华锐技术何志东:证券核心交易系统分布式改造将迎来规模化落地阶段
近年来,数字化转型成为证券业发展的下一战略高地,根据 2021 年证券业协会专项调查结果显示,71% 的券商将数字化转型列为公司战略任务。
在落地数字化转型战略过程中,证券业核心交易系统面临着不少挑战。构建新一代分布式核心交易系统成为券商落地数字化转型的有效路径,证券业核心交易系统分布式改造已是大势所趋。
证券业核心交易系统有什么需求?有哪些挑战?如何进行分布式架构升级?在 PingCAP 用户峰会 2023 上,华锐分布式技术实验室主任何志东接受采访时给出了他的观察和思考。

证券业核心交易系统面临挑战
在数字化转型的大背景下,金融业的系统架构都面临着新的需求和挑战。 由于业务的差异,银行、证券、保险三大金融行业对系统架构的需求既存在共性,也有不同。
何志东介绍,银行、证券、保险都属于金融业,金融业稳定第一,对系统的高可用能力要求极高,尤其是银行、证券对系统有更高的可用性要求。
相比于银行,证券业因自身的业务特性,对系统架构有独特的需求。首先是低延时,证券市场交易永远追求超低延时,证券核心交易系统需要微秒级(1 毫秒 = 1000 微秒)时延,银行系统达到毫秒级(1 秒 = 1000 毫秒)。其次是高并发,证券核心交易系统会有很多瞬间的脉冲,单一系统瞬间超万笔每秒,交易所侧的系统设计并发容量都是几十万笔每秒,这样的高并发量是双十一等购物节的峰值,但那并非常态,而高并发量是证券业的常态。在系统规模上,证券业的系统规模没有银行那么大。
“需要在小规模系统的情况下处理更高的并发,而且要求更低的时延,这就是证券业跟银行业核心交易系统的一个很重要的差别。”何志东说。
证券核心交易系统是证券公司交易执行平台,提供交易前端风控检查、订单生成、报盘、交易管理、运营等功能,为投资者提供交易服务。从 2005 年算起,上一代集中式架构的证券核心交易系统已经运行了近 18 年,证券行业正处在持续发展阶段,上一代系统面临着高可用、低延时、高吞吐、易扩展、安全方面的挑战,已经无法满足新的业务诉求。
“整个证券行业正在进入到新一代核心交易系统更新迭代的关键时间节点。”何志东说,证券业核心交易系统不断追逐新的技术,追求高可用和性能,支持全栈国产化以实现安全性,核心交易系统的分布式改造迫在眉睫。
今年 6 月,中国证券业协会印发《证券公司网络和信息安全三年提升计划(2023-2025)》,鼓励券商向分布式架构转型。计划明确鼓励有条件的券商积极推进新一代核心系统的建设,根据不同客户群开展核心系统技术架构的转型升级工作。积极从集中式专有技术架构向分布式、低时延、开放技术架构转型。
分布式改造加速破局
何志 东介绍, 上一代证券交易系统围绕数据库构建,太过于依赖数据库的能力。 而随着业务对极速低时延的需求加深,围绕着数据库构建系统的方式无法满足其低时延需求,假设每一步业务处理都要跟数据库进行交互,再往下走,数据库能达到毫秒级,系统不可能达到微秒级。
由于证券行业追求极致的低延时,需要从底层硬件、基础软件再到上层应用全方位整体探索,软硬件一起结合才能实现技术攻关。所以华锐技术 2017 年成立了分布式技术实验室,把业内先进的硬件技术应用进来,华锐技术新一代证券分布式核心交易系统的技术路线是去数据库集中化,采用低时延消息总线通信、业务逻辑内存化处理,进行分布式改造,以实现超低时延,这是目前行业内已经验证可行的方案。
全栈国产化的趋势下,华锐技术联合各生态伙伴打造全栈国产化解决方案,助力证券业进行分布式改造。比如华锐核心交易平台(ATP)与 TiDB 组成的新一代分布式核心系统联合解决方案,以解决证券核心交易系统的挑战。

ATP 基于分布式低时延消息总线构建,实现微秒级高并发交易,并实现应用层分布式弹性扩缩容,提供高吞吐、低时延等关键业务能力;ATP 实时将数据写入 TiDB,提升数据持久化和高可用能力,并提供对外部机构查询接口;基于 TiDB 原生分布式和跨机房多活能力,实现数据库的跨机房多活能力。
