Reduce函數而言，其主要負責Map函數各項計算結果的排序、整理、收集等。其功能時依據相關映射規則，把輸入的（kl，vl）鍵值對，以一種合理方式向另一個或一批list （k2，v2）對輸出轉換，而對于Reduce來講，其把一個或多個Map輸出的list （k2，v2），向新的鍵值對list （k3，v3）轉換，且將其當作任務計算的輸出。針對Hadoop MapReduce而言，與其所提供的并行計算框架，通常情況下，是以JAVA為基礎的;而且其還能根據實際需要，提供更加實現今后發展需要的pipe機制，因而能夠為其它編程語言，提供更加實用、更為全面的服務。本文結合當前社會發展需要，探討了以FNU C++為基礎，對流程節點進行處理的Map函數與Reduce函數。

從根本上來講，如果根據實際需要，把流程任務以一種高效方式，輸入至Map函數，或者是輸出輸出，那么針對此時的鍵值而言，與之相對應的任務編號為;針對Map函數來講，其C++能夠高效化完成執行流程任務，并且還能根據實際情況，滿足其在I/O與數據讀寫操作方面的需要。對于流程優化模擬操作來講，從基礎層面來分期，其實際是以4個業務流程類型作為其運行基礎的，在各個業務流程當中，均或多或少的加入有任務節點，任務類型4個（網絡、存儲、計算與檢查），各任務類型均對應一個有限計算節點DataNode。

2.2 流程事務與流程優化的比較

針對此平臺而言，其在實際運作中，通常將業務流程當作整個系統運轉的主要處理單元，其能夠根據實際需要，對2種計算架構展開模擬操作，運用相同的數據與模擬流程，此外，還對一個DateNote服務器宕機時的性能與任務容積機制進行了檢測。針對流程最短處理時間而言，實際就是流程任務在實際執行中，依據事先制定好的關鍵邏輯路徑，將某個任務高效化完成，然后才能根據實際情況，激活后續節點任務。從基礎層面來分析，在4個DaraNode中實現流程的平均分配，各DataNode處理的流程數據，基本上是處于對等狀態，另外，還有著相同的資源使用率。針對任務優化分解方法來講，可以根據實際需要，將其劃分為7個任務隊列，針對DataNode資源來講，其在具體的分配上，主要是依據優先資源原則來開展。

在實際運作中，根據實驗平臺經計算所獲得的運行數據，在批處理流程相同的情況下，或者是在相同的硬件架構下，借助于業務流程，進行有針對性、系統化分解，且對并行計算進行深層優化，可以對更多的事物進行處理，而且還能顯著提高資源的使用效率，即便將流程分解，在最終的運行結果方面，仍能證明此方法的主要優勢，因而能夠為后續研究奠定堅實基礎。

3 結語

綜上，現如今，對云計算技術進行深入研究，已成為IT產業的新趨勢、新走向，采用云計算架構，不管是在具體的服務效率上，還是在在運行成本上，再或者是在資源利用上，均有著比較明顯的內在優勢。本文所提出的以銀行批處理業務為研究對象的優化流程分解方法，可行且有效。

參考文獻

[1]趙曦，李廣明，基于IT資源虛擬化的銀行批處理流程優化框架研究[J].軟件導刊，2014 （04）：16-19.

[2]李臣星，孫成強，商業銀行開發中心云計算平臺基礎架構設計[J].電子技術與軟件工程，2018 （04）：190-190.

[3]邱慧麗.虛擬化技術在商業銀行分行同城網中的應用研究[J].貴陽學院學報（自然科學版），2017，2（02）：13-16.