当前，金融行业国产升级工作正从“外围升级”迈向“核心攻坚”的深水区。

对机构数量多、法人结构多元、服务重心在县域的农信社而言，如何在保障业务安全稳定的前提下，将关键信息基础设施牢牢建立在自主掌控的技术底座之上，是数字化转型必须作答的时代课题。

在接受《金融电子化》杂志记者郑岩采访时，湖南省农村信用社联合社（简称”湖南农信“）信息科技部总经理安峰分享了湖南农信的思考与实践。

问答实录

Q1

近年来，湖南农信在推进金融国产升级与分布式架构转型过程中，将 OceanBase 应用于超网系统、福祥金融业务云异地灾备等关键项目。站在省级农信机构的视角，数据库选型需要重点考量哪些维度？其背后有着怎样的战略考量？

安峰：金融行业对数据安全、业务连续性和监管合规要求高，数据库选型不能只看技术能力，还需统筹考量自主掌控、业务适配、安全合规、运维生态、使用成本和风险控制等维度。

一是自主掌控与供应链安全。产品的知识产权是否完全归属国内企业，是否拥有完整的内核源代码，供应链是否有安全保障。

二是业务能力与技术性能。湖南农信作为省内规模最大的地方银行机构，业务系统具有数据量大、并发高、事务一致性要求强等特点，要求数据库兼顾联机事务处理能力，并支持混合负载、高可用设计、平滑升级和高可扩展性等。

三是安全合规要求。产品应支持 SM 算法，支持传输加密和存储加密，具备访问权限管控、审计日志、数据脱敏与防篡改能力，通过等保测评、密码应用安全性评估、金融行业相关测评和信创认证，满足人民银行、金融监管总局的监管要求。

四是生态适配与软硬件兼容性。产品应广泛兼容信创 CPU、操作系统和中间件，完成全栈适配验证，同时具备丰富的金融核心业务场景应用案例和上下游应用软件生态支持。

五是厂商运维支持服务能力。产品应具备完备的运维工具体系，降低用户的运维与学习成本，厂商应有持续的研发投入能力，具备本地化技术支持能力，能够提供 7×24 小时应急响应和故障快速定位修复服务。

六是升级和使用总成本（TCO）。选型时必须充分评估应用系统升级改造的实施难度和工作量，确保风险可控，在计算成本支出时，除产品费用外，还应充分考量部署、迁移、运行、运维和培训等综合成本。

当前态势下，数据库选型已超出一次技术采购的范畴。金融安全是国家安全的重要组成部分，核心技术受制于人是最大的风险隐患。

对省级农信而言，把关键信息基础设施牢牢建立在自主掌控的底座之上，既是科技自立自强的责任担当，也是守住风险底线、赢得数字化转型主动权的战略选择。

Q2

省联社实行“大平台+小法人”体制，下辖法人行社众多，县域普惠金融业务特征鲜明。这样的组织与业务格局，对数据库底座提出了哪些差异化要求？OceanBase 的哪些能力与之相匹配？

安峰：如何统分结合，是省联社当前面临的最突出矛盾之一。我们的整体规划遵循“大平台+小法人”的架构模式。

在 IT 架构层面，技术底座、监管报送、运维管控等基础设施需由省联社统一建设与管理，以实现集约化、标准化和安全性，但辖内几十甚至上百家法人行在发展基础、资产规模等方面差异显著，数据归属相对独立，普惠金融业务又呈现出“小额分散、高频交易、时效性强、季节波动剧烈”的典型特征。