该联合解决方案是全栈国产化方案,采用国产服务器、国产操作系统和交换机。满足高可用特性,联合方案采用两地三中心(一主两备)高可用部署,主备数据中心采用主备高可用部署,组件间实时同步保持强一致性,任意单点故障实现自动切换,RPO=0,RTO<10 秒。应用和数据库都支持水平扩展。
何志东指出,分布式的联合解决方案所采用的交换机、PC 服务器等设备,单一设备可靠性、性能比不上小型机,但通过上层应用、数据库、基础设施的高可用方案设计,构建出时延更低、性能更强、可用性可靠性更高,且可横向扩展的整体解决方案。
何志东认为,随着去年头部券商国泰君安新一代核心交易系统上线投产,并完成全量 1500 万客户的迁移,业内对全栈国产化核心交易系统先进替代的信心进一步增强,未来也会有更多的券商跟进。相比于银行业,证券核心交易系统的规模较小,且标准化程度更高,更依赖供应商提供的标准解决方案,分布式改造进展会更快,证券业核心交易系统分布式改造将迎来规模化落地阶段。华锐技术也将继续联合 PingCAP 这样的分布式数据库厂商,推动证券业核心交易系统的分布式升级改造,他认为 PingCAP 此时推出中国战略,能够更好地满足国内证券市场的需求,未来可期。
相关文章:
华锐技术何志东:证券核心交易系统分布式改造将迎来规模化落地阶段
近年来,数字化转型成为证券业发展的下一战略高地,根据 2021 年证券业协会专项调查结果显示,71% 的券商将数字化转型列为公司战略任务。 在落地数字化转型战略过程中,证券业核心交易系统面临着不少挑战。构建新一代分布式核心交易…...
数据结构 -- ArrayList与LinkedList的区别
一、二者的相同点 1,它们都是继承自List接口。 二、二者的区别 1,数据结构:ArrayList是(Array动态数组)的数据结构;而LinkedList是(Link双向链表)的数据结构。ArrayList 自由性较…...
豪车托运为什么选小板
小板运输是一种适用于豪车客户的高效运输方式。它提供了快速、安全、便捷的服务,并且相对经济实惠。以下是关于小板运输的时效和价格的介绍: 时效:小板运输通常能够在短时间内完成车辆的运输。具体时效取决于起点和目的地之间的距离ÿ…...
【base64加密】js/ts的基础加密
base64的字符串简单加密,主用于网页缓存数据的加密。 适用于常规html、小游戏(egret、cocos、laya)等 原文参考:JS基于base64编码加密解密文本和图片(修订)_js base64加密-CSDN博客 测试:JS实…...
基于python的app程式开发
安装的库文件: 运行代码: # -*- coding:utf-8 -*- from kivy.app import App class HelloApp(App):pass if __name__ __main__:HelloApp().run() 结果画面:...
Spring Event学习
Spring Event学习 观察者模式是一种行为设计模式,它定义了对象之间的依赖关系,当一个对象的状态发生改变时,所有依赖于它的对象都会得到通知并被自动更新。在这个模式中,改变状态的对象被称为主题,依赖的对象被称为观…...
UE4 HLSL学习笔记
在Custom配置对应ush文件路径 在HLSL中写入对应代码 Custom里面增加两个Input,名字必须和ush文件内的未知变量名字一样 然后就对应输出对应效果的颜色 这就是简单的加法运算 减法同理: 乘法除法同理 HLSL取最小值 HLSL取最大值 绝对值: 取余…...
报文的路由过程
路由转发过程 记住路由转发过程结论:报文ip是不变,mac改变。 mac地址在同一个广播域传输过程中是不变的;在跨越广播域的时候会发生改变的;而IP地址在传输过程中是不会改变的(除NAT的时候)。 ip地址本质上是…...
