2021 年，渤海银行锚定数字化转型战略，启动核心系统重构工程，将传统集中式核心升级为分布式单元化架构，其中，分布式数据库选型及建设是决定转型质量的重点工程。

该行围绕性能承载、自主掌控、业务兼容、运维适配等核心维度，引入第三方评测开展全流程选型，先后攻克数据分布不均、跨机房交易延迟、海量存量数据平滑切换等技术难关。目前新核心一期已验证成功，核心性能、运维效率、客户体验均实现跨越式提升。

当前，该行正在推进新核心二期建设，并同步探索分布式数据库与 AI 数据基建的深度融合，建设面向 AI 原生时代的能力底座，用实际行动为全行数智化转型筑牢根基。渤海银行副行长谢凯在接受《金融电子化》记者采访时表示：“未来，核心系统不再只是交易处理器，而将逐步演进为具备感知、推理、辅助决策能力的‘智能基座’”。想了解更多关键业务系统升级的路径与优秀案例解析：

免费下载《关键业务系统数据库升级实践指南 》

精准选型适配业务需求

记者：近年来，银行业数字化转型步入深水区。请问渤海银行启动核心系统重构及分布式数据库选型的背景和动因是什么？

谢凯：2021 年我们启动数字化转型，核心目标之一就是解决传统集中式核心系统的短板，为全行高质量发展提供科技支撑。

当时旧核心系统面临两大突出问题，也是我们必须选型分布式数据库的原因。

一是性能难以支撑交易量的快速增长，且传统集中式架构无法横向扩容，并发处理能力跟不上业务增长节奏；二是业务支撑能力不足，旧核心无法支撑生态伙伴大规模并发接入，部分高并发业务存在“账户锁”问题，贷款等业务无法实现 7×24 小时服务，满足不了我们建设生态银行、推进数字化转型的需求，也难以支撑我行业务发展的核心方向。

记者：选型决策关乎系统长期稳定，请您介绍本次选型的整体流程和决策依据

谢凯：我们本着“科学严谨、贴合实际”的原则，简化选型流程，结合自主掌控需求，参考同业成功案例，委托权威第三方对分布式数据库进行评测，重点测试性能、兼容性、高可用性和云平台适配能力，再结合我行存量客户数据、日均交易量等实际情况，开展内部论证，最终确定了选型方向。

选型的核心考量有四点：一是能承载海量数据，支持横向扩展，适配数据快速增长和业务峰值需求；二是尽量减少对现有业务的影响，确保和现有流程兼容、数据能平滑切换；三是控制建设周期和风险，平衡好项目进度和运维衔接；四是实现技术自主掌控。

记者：贵行最终选择了哪款产品，其在合规性和适配性方面体现出哪些优势？

谢凯：综合评测和同业参考，我们最终选择 OceanBase 作为新一代核心系统分布式数据库。

它的核心优势贴合我行需求：一是技术自主掌控，能保障核心系统安全；二是性能强劲，可承载海量数据和高并发交易，支持横向扩展，能跟上业务增长；三是兼容性好，能和现有业务系统、云平台无缝衔接，降低升级改造成本；四是具备金融级高可用性，多副本多活部署，能保障系统 7×24 小时稳定运行；五是运维便捷，适配我行现有运维体系，能提升运维效率、降低成本，同时可与云平台协同，为核心系统上云和弹性扩展打下基础。

攻坚克难完成平稳切换

记者：能否平滑切换是核心重构的关键风险点，请问在分布式数据库切换实施阶段，遇到了哪些突出技术挑战，如何应对？

谢凯：在这一过程中，我们确实遇到了不少技术挑战，其中最突出的就是数据分布和数据切换两大难题。结合项目攻坚的实际情况，我们针对性制定了破解方案。

首先说数据分布问题。分布式数据库的核心是将数据分散在不同水平分库中，这种存储方式虽然灵活，但也带来了3个实际问题。一是数据分布不均匀，导致部分存储资源闲置、部分资源过载，利用率偏低；二是数据寻址复杂且随机，容易出现跨数据中心交易延迟过高的情况，影响业务响应速度；三是受限于数据库查询语法，无法聚合所有分库数据，导致一些管理类业务功能无法正常开展，给内部管理带来不便。

面对这些问题，项目组经过反复攻坚，结合同业先进经验和我行自身业务特点，最终确定了 3 项针对性解决措施。

第一，以客户号作为水平分库的分库键，确保数据能够均匀分布，同时采用垂直库存放通用参数类数据，通过多数据源配置，让应用和数据库存储资源都能发挥最大效用；

第二，从集成层就对交易进行分流，将其定向引导至目标数据中心的核心应用，核心内部的数据访问和相互调用全部在同一机房内完成，实现交易流量的定向收敛，有效降低跨机房网络延迟；

第三，通过数据同步工具，将分布式存储的客户数据同步至聚合查询数据库，补齐管理类查询功能的短板，同时搭配多数据源兜底，实现数据按需高效同步、冗余降级存储，既保障了数据访问的稳定性，也提升了访问效率。

其次是数据切换问题，这也是我们实施过程中面临的另一大核心难点，体现在两个方面。一是数据规则映射复杂，新旧系统的数据标准不同，需要精准匹配各项数据规则，确保数据切换后能够正常使用；二是存量数据量大，历史数据和实时数据的切换衔接难度很高，既要保证过程中数据的一致性、完整性，又不能影响现有业务的正常运行，这对我们的切换方案提出了很高要求。

针对这些难点，我们把突破数据规则映射难题作为重点，采用历史数据与实时数据分批切换的模式，避免一次性切换带来的风险。同时，我们制定了详细的切换计划和回滚预案，全程实时监控过程，明确各环节的流程和责任分工，精准把控进度和数据质量。最终，准确高效地完成了全量数据切换，最大限度降低了对现有业务的影响。