面对这些挑战，进入目录的分布式数据库产品已经做出了有效应对。

一是多租户能力，一个集群开出多个逻辑隔离的租户，省联社统一管控资源，各法人行独立运营；

二是弹性扩缩容能力，县域普惠业务“短、小、频、急”，流量突变时按波峰波谷动态调配，可大幅提升资源利用率；

三是混合负载，交易与分析紧密耦合，在某些特定金融场景中可明显提速。

Q3

请介绍福祥金融业务云异地灾备底座的建设思路，在租户隔离、多副本高可用、国产升级适配的方面，分别做了哪些定制化的架构设计？

安峰：建设思路主要分三步：

• 一是业务分级，梳理主站资源，确定灾备需求和建设范围；

• 二是租户隔离，生产租户和灾备租户物理独立，确保风险不会蔓延，灾备运维体系也独立，满足监管独立管控要求；

• 三是高可用设计，灾备资源同样支持多可用区部署、保留多副本，避免自身有单点。

在遵循上述路径的同时，项目还结合实际做了三方面的定制化设计。

租户隔离方面，对灾备租户实施精细化的资源管控，适度降低异地资源配置以控制成本，同时保留弹性，切换时可通过管理平台在线升配，兼顾经济性与可用性；

多副本高可用方面，对副本与仲裁机制做了优化，由传统的三副本调整为“2 副本+1 仲裁”部署，在满足高可用要求的前提下大幅降低了部署成本；

适配的方面，算力、关键组件通过功能测试、性能压测和故障演练等完整验证，确保切换后稳定运行、满足安全稳定要求。

Q4

OceanBase 投入实际运行后，取得了哪些可观测的业务成效？对中小金融机构建设自主掌控灾备体系，具有怎样的示范意义？

安峰：异地灾备项目的成功实施将原有的数据级灾备升级成了应用级灾备，成效十分明显。

一是防护更安全，有了“同城+异地”双层防护，灾备切换演练场景更加贴合实际，已经完成了重要信息系统的真实异地灾备切换演练；

二是灾备更独立，生产和灾备强隔离，灾备环境是“安全岛”，具有独立审计追溯能力；

三是部署更经济，按业务重要性差异化配置资源，不再全部高规格常驻，有效降低了长期开销；

四是运维更省心，依托云原生能力，自动发现复制延迟、资源异常等问题，运维复杂度降低不少。

这些成效的深层价值在于信心：它证明了中小金融机构依靠自主掌控技术，同样能建成高标准、高可用的金融基础设施。把科技自主权拿回自己手中，就是握住了数字化转型和风险防控的主动权。

Q5

省级农信体系机构多、业务类型复杂，分布式数据库升级改造面临多重挑战。在 OceanBase 落地过程中，省联社遇到的主要难题有哪些？分别如何应对？

安峰：在升级的过程中，确实面临着极高的技术与管理门槛。主要可以归纳为三个方面：

一是业务兼容性与应用改造难题，原有系统大量使用传统集中式数据库存储过程、触发器、自定义函数等，若进行底层数据库切换，应用层代码的适配与重构工作量极大，且极易引入未知 Bug，选择高兼容性数据库，最大程度保留原有行为一致性，减少改造量，并使用自动化评估工具全量扫描寻找差异，提前处置，让业务无感过渡；

二是数据一致性与业务连续性难题，金融级核心业务系统要求 7×24 小时不间断运行，且对数据准确性要求极高，海量数据切换是一个巨大的挑战，我们依靠新旧并行、分批灰度切换等技术，全链路自动比对一致性，备好反向同步、灾备接管等回滚预案，在升级过程中做到数据零丢失，业务无影响；

三是运维体系重构与人员能力难题，分布式数据库的底层逻辑和传统单机差异很大，我们与头部厂商深入合作，逐步构建适应分布式架构的智能化运维体系，同时通过培训和知识转移带出自己的技术团队。

这些难题折射的是中小金融机构普遍面临的能力鸿沟。

破解之道不能靠单打独斗，而是开放协同，借力头部厂商的成熟经验，依托行业协作沉淀标准与方法论，同时下大力气培养自己的队伍。把一次性的攻坚经验转化为体系化的组织能力，才是应对挑战的根本之策。

Q6

国产升级改造不可能一蹴而就。在渐进式升级过程中，省联社如何统筹“金融安全稳定”与“升级改造”的平衡？形成了怎样的实施路径和技术保障机制？

安峰：对金融行业而言，这是一项极具挑战的系统性工程。破局的关键在于，必须将国产升级视为一项长期的能力建设工程，而非一次性的项目交付任务。

通过严守金融安全底线、科学分步实施、强化技术兜底保障、深化全链路生态协同，能够在保障金融业务连续平稳运行的前提下，稳步实现关键核心技术自主掌控的长远战略目标。

比较合适的选择是“先外围后核心、先局部后整体”的渐进策略，再配上“双轨并行、灰度切换”的技术手段。

业务路径上不搞一刀切：

先换外围办公系统，再批量改造信贷类、渠道类系统，最后攻坚核心交易，分层推进，基础金融服务不断档。技术架构上新旧双轨、割接期按小批量切流灰度发布，一旦有波动秒级切回，用户无感。安全合规上同步落实数据分类分级、加密存储、全程审计。

Q7

从业务视角看，OceanBase 对省联社服务县域普惠金融、应对业务峰谷波动、支撑监管报送与业务快速迭代，分别带来了哪些实际价值？

安峰：这不只是底层 IT 架构的升级，更是业务敏捷化、智能化、普惠化的引擎。

普惠金融上，通过强大的数据处理能力助力业务系统精准识别农户与小微融资需求，服务下沉；应对业务峰谷波动上，通过弹性伸缩从容应对交易变化；监管报送上，通过统一的数据底座，打破数据孤岛、统一数据口径，并能快速响应监管政策的更新；业务迭代上，结合云原生与微服务架构，通过业务模块服务化，降低系统耦合度，并且自动化发布部署应用，大幅缩短了研发周期。

