999精品,丝袜综合,大陆老熟妇性,中国老女人AV,亚洲精品国产第一区二区三区

【摘要】新一代分布式證券核心交易系統(tǒng)普遍采用內(nèi)存化交易，雖然系統(tǒng)性能得到了極大提升，但是存在內(nèi)存容量有限、異?；謴吐?、缺乏通用干預手段等問題。本課題提出一種分布式多級緩存架構(gòu)，減少集中式數(shù)據(jù)訪問風險、緩存容量大等問題；基于內(nèi)存映射技術(shù)實現(xiàn)高性能、大容量內(nèi)存緩存，使用“熱點數(shù)據(jù)優(yōu)先加載，非熱點數(shù)據(jù)延遲加載”策略，解決內(nèi)存異?；謴吐龁栴}；提供輕量SQL引擎，實時操作內(nèi)存數(shù)據(jù)，實現(xiàn)內(nèi)存可視化。此外，本課題提出了一種多種客戶分區(qū)策略，將千萬級客戶橫向劃分到多個交易節(jié)點，單節(jié)點內(nèi)縱向劃分到多個交易核心，從而滿足高容量、高吞吐、低延時的交易需求。

(相關(guān)資料圖)

01

課題背景及意義

1.1

課題背景

為順應數(shù)字經(jīng)濟和實體經(jīng)濟深度融合的國家戰(zhàn)略，證監(jiān)會科技監(jiān)管局發(fā)布的《證券期貨業(yè)科技發(fā)展“十四五”規(guī)劃》針對核心交易系統(tǒng)建設(shè)提出要求：“持續(xù)打造行業(yè)新型基礎(chǔ)設(shè)施建設(shè)，在行業(yè)核心機構(gòu)和組織平臺建設(shè)方面，著力打造優(yōu)化新一代交易結(jié)算系統(tǒng)”。

近年來，基于分布式低時延架構(gòu)已成為證券交易系統(tǒng)架構(gòu)的發(fā)展趨勢，全球大型證券交易所、境外大型投行、國內(nèi)頭部券商核心交易系統(tǒng)都向分布式架構(gòu)轉(zhuǎn)型，以達到高性能、高并發(fā)、可擴展的建設(shè)目標。

1.2

研究意義

分布式證券核心交易系統(tǒng)普遍采用內(nèi)存交易。內(nèi)存化交易面臨諸如穩(wěn)定性、容量有限、高性能、易用性、可維護性等問題或風險：

海通證券以全自主研發(fā)模式，探索了基于高速容錯消息總線的新一代分布式交易系統(tǒng)（簡稱HOTS系統(tǒng)）。一方面借鑒傳統(tǒng)數(shù)據(jù)庫高可用原理、豐富的運維手段，強化穩(wěn)定性、可維護性、易用性；另一方面通過數(shù)據(jù)建模、分區(qū)，應用架構(gòu)革新等，解決容量、性能問題。

02

課題目標及內(nèi)容

2.1

課題目標

在整個金融行業(yè)面臨系統(tǒng)架構(gòu)、業(yè)務需求、性能和運維方面各種挑戰(zhàn)的背景下，HOTS系統(tǒng)不僅需要解決目前現(xiàn)有系統(tǒng)面臨的諸多問題，而且需要支撐未來10~20年的業(yè)務持續(xù)發(fā)展，進而為整個金融行業(yè)提供一些有價值的、可參考的應用成果。

2.2

課題內(nèi)容

本課題將從四個研究方向展開：

分布式多級緩存；

基于內(nèi)存映射技術(shù)的內(nèi)存緩存；

基于輕量SQL引擎的內(nèi)存緩存；

千萬級客戶內(nèi)存緩存研究與實現(xiàn)。

2.2.1 分布式多級緩存

圖1 HOTS系統(tǒng)架構(gòu)圖

HOTS系統(tǒng)基于分布式低時延應用架構(gòu)，采用高速容錯消息總線和內(nèi)存交易技術(shù)，它具有高性能、低時延，高穩(wěn)定性、高可用性等特點。HOTS系統(tǒng)每個應用都具備緩存數(shù)據(jù)能力，天然地形成了分布式多級緩存。

