商業銀行基於大資料的運維管理

銀行it 系統資料集中、業務集中、it 系統規模逐漸增大、關聯關係日益複雜、所支援系統執行的硬體數量也越來越多、對it 系統的安全性、可用性與連續性依賴程度也越來越高，在這種背景下，為銀行的資料中心帶來巨大執行壓力。

資訊系統包括主機伺服器、網路、儲存、中介軟體、資料庫和應用系統在生產過程中產生了海量的資料，之前由於技術的侷限，這些資料資產沒有得到有效的挖掘和利用，並對日常的it運維和架構設計與規劃帶來指導性的建議。

大資料技術的出現，可以幫助商業銀行挖掘和利用這些資料資產，分析海量日誌資訊。通過基於spark streaming的流計算，商業銀行可以實時分析資訊系統執行過程中產生的資料資訊，並能夠在毫秒級分析和判斷it系統的執行狀態以及潛在威脅，通過基於hadoop的靜態大資料技術，商業銀行可以有效挖掘沉澱的it系統執行日誌、交易日誌等海量資料價值，合理規劃資訊系統架構。通過機器學習發現關聯模組、故障關聯規則，識別和利用人為評價，實現大資料時代的商業銀行智慧型運維，確保業務7*24小時的連續性。