技术底座的升级最终要落在金融服务上。

让县域居民、小微企业、新型农业经营主体享受到与城市同品质的金融服务，缩小城乡数字鸿沟，让金融活水精准滴灌实体经济，这才是分布式底座建设最根本的价值坐标，也是省联社服务乡村振兴、践行金融工作政治性与人民性的责任所在。

Q8

不同于国有大行、股份行的标准化业务体系，省级农信下辖数十家法人行社，数据标准不统一、业务场景碎片化、存量老旧数据量大是普遍痛点。省联社构建统一分布式数据底座 OceanBase 后，在数据统一治理、跨机构数据共享、老旧系统数据盘活、降低多系统割裂成本等方面，实现了哪些深层次的价值突破？

安峰：统一分布式数据底座建成后，我们在四个方面有了比较明显的突破。

一是数据统一治理，从“事后治理”转向“事前管控”，建立全省统一数据模型基线，新业务源头落标，存量数据逐步映射；

二是跨机构数据共享，打通上百家法人行社之间的数据壁垒，细粒度权限控制下，各行审批后按需访问，准实时共享；

三是老旧系统数据盘活，多套老系统平滑升级，建设客户、风险、信贷等数据集市，沉淀指标标签，沉睡数据重新产生价值；

四是降低割裂成本，统一数据服务屏蔽异构技术栈，标准 API 敏捷支撑前台，“存、算、管、用”一体化后，临时取数、跨系统对接成本大降。

数据治理的本质目标是激活数据要素价值，让数据成为金融行业新的生产要素和核心竞争力，同时为推进数字化转型提供坚实的数据支撑，这也是统一底座超越技术层面的战略意义。

Q9

结合数字化转型整体规划，未来在数据库升级、分布式架构优化方面，省联社有着怎样的演进规划？将重点推进哪些方向？

安峰：未来的演进规划将围绕三个方面展开。

架构上，向云原生与多模融合迈进。容器化部署与微服务深度融合，秒级弹性伸缩，推进多模融合，同时处理关系型、非结构化和向量数据，为数字普惠、智能客服等 AI 场景打牢底座。

运维上，构建AI智能运维体系。依托大模型做智能诊断、自动调优、异常预测和根因分析，把运维从“事后救火”升级为“事前预防”，降低对人工操作的依赖。

底座上，逐步向多数据中心多活演进。在“同城双活+异地灾备”基础上实现流量全局智能调度和多中心并发读写，机房级灾难时，业务可及时切换。

Q10

AI 时代加速到来，数据架构正从“支撑业务”走向“赋能业务”。在您看来，为有效承载全行 AI 规划，未来的 AI 数据底座需要具备哪些关键能力？

安峰：在 AI 技术迅猛发展的时代背景下，数据架构正从传统的“支撑业务”角色向“赋能业务”的战略核心演进。

未来的 AI 数据底座将不再局限于单纯的数据存储仓库，而是演变为驱动业务智能化的核心引擎。要有效承载银行的 AI 战略并赋能业务高质量发展，未来的 AI 数据底座须具备以下五大关键能力。

一是湖仓一体的多模态数据融合能力。传统数仓只能处理结构化数据，而 AI 时代需要同时消化信贷合同、影像资料、音视频记录、政务文件等非结构化数据。湖仓一体化架构是基础底座，既要保留数据湖的灵活存储能力，又要具备数据仓库的高性能分析能力，实现结构化与非结构化数据的统一存储、统一计算、统一服务。

二是自主掌控能力。安全掌控是金融机构的底线，AI 数据底座必须从芯片、操作系统、分布式数据库到云平台，实现全栈自主掌控，规避技术绑定风险。

三是智能化数据资产管理能力。数据底座的价值不在于存了多少数据，而在于数据能不能被 AI 高效消费，这需要构建 AI 驱动的智能化数据资产管理体系，覆盖数据全生命周期。

四是高质量数据加工能力。大模型的能力上限取决于训练数据的质量，而金融行业拥有海量研报、合同、政策文件等非结构化数据，数据量大不等于质量高，AI 数据底座需要能够对金融文档进行深度清洗，支持文本、表格、图片等各种类型文档的一站式接入与解析，从而实现业务语义建模，将数据从表字段升级为业务对象与关系，让 AI 模型能理解数据的业务含义，而非仅仅做数值计算。

五是数据服务化与场景闭环能力。AI 数据底座的价值，必须通过业务场景予以体现，依托统一数据服务层，将经过治理的数据资产、AI 模型能力，以 API、标准化数据服务、可视化分析等方式做对外服务化输出，支撑智能风控、智能营销、智能运营等多类 AI 业务应用高效构建、快速落地，打通从数据资源到业务价值的转化链路。

立即试用 OceanBase 企业版，体验国产数据库能力 立即试用 OceanBase 企业版，体验国产数据库能力