- 综合排序
- 最热优先
- 最新优先
- 来自专栏mysql
hhdb数据库介绍(8-2)
3.节点名称为存储节点所属的数据节点名称（dataNode）,可自定义命名但不能与已有数据节点重名。 4.复制模式指同一数据节点下的各存储节点以何种方式存在，目前支持“单库、主从、双主”三种模式。 5.当前数据节点支持6种模式的复制架构：主从、双主、双主带从、一主多从、级联从机、灾备关系主从或双主。 8.点击【开始搭建】，即可为存储节点搭建复制关系,若涉及数据不一致的情况，需要重导数据，在开始搭建时会有如下提示： 9.存储节点搭建完成会以数据节点为单位显示搭建记录，对于搭建失败的记录将鼠标放置在搭建失败状态上即可以显示具体失败原因 3.第一组记录为具有计算节点高可用搭建记录的集群，进行启动时若打开“自动生成基础配置”开关则一键启动程序会将计算节点集群、数据节点、存储节点以及默认生成的记录信息写入管理平台的配置库中，用户登录管理平台后便可直接查看无需重新添加配置
34310编辑于 2025-03-10 - 来自专栏云头条
中国电子重磅发布：金融级数字底座源启
2022年8月19日，“共筑数字新基石——金融数字化创新发展论坛暨中国电子金融级数字底座源启产品发布会”在上海徐汇西岸智塔举办。 中国电子在会上重磅发布了金融级数字底座产品“源启”。 金融级数字底座“源启”有能力一站式解决金融行业底层基础软硬件自主安全、IT架构升级和数字化转型等难题。 围绕数字底座的行业应用、未来发展，与会嘉宾进行了深入探讨。 蒋昌俊院士提到，数字时代金融风险更加值得关注，安全的数字底座将为金融风险防范提供有力支撑。 “源启”由基础运行支撑平台、数字构建平台、数据资产平台、数字安全体系和架构工程平台五大平台构成，面向行业场景提供安全、稳定、持续可靠的基础运行环境，基于业务设计开发运维一体化的工具链高效构建数字应用，实现数据驱动
76610编辑于 2022-08-26 - 来自专栏腾讯安全
夯实数据安全底座，捍卫金融科技美好｜产业安全观智库访谈
大智移云蓬勃发展，产业安全已经成为数字经济平稳、健康发展的“生命线”，为携手整个行业面对更加纷繁复杂的挑战，腾讯安全联合金科创新社共同策划以“夯实数据安全底座，捍卫金融科技美好”为主题的圆桌论坛，邀请了腾讯云安全总经理李滨 、中信银行大数据中心数据总工程师李少伟、赛迪数据安全研究室副主任王伟洁三位专家，围绕金融业数据安全呈现的特点和趋势、以及如何更好的落实国家出台的合规要求、护航金融业务健康发展进行讨论。 以下是嘉宾的精彩观点： 中信银行大数据中心数据总工程师 李少伟： 金融行业数据安全的特点可以概况为两个方面：一方面，它有大量的高敏感高价值的数据，容易成为黑产攻击的重要目标。 需要金融企业以数据为中心，从数据的创建、采集，到传输、使用、归档、销毁等全生命周期提升安全防控能力。 ，需要不同的安全策略和工具；其次要选择一个合适的数据安全治理框架，数据治理内涵广泛，需要相应的数据治理框架协调各方关系；最后采用相应的安全技术，如数据分类分级和流动性管理技术、数据交换和共享技术、数据审计监控相关技术等
72730编辑于 2022-04-11 - 来自专栏腾讯云区块链
腾讯云参编数据协作金融应用报告发布，区块链助力构建数据要素协作信任底座