圖2 分布式多級緩存示意圖

1）接入網(wǎng)關(guān)緩存登陸客戶資產(chǎn)、交易結(jié)果數(shù)據(jù)；

2）交易前置緩存全量客戶資產(chǎn)、交易結(jié)果數(shù)據(jù)；

3）交易核心緩存全量客戶資產(chǎn)、交易請求、結(jié)果數(shù)據(jù)。

分層緩存架構(gòu)，將集中數(shù)據(jù)訪問分解為多級數(shù)據(jù)訪問，提升訪問效率。每級緩存實現(xiàn)多副本數(shù)據(jù)持久化，采用日志回放（重演）機制，快速重建內(nèi)存，增強容錯性。

2.2.2 基于內(nèi)存映射技術(shù)的高效內(nèi)存緩存

新一代核心交易系統(tǒng)內(nèi)存緩存管理主要問題：數(shù)據(jù)恢復慢、數(shù)據(jù)一致性、內(nèi)存安全性、內(nèi)存占用大。

為了解決這些問題，本課題提出一種基于內(nèi)存映射技術(shù)的高效、安全的內(nèi)存緩存管理方法，有效提升內(nèi)存重建速度，降低重演前后數(shù)據(jù)的不一致性概率，解決內(nèi)存占用大問題。

本課題高效內(nèi)存緩存的核心技術(shù)：

1）存儲結(jié)構(gòu)：特殊的數(shù)據(jù)文件、索引文件結(jié)構(gòu)，熱點、非熱點數(shù)據(jù)分區(qū)存儲；

2）緩存機制：熱點數(shù)據(jù)全量加載，非熱點數(shù)據(jù)延遲加載（索引查找記錄行號后再加載數(shù)據(jù)），索引全量加載；

3）緩存替換策略（LRU+LTU）：LRU表示替換最近被請求最少的對象；LTU表示替換最早使用的對象（證券交易客戶行為特點）；

4）重演恢復：基于內(nèi)存映射技術(shù)并發(fā)加載內(nèi)存快照，再增量重演總線數(shù)據(jù)；

5）內(nèi)存管理器：提出一種高效的內(nèi)存申請算法，制定標準的內(nèi)存訪問接口，表級、行級并發(fā)控制，保證內(nèi)存更加安全、高效訪問。

圖3 特殊的數(shù)據(jù)文件、索引文件存儲結(jié)構(gòu)示意圖

2.2.3 基于輕量SQL引擎的內(nèi)存緩存

傳統(tǒng)關(guān)系型數(shù)據(jù)庫用SQL語句管理數(shù)據(jù)庫，極大提升運維效率，而內(nèi)存化數(shù)據(jù)常使用特殊的運維工具，不僅維護、學習成本高，而且操作不當還可能導致內(nèi)存數(shù)據(jù)破壞，引發(fā)生產(chǎn)事故。

圖4 輕量SQL引擎內(nèi)部結(jié)構(gòu)圖

因此將SQL引擎植入內(nèi)存結(jié)構(gòu)表，徹底解決內(nèi)存緩存可視化難題，降低運維復雜度，提升系統(tǒng)易用性、健壯性。

圖5 SQL語句操作內(nèi)存緩存示意圖

輕量SQL引擎實現(xiàn)緩存可視化操作：

1）支持WEB柜臺對多個節(jié)點發(fā)送SQL請求，以及結(jié)果展示；

2）支持節(jié)點級、群組級、設(shè)備級三種模式控制SQL執(zhí)行；

3）支持SQL語句預執(zhí)行；

4）兼容常用SQL語法。

2.2.4 千萬級客戶的內(nèi)存緩存研究與實現(xiàn)

對證券核心交易系統(tǒng)緩存數(shù)據(jù)建模，可以分為三類：

1）客戶數(shù)據(jù)：包含客戶信息、股東賬戶、資金、持倉等；

2）交易數(shù)據(jù)：包含委托、轉(zhuǎn)賬、倉單、負債等；

3）基礎(chǔ)數(shù)據(jù)：包含證券基本信息、系統(tǒng)參數(shù)等；

單節(jié)點500萬客戶、500萬委托，客戶數(shù)據(jù)占總量數(shù)據(jù)82%，因此該類數(shù)據(jù)成為內(nèi)存緩存研究的關(guān)鍵對象。

2.2.4.1 多策略客戶分區(qū)