投产运行成效显著

记者：实践是检验技术价值的重要标准，请问新核心模块投产后，分布式数据库的实际运行表现及核心性能指标是否达到预期？

谢凯：从实际运行情况来看，分布式数据库的表现符合我们的预期，解决了旧核心的性能短板。客户中心交易承载量从不足 300tps 提升至 2000tps，贷款中心从 100tps 提升至 550tps，核心性能实现了质的提升。

记者：分布式单元化架构为业务投产和运维效率带来了哪些具体改善？

谢凯：分布式架构的优势已经充分体现，大幅提升了业务和运维效率。实现业务无感知投产、新增需求可分批次推进，不影响客户使用；可通过服务切换将单个服务故障的影响降到最低，故障影响范围大幅缩小；依托磐石平台，服务器实例创建、应用部署发布实现配置化，大幅降低了运维成本和难度。

在流量收敛、故障影响范围控制等方面，我们也取得了可量化的成效。数据按客户号分为 4 个水平库，每个库采用 5 副本保存，极端情况下，单个故障的数据影响范围控制在 25% 以下；通过交易自动寻址和网关流量收敛，实现交易在同机房完成，一期能力中心交易耗时中位数控制在 100ms 以下，客户体验明显提升。

记者：技术投入需回归价值创造，从整体来看，分布式数据库的应用为全行高质量发展带来了哪些核心价值？

谢凯：总体来说，分布式数据库的应用达到预期，不仅有效支撑了全行业务的稳定高效开展，实现了核心系统自主掌控的阶段性目标，降低了适配和云平台融合的成本，也为我行数字化转型、落实金融“五篇大文章”提供了坚实的科技支撑。

业技融合深化场景应用

记者：新核心建设是一场持久战，根据规划，新核心二期将投产多个模块，请问后续的重点部署安排及保障机制是怎样的？

谢凯：我们正稳步推进新核心后续投产的相关工作。目前新核心一期已验证成功，接下来将重点推进二期建设，聚焦存款中心、合约中心、支付中心等核心模块。

我们会充分借鉴一期实施经验，优化研发、测试到投产的全流程，全力保障各模块平稳上线、稳定运行。同时，做好分布式数据库的配套保障，确保其与新核心系统高效适配，为新核心稳定运转提供有力支撑。

记者：下一步，渤海银行将如何推动分布式数据库与全行核心业务场景的深度融合？

谢凯：我们正在积极探索分布式数据库与业务融合的实践路径。在扎实做好新核心建设的基础上，我们将逐步把分布式数据库延伸应用到新核心之外的业务场景，重点围绕风险管理、贷后预警、征信报送等领域进行深度融合，依托其技术优势，优化相关业务处理流程，切实提升这些领域的业务管控效率，充分发挥技术价值，为业务高质量发展提供支撑。

拥抱 AI，升级数智底座

记者：当前 AI 技术快速迭代，请问 AI 时代给银行核心系统建设带来了哪些新的挑战与机遇？

谢凯：当前，银行业正站在 AI 范式演进的关键路口。对渤海银行而言，这一轮变革的特殊之处在于：我们同时在进行新核心系统建设与大模型能力探索。

去年贷款核心率先投产，今年存款核心即将上线，与此同时，由董事长挂帅的智能化转型工作专班也在去年正式启动。这两条主线并行推进，让我们有机会从一开始就将 AI 能力内嵌到新核心系统之中，而不是事后“补课”。

AI 时代给银行核心系统带来的核心挑战，在于从“功能实现”向“能力供给”的跃迁。传统核心系统以确定性交易为核心，追求稳定、可靠、可预测；而 AI 引入后，系统需要同时承载“确定性”与“可能性”——既要保障核心交易的安全稳定，又要支持模型驱动的弹性应用形态。这不仅是技术架构的挑战，更是系统设计理念的转变。

机遇也同样清晰：AI 正在重塑核心系统的智能化上限。我们已在部分场景开展“+AI”试点，探索将大模型能力引入新核心，在风险识别、流程自动化、客户交互等领域释放效率红利。未来，核心系统不再只是交易处理器，而将逐步演进为具备感知、推理、辅助决策能力的“智能基座”。

记者：新一代数据基建是支撑 AI 时代核心系统运转的基石，您认为它需要具备哪些核心能力？

谢凯：我们把握 AI 时代能力跃升机遇的关键，就是新一代数据基建的升级。我们正在从传统“数据湖”迈向“知识湖”——这不仅是概念的变化，更是能力范式的跃升。数智融合将成为新一代基建的核心特征。在我行的大模型技术架构中，数据知识层和算力、模型共同构成 AI 底座。我们将知识工程作为核心建设方向，致力于将行内制度、经验、业务流程等系统性地治理为模型可理解、可调用的知识资产，让知识真正成为 AI 能力的“燃料”。

未来，AI 数据基建需要具备三项关键能力。

一是知识工程化能力，将行内制度、经验、业务逻辑转化为模型可高效利用的知识资产；二是多模态统一处理能力，打通文档、音视频、结构化数据之间的壁垒；三是与模型服务深度协同的能力，让知识检索与模型推理形成闭环，支撑从“应用开发”向“能力供给”的转型。

渤海银行的目标，不是单纯引入大模型，而是建设面向 AI 原生时代的能力底座——以相对稳定的能力供给，应对上层应用的快速演变，让行内知识成为差异化竞争的护城河。这是我们对“拥抱 AI”给出的回答。

---

立即试用 OceanBase 企业版，体验国产数据库能力。

180 天免费试用，零门槛开通