2月20日，北京金融科技产业联盟正式发布《基于区块链技术的数据协作网络金融应用研究》，腾讯云深入参与报告的编写工作。 但是，当前金融业开展数据协作仍面临数据产权不清晰、要素定价复杂、要素价值易稀释、数据孤岛、用户自主权不可控等痛点。 《基于区块链技术的数据协作网络金融应用研究》 区块链助力构建数据要素协作信任底座 腾讯云深入参与报告的编写工作，并输入数链通产品供应链金融数据协作的应用案例。 零部件供应商的生产、供应数据，经销商的销售数据及集团的生产、销售、经营数据加密以后输入到隐私数据协作平台里，金融机构侧银行、财务公司把企业金融数据、财务数据等加密传入隐私计算协作平台，风控评估算法模型发布到隐私计算环境中 关注“腾讯云区块链”微信公众号，回复“金融应用”，可获取《基于区块链技术的数据协作网络金融应用研究》完整版报告。
95110编辑于 2023-02-21 - 来自专栏智瑾财经
筑牢数字金融“底座”能力，决策智能精准优化商业决策模式
作为中国第三大独立云技术供应商，萨摩耶云科技集团专注于B2B2C商业模式，利用机器学习、深度学习、联邦学习等技术，识别数据中的隐藏规律，支撑诸如精准营销、风险控制等企业核心业务环节，为中国金融机构和各行各业的企业提供端到端云原生科技解决方案 让传统机构经营决策从经验和流程驱动转向数据驱动、自动化决策，从而达到降本增效。 以决策智能为驱动，萨摩耶云科技集团始终将保护数据隐私安全作为生命线，建立健全严格的数据保护机制和管理体系。 在对海量数据进行智能化分析处理时，萨摩耶云科技集团以SaaS服务的方式通过与金融机构系统直连实现信息的实时传输，并利用脱敏、联合建模、联邦学习等方式确保敏感数据交互时的合规性和安全性。 最大化保护数据安全与数据隐私的同时，实现数据价值流转。
57430编辑于 2022-08-26 - 来自专栏腾讯专有云
构筑金融发展新底座 着墨数字金融大文章——专访腾讯云副总裁沙开波
近年来，随着云计算、大数据、AI等新技术广泛应用于金融业，数字金融的未来已来。 银企携手聚力创新 云上金融共创未来 金融业作为信息化和数字化的先行者和实践者，近几年，在政策和业务的双重驱动下，为了写好“数字金融”大文章，金融业更是全方位投入以云计算基础设施为底座的新IT基础设施系统 沙开波看来“在强合规场景下，金融机构既需要专属的计算、存储、网络资源以满足安全合规、性能可靠、数据安全可控、运维运营简化的需求，又需要弹性、灵活、按需的能力以满足资源管理和高效利用、服务快速部署的需求。 专有云+云原生，助力金融行业新基建 腾讯专有云TCE构建了“一云多芯”自研技术底座。 同时，“建行云”连接“金融技术底座+金融业务操作系统+行业精品应用”展开金融云的探索实践，以服务云化为目标，产品化为补充，组装式应用为手段，拉通线上线下，不断融合政策行业监管要求、行业通用能力、典型场景应用
1.1K10编辑于 2023-12-29 构建普惠金融数智底座：AI大模型与数据湖驱动业务量化提效
二、 部署“云+智能”全景架构与多模态处理引擎 为打破上述瓶颈，腾讯云通过“AI、大数据、云基础设施”三大核心技术协同，为金融机构提供了一套从底层算力到上层Agent（智能体）的完整技术栈： 构建“湖仓一体 三、 驱动核心业务指标量化提升 通过底层架构重塑与AI引擎的深度嵌入，金融机构在风控、运营与研发维度的系统效能获得量化提升（数据来源：腾讯金融云实测及客户数据）： 数据加工与查询极速化： 某机构引入智能数据湖后 某金融科技公司（全业务场景融合）： 利用预训练金融数据并精调公司业务数据，打造金融风控大模型与智能Agent（如百事通风险智能顾问）。 、龙芯及信创ARM/x86/MIPS）的云基础设施底座。 数据资产向业务价值转化： 强化数据合规与隐私保护，通过Data+AI深度融合，沉淀通用AI中台能力。标志着金融科技的发展已从“立梁架柱”的基础建设阶段，正式迈入“厚积成势”的智能化核心竞争力重塑阶段。