【CPP】类和对象
1- Classes and Objects Structures A struct in C is a type consisting of a sequence of data membersSome functions/Statements are needed to operate the data members of an object of a struct type 不不小心操作错误,不小心越界 Classes You should b…...
【多线程面试题二十】、 如何实现互斥锁(mutex)?
文章底部有个人公众号:热爱技术的小郑。主要分享开发知识、学习资料、毕业设计指导等。有兴趣的可以关注一下。为何分享? 踩过的坑没必要让别人在再踩,自己复盘也能加深记忆。利己利人、所谓双赢。 面试官:如何实现互斥锁…...
hypercube背景设置为白色,绘制高光谱3D立方体
import scipy pip install wxpython PyOpenGL和Spectral需要本地安装 可参考链接https://blog.csdn.net/qq_43204333/article/details/119837870 参考:https://blog.csdn.net/Tiandailan/article/details/132719745?spm1001.2014.3001.5506Mouse Functions:left-cl…...
Visual Studio(VS)C++项目 管理第三方依赖库和目录设置
发现很多程序员存在这种做法:把项目依赖的第三方库的lib和dll放在项目目录下,或者复制到输出目录,因为每种配置都有不同的输出目录,所以要复制多份(至少包括Debug和Release两个输出目录),这些做…...
leetCode 2578. 最小和分割 + 排序 + 贪心 + 奇偶分组(构造最优解)
2578. 最小和分割 - 力扣(LeetCode) 给你一个正整数 num ,请你将它分割成两个非负整数 num1 和 num2 ,满足: num1 和 num2 直接连起来,得到 num 各数位的一个排列。 换句话说,num1 和 num2 中所…...
自定义实现图片裁剪
要实现这个功能,首先需要创建一个自定义的View,然后在该View中绘制背景框和裁剪后的图片。以下是一个简单的实现: 1. 创建一个名为CustomImageView的自定义View类,继承自View: import android.content.Context; impor…...
开发语言工具编程系统化教程入门和初级专辑课程上线
开发语言工具编程系统化教程入门和初级专辑课程上线 学习编程捷径:(不论是正在学习编程的大学生,还是IT人士或者是编程爱好者,在学习编程的过程中用正确的学习方法 可以达到事半功倍的效果。对于初学者,可以通过下面…...
【Truffle】二、自定义合约测试
一、准备测试 上期我们自己安装部署了truffle,并且体验了测试用例的整个测试流程,实际开发中,我们可以对自己的合约进行测试。 我们首先先明白自定义合约测试需要几个文件 合约文件:既然要测试合约,肯定要有合约的源码…...
场景交易额超40亿,海尔智家三翼鸟开始收获
文 | 螳螂观察 作者 | 余一 随着双十一的到来,国内的消费情绪再次被点燃。在这类大促之下,品牌们就像一个个天体,不断引动着市场潮汐,期待自己能触发更大的“海潮效应”。 所谓“海潮效应”是指,海水因天体的引力而…...
众和策略可靠吗?股票扛杆怎么玩?
可靠 股票扛杆是一种出资战略,经过假贷资金来增加出资金额,从而进步出资收益。这种战略在股票商场中被广泛运用,但一起也伴随着一定的危险。在本文中,咱们将从多个视点来剖析股票扛杆怎么玩。 首要,扛杆出资的原理是…...
解决连接Mysql出现ERROR 2013 (HY000): Lost connection to MySQL server at ‘waiting
在上一篇中解决Mysql ER_ACCESS_DENIED_ERROR: Access denied for user ‘root‘‘localhost‘ (using password: YES)-CSDN博客 写了mysql的密码报错问题,在执行 mysql -u root -p 出现了这个错误, ERROR 2013 (HY000): Lost connection to MySQL se…...
Hadoop YARN功能介绍--资源管理、调度任务
Hadoop YRAN介绍 YARN是一个通用资源管理系统平台和调度平台,可为上层应用提供统一的资源管理和 调度。 他的引入为集群在利用率、资源统一管理和数据共享等方面带来了好处。 1.资源管理系统 集群的硬件资源,和程序运行无关,比如内存、cu…...