根據(jù)證券核心交易業(yè)務特點，本課題提出了多種客戶分區(qū)策略：

1）客戶類型：分成普通經(jīng)紀客戶、信用客戶兩類；

2）營業(yè)部：將若干個營業(yè)部客戶集中到一個交易節(jié)點；

3）營業(yè)部、委托量策略：營業(yè)部策略基礎(chǔ)上考慮營業(yè)部每日委托量，將委托量大的營業(yè)部盡可能均衡分布到多個交易核心；

4）白名單策略：分布式系統(tǒng)升級時常用灰度發(fā)布策略，因此灰度客戶指定交易核心，減少新業(yè)務上線風險。

實際運營管理時，通過業(yè)務監(jiān)控分析交易特點，靈活設(shè)置客戶分區(qū)策略，T+1日時生效。

2.2.4.2 總線點對點通訊

單節(jié)點內(nèi)部署多交易核心組，由于其訂閱消息相同，交易前置、報盤會分別給多個交易核心組推送數(shù)據(jù)，這樣交易前置、報盤總線通訊量會變大N倍（N=核心組數(shù)量）。因此增加客戶級、股東賬戶級路由推送，保證交易前置、報盤總線消息推送給指定核心，減少總線通訊量，降低全鏈路時延。

圖6 點對點通訊邏輯示意圖

2.2.4.3 系統(tǒng)異?；謴?/strong>

盤前數(shù)據(jù)上場時，根據(jù)總線消息，構(gòu)建內(nèi)存結(jié)構(gòu)表，生成內(nèi)存快照文件。重演時，應用優(yōu)先并發(fā)加載本地內(nèi)存快照文件，再根據(jù)指定的總線序號增量重演。

假如重演時應用校驗緩存文件異常，沿用總線全量重演模式。

圖7 異常重啟流程圖

03

課題成果應用

3.1

基于內(nèi)存映射技術(shù)的內(nèi)存恢復

測試單節(jié)點100萬、500萬、1500萬三種客戶量，主要測試案例：

1）全量客戶加載緩存大小，對比只加載熱點客戶（100萬）緩存大??；

2）對比內(nèi)存映射、常規(guī)文件讀取加載內(nèi)存快照耗時，再對比總線全量重演。

表1 多種內(nèi)存恢復耗時

主要成果：

1）單節(jié)點500萬客戶，優(yōu)先加載100萬熱點客戶恢復，緩存空間大幅下降（66%+）；

2）隨著緩存空間下降，內(nèi)存快照重演較總線重演耗時大幅下降（77%+），內(nèi)存映射性能更加極致，下降98%至秒級；

3）熱點客戶量穩(wěn)定時，即使單節(jié)點客戶大幅增加，緩存空間增長比例低（僅6%），恢復耗時變動平穩(wěn)（僅為秒級）。

3.2

內(nèi)存緩存可視化成果

圖8 WEB柜臺實現(xiàn)內(nèi)存可視化界面

主要成果：

1）支持節(jié)點、群組、設(shè)備三級緩存操作；

2）權(quán)限管理，以及操作流水復核，便于運維人員核對SQL執(zhí)行結(jié)果；

3）解決內(nèi)存緩存黑盒子問題，實現(xiàn)緩存的可視化，為內(nèi)存巡檢、監(jiān)控賦能，提供盤中干預方法，便于異常時快速運維。

3.3

應用效果

分布式緩存架構(gòu)下系統(tǒng)整體性能提升，大幅提高核心交易業(yè)務服務能力，滿足客戶的交易需求。

圖9 系統(tǒng)性能指標對比圖

04

總結(jié)與展望

本課題從分布式多級緩存、基于內(nèi)存映射技術(shù)的高效內(nèi)存緩存、千萬級客戶內(nèi)存緩存研究等方向?qū)ψC券市場前沿內(nèi)存交易技術(shù)與創(chuàng)新熱點進行研討，期望為行業(yè)提供一些參考思路。

展望未來，還需要完成以下工作：

1）優(yōu)化內(nèi)存緩存索引的內(nèi)存管理效率，以及索引查找效率；

2）輕量SQL引擎支持多表聯(lián)合查詢等復雜SQL語句；

3）完善內(nèi)存緩存的實時監(jiān)控。