16720编辑于 2026-04-21- 来自专栏腾讯专有云
亮相2025香港金融科技周，腾讯专有云 TCE 助力金融机构筑牢数智化底座
腾讯专有云 TCE 作为腾讯云服务金融领域的核心力量，与团队亮相此次盛会，集中展示全场景金融数字化解决方案及助力全球金融机构数智化升级的核心成果。 近年来，香港金融科技生态蓬勃发展，金融机构加速数字化升级。 在此次金融科技周开幕式上，香港金融管理局（以下简称香港金管局）总裁余伟文提出 “金融科技2030” 愿景，明确表示香港金管局将推出全新“人工智能”战略，进一步推动香港以及其他地区金融业全面并负责任地应用人工智能 依托服务国内全场景金融客户积累的产品能力和实践经验，腾讯云面向全球客户推出基于 “云 + AI” 的金融数智化解决方案，可助力金融机构提升安全性、提高营运效率，并构建智慧化的数字生态系统。 目前，已与多家国有大行建立合作关系，凭借稳定可靠的技术支撑与贴合金融业务需求的解决方案，累计服务超百家大型商业银行及金融机构，深度参与国内金融行业数字化转型实践，为金融机构的业务创新与高效运营提供坚实保障
43810编辑于 2025-11-07 重构金融数据底座：中信建投基于TBDS的国产化大数据平台全栈演进与效能提升
分享专家：高森 | 中信建投证券大数据运维专家 数据来源：腾讯云金融数智峰会 2025 演讲资料 第一章：突破集群扩张与运维瓶颈 随着金融业务数字化转型步入深水区，中信建投证券在底层数据架构上面临多重战略困境与业务瓶颈 第三章：释放PB级数据资产业务动能 基于统一的大数据平台底座，中信建投证券在平台吞吐量、业务承载力及开发能效上实现了高度量化的提升： 集群规模与计算吞吐量跃升： 截至2025年，物理节点规模扩展至124 第四章：赋能核心金融业务场景 数据底座的重构直接转化为前端业务的敏捷响应能力与精细化运营水平，核心落地场景包括： 零售业务实时数仓查询： 在开盘交易高峰期，支持业务人员实时、快速查询特定时间段内的客户交易与资金流水明细 金融资讯整合推送加速： 优化底层数据处理逻辑，大幅缩短涵盖新闻、研报、股债基金及宏观行业数据的全维资讯处理过程，保障各业务条线资讯获取的准确与高效。 重塑CRM系统数据底座： 深度嵌入中信建投CRM系统，满足多销售条线对数据穿透及时性与精细化管理的核心诉求。
9310编辑于 2026-04-30- 来自专栏凯哥讲故事系列
DataOps：数据中台的必备底座
前言 数据中台的崛起代表了企业数字化转型从流程驱动走向数据驱动，从数字化走向智能化。而DataOps则是数据中台区别于传统企业数据架构的核心差异，是建设数据中台的必备底座能力。 ，细分成多种数据处理领域，比如： 数据分析 数据可视化 机器学习 云数据处理 流式数据处理 离线数据处理 统计和数据挖掘 每一个领域又有多元化的数据处理工具，框架，如下图所示： ? 从数据源直接实时获取数据，然后进入数据湖，通过流式数据处理，实时数据仓库，规模化的自动数据处理过程等工具构建分析数据管理闭环，最终输出多元化的数据服务。 上图是典型的数据价值链过程，而DataOps就是支撑着整个全生命周期的底座，成功的DataOps体系有四个特质：CAUTA。 全面/Universal 作为企业全域数据的底座，DataOps要全面的支持所有的场景和数据，如下图所示例，列示出了常用的30种数据源和40种目标数据。 ? 可以分解的更加细致： ?