UDP,TCP协议的格式与机制
目录 一:UDP 1.UDP协议端格式 2.UDP的特点 二:TCP 1.TCP协议段格式 2.确认应答机制 1.确认应答的原理 2.为什么有两个序号?——捎带应答 3.超时重传 4.快速重传 3.连接管理机制 1.三次握手 2.四次挥手 shutdown函数 COLSE_WAI…...
企业信息化架构(业务架构、应用架构、数据架构、技术架构)方案:四横五纵框架 、元模型+视图 、业务、应用、数据、技术四大架构
该方案提出了企业信息化架构的“四横五纵”框架,涵盖业务、应用、数据、技术四大架构及架构管控,通过元模型定义元素关系,以多层级视图实现从战略到实施的可视化与落地,支撑企业架构全生命周期管理。 四横五纵框架清晰划分了企业架…...
YOLOv8 TFLite模型在Android端性能优化实战:从30FPS到60FPS的调优记录
YOLOv8 TFLite模型在Android端性能优化实战:从30FPS到60FPS的调优记录 当你的目标检测应用在Android设备上勉强达到30FPS时,用户已经能感受到明显的卡顿——这种延迟在AR导航、工业质检等场景中会造成灾难性体验。本文将揭示如何通过系统化的性能调优策…...
求职路上的守护与成长
你有没有过这样的时刻——深夜对着海量的招聘信息发呆,投了无数简历却石沉大海,突然觉得前途一片迷茫,特别无助?记得有个学生,为了进心仪的央企准备了半年,却在二面屡屡受挫。那天老师陪他复盘到凌晨&#…...
检索增强生成RAG基础架构与手动模拟
检索增强生成RAG基础 什么是RAG? 检索增强生成(RAG)是指对大型语言模型输出进行优化,使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型(LLM)用海量数据进行训练,使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输…...
std::accumulate算法深度解析:从求和到通用折叠,解锁STL隐藏的瑞士军刀
1. 重新认识std::accumulate:不只是求和工具 第一次接触std::accumulate时,大多数人都是从求和开始的。确实,这个算法默认行为就是对范围内的元素进行累加。但如果你只把它当作一个高级计算器,那就太小看这个STL中的"瑞士军刀…...
别再傻傻等下载了!QMT历史数据获取的3个高效技巧(含xtquant代码示例)
QMT历史数据获取效率优化实战:3个让回测提速200%的高级技巧 每次打开QMT准备回测策略时,最让人抓狂的莫过于漫长的历史数据等待时间。作为一名量化研究员,我曾在数据准备环节浪费了无数个下午——直到发现这几个能彻底改变工作流的技巧。本文…...
跨国设计大文件同步延迟高?企业网盘选型必须知道的 3 个标准(含 5 款网盘实测)
对于跨国运作的设计与研发团队而言,最折磨人的往往不是时差,而是等待一个 2GB 的大型工程文件(PSD、CAD 或项目源文件)缓慢同步的“沙漏时长”。国外团队昨晚做好的模型,国内团队早上还要等一个小时才能下载完毕&#…...
解放你的B站缓存视频:3步让m4s文件变身为通用MP4格式
解放你的B站缓存视频:3步让m4s文件变身为通用MP4格式 【免费下载链接】m4s-converter 一个跨平台小工具,将bilibili缓存的m4s格式音视频文件合并成mp4 项目地址: https://gitcode.com/gh_mirrors/m4/m4s-converter 你是否曾经在B站缓存了精彩的教…...
Claude Code + Windows 桌面消息通知配置指南
Claude Code Windows 桌面通知配置指南 让 Claude Code 在完成任务后自动弹出 Windows 桌面通知,不用一直盯着屏幕等。 前置条件 Windows 10 或 Windows 11Claude Code CLI 已安装并能正常使用 安装步骤 第一步:创建通知脚本 创建目录 %USERPROFILE%\.cl…...
