云计算架构在商业银行批处理流程优化中的应用

孔祥宗 李明扬 巩凡

摘要 银行业在实现数据与业务集中处理的架构后，伴随业务的不断扩展，规模的日渐扩大，怎样灵活配置资源以及提升计算资源的使用效率，乃是当今银行信息中心所需迫切解决的重点问题。本文提出了一种能分解优化业务流程，以及开展独立并行处理任务的方法。

【关键词】云计算 商业银行 批处理流程

现阶段，以服务虚拟化与计算资源为运作核心的云计算技术，呈现出广阔的发展前景，尤其是在银行业中中，得到了越来越宽泛的应用，现阶段，其已经成为银行业信息化发展的重要趋向。本文基于云计算架构，探讨了一种优化批量业务流程处理的方法。

1 批处理业务流程的相关优化

从根本层面来考量，批处理过程中所囊括或涉及到的业务流程，实为一组相互关联的活动方式，能够把输入以一种合理方式，持续不断的向输出转化;此外，在各各活动间内，除了在先后顺序方面有着比较严格的规定外，在活动的基本内容、采取的具体方式以及所应承担的责任上，均需要进行明确、系统化界定，以此来最大程度达成或实现各种活动在各角色间的交换，并能够根据实际需要，以此达到对相关对业务实施批量处理的目的。为了最大化提升资源使用效率，提高处理能力，在设计流程活动时，需始终秉持如下原则：

（1）与其它活动与流程保持独立状态，可重复操作;

（2）使用比較少的计算资源、储存、CPU等;

（3）可以开展并行处理。

针对银行信息中心而言，其能依据资源配置实况，对规划中的资源配置进行安排批处理，实现并行处理，以此来最大程度满足处理时限方面的要求，各批处理能够对存储、CPU、服务器等虚拟化资源进行分配，还能分配固定的资源，从根本上来讲，如果当前的资源情况与批处理方面的要求存在不相符，或者是无法满足的情况，那么便需要根据实际情况及当前需要，合理的增加资源。针对此种模式来讲，其在实际应用与操作中，并不能真正意义上为资源的高效利用提供保障，而且还需要在实际操作中，额外增加CPU计算，一些方面还需要更新资源，采用更高I/O性能的资源，如此一来，便会造成比较严重的资源浪费。因此，在实际操作中，可以对批处理相关业务流程进行适当优化，还需要对其操作给予优化，来实施改进，以此来从根本上实现资源使用效率的提升。

2 以MapReduce为基础的批处理优化

2.1 Hadoop/MapReduce并行计算实验环境分析

针对Hadoop云计算平台来讲，其主要由MapReduce并行计算架构与HDFS分布存储、映射机制构成，可扩展性好，另外，在具体的稳定性上，或者是在开放性方面，其均有比较明显的应用优势。而对于MapReduce而言，其在实际运作中，主要借助两个函数，其一为Reduce，其二是Map，其在实际应用中，能够为整个系统运行，提供可以进行并行计算的框架，并且还能对任务进行分解与计算任务，能并行或独立计算操作集合（ Tasks），并向Map函数提交与处理，而对于Reduce函数而言，其主要负责Map函数各项计算结果的排序、整理、收集等。其功能时依据相关映射规则，把输入的（kl，vl）键值对，以一种合理方式向另一个或一批list （k2，v2）对输出转换，而对于Reduce来讲，其把一个或多个Map输出的list （k2，v2），向新的键值对list （k3，v3）转换，且将其当作任务计算的输出。针对Hadoop MapReduce而言，与其所提供的并行计算框架，通常情况下，是以JAVA为基础的;而且其还能根据实际需要，提供更加实现今后发展需要的pipe机制，因而能够为其它编程语言，提供更加实用、更为全面的服务。本文结合当前社会发展需要，探讨了以FNU C++为基础，对流程节点进行处理的Map函数与Reduce函数。

从根本上来讲，如果根据实际需要，把流程任务以一种高效方式，输入至Map函数，或者是输出输出，那么针对此时的键值而言，与之相对应的任务编号为;针对Map函数来讲，其C++能够高效化完成执行流程任务，并且还能根据实际情况，满足其在I/O与数据读写操作方面的需要。对于流程优化模拟操作来讲，从基础层面来分期，其实际是以4个业务流程类型作为其运行基础的，在各个业务流程当中，均或多或少的加入有任务节点，任务类型4个（网络、存储、计算与检查），各任务类型均对应一个有限计算节点DataNode。

2.2 流程事务与流程优化的比较

针对此平台而言，其在实际运作中，通常将业务流程当作整个系统运转的主要处理单元，其能够根据实际需要，对2种计算架构展开模拟操作，运用相同的数据与模拟流程，此外，还对一个DateNote服务器宕机时的性能与任务容积机制进行了检测。针对流程最短处理时间而言，实际就是流程任务在实际执行中，依据事先制定好的关键逻辑路径，将某个任务高效化完成，然后才能根据实际情况，激活后续节点任务。从基础层面来分析，在4个DaraNode中实现流程的平均分配，各DataNode处理的流程数据，基本上是处于对等状态，另外，还有着相同的资源使用率。针对任务优化分解方法来讲，可以根据实际需要，将其划分为7个任务队列，针对DataNode资源来讲，其在具体的分配上，主要是依据优先资源原则来开展。

在实际运作中，根据实验平台经计算所获得的运行数据，在批处理流程相同的情况下，或者是在相同的硬件架构下，借助于业务流程，进行有针对性、系统化分解，且对并行计算进行深层优化，可以对更多的事物进行处理，而且还能显著提高资源的使用效率，即便将流程分解，在最终的运行结果方面，仍能证明此方法的主要优势，因而能够为后续研究奠定坚实基础。

3 结语

综上，现如今，对云计算技术进行深入研究，已成为IT产业的新趋势、新走向，采用云计算架构，不管是在具体的服务效率上，还是在在运行成本上，再或者是在资源利用上，均有着比较明显的内在优势。本文所提出的以银行批处理业务为研究对象的优化流程分解方法，可行且有效。

参考文献

[1]赵曦，李广明，基于IT资源虚拟化的银行批处理流程优化框架研究[J].软件导刊，2014 （04）：16-19.

[2]李臣星，孙成强，商业银行开发中心云计算平台基础架构设计[J].电子技术与软件工程，2018 （04）：190-190.

[3]邱慧丽.虚拟化技术在商业银行分行同城网中的应用研究[J].贵阳学院学报（自然科学版），2017，2（02）：13-16.