8.8K37发布于 2020-07-09 - 来自专栏IT创事记
创新数据底座：智能制造的“圣杯”
进行仿真计算需要处理大量的实时数据，对系统的计算和数据吞吐能力都有极高的要求。既有的数据基础设施很难满足以汽车研发为代表的新增需求，创新的数据底座成为智能制造时代被寄予厚望的“圣杯”。 仿真平台只是创新数据底座的冰山一角。 这次高峰论坛以“数智新引擎、制造新升级”为主题，来自全国的200多位制造行业精英、合作伙伴及技术领袖，共同交流数字经济时代高端制造领域的数据基础设施需求与实践，勾勒出创新数据底座的整体轮廓与发展趋势。 华为构建的创新数据基础设施，将成为国内制造企业数字化转型坚实的数据底座，其示范效应影响深远。 存储产品的高歌猛进，为华为创新数据基础设施提供了充足的底气；与更多懂行业、懂业务、懂技术的合作伙伴携手同行，则是华为构建制造业等行业数据底座的生态保障。
52620编辑于 2022-08-30 HarmonyOS Next数据底座向量数据库介绍
背景今年HDC在展厅遇见了HarmonyOS 数据底座的架构师，介绍了基于数据底座实现端侧能力的智能小助手，听着很吸引人，HarmonyOS将端侧AI做到了系统层，给开发者创造了无限可能。 向量数据库概述向量数据库是一种支持存储、管理和检索向量数据的数据库系统，同时兼容传统的关系型数据处理能力。 从API version 18开始，向量数据库正式支持通过标准化接口实现数据持久化，为开发者提供了可靠的数据存储解决方案。 结果集采用惰性加载策略，只有在实际访问数据时才会从存储层加载，有效降低了内存消耗。向量数据表示floatvector是向量数据库的核心数据类型，用于表示高维向量数据。 数据类型与约束支持的数据类型向量数据库支持丰富的字段类型，满足多样化的数据存储需求：类型描述是否支持NULL空值是INTEGER整形是DOUBLE浮点类型是TEXT字符串类型是BLOB二进制类型是FLOATVECTOR
32710编辑于 2025-07-06重构金融核心底座：四川银行操作系统融合创新实践
数据来源：腾讯全球数字生态大会|四川银行TencentOS应用分享主讲人：李军华突破架构瓶颈与合规挑战四川银行作为四川省首家省级法人城市商业银行，自2020年成立以来实现了资产规模的跨越式增长，从2021 2.监管合规压力：依据《金融科技发展规划（2022—2025年）》及“五篇大文章”要求，金融机构必须加快云计算技术规范应用，向分布式架构转型，并实现关键软硬件技术的自主可控。 重点考量对主流CPU（ARM/C86）的兼容性、对保留升级类RHEL系统的平滑替换能力，以及针对信创（XC）芯片和数据库的性能优化。 ●核心底座确立：最终选择TencentOS作为云平台操作系统，支撑物理机、虚拟机及容器的全场景运行，并兼容OceanBase、TDSQL等国产数据库。 ——中国工程院、工商银行、建设银行、招商银行等外部专家评审团甄选腾讯云TencentOS的核心逻辑四川银行选择TencentOS作为关键底座，主要基于其在金融场景下的技术沉淀与权威认证：1.超大规模验证
22210编辑于 2026-01-07重塑金融核心数据库底座：全栈国产化替代与亿级并发架构演进实践
跨越集中式架构瓶颈，满足金融级高可用与线性扩展需求 在金融核心系统现代化演进的过程中，行业目标已从单一组件的替换，升级为涵盖软硬件、云平台、数据库、工具链的“体系化”重塑。 其边际成本不断攀升，且在海量数据处理和业务敏捷创新上存在天然的垂直扩展瓶颈。 与此同时，金融机构必须满足监管与客户体验双重要求下的 7×24 小时连续服务。 部署微服务与分布式数据库体系，构建多中心容灾与平滑迁移链路 为应对上述系统瓶颈，金融机构通过引入腾讯云企业级分布式数据库 TDSQL，结合云原生架构与微服务体系，重构核心交易与数据基座。 实现在线交易高并发承载与IT基础设施降本增效 各细分金融领域在引入分布式数据库与云架构后，其系统稳定性、开发效率与运维成本均获得了可量化的显著改善： 银行领域：突破单机房容量上限，实现海量账户吞吐与极致降本 金融机构通过以上实践，证明了采用成熟的分布式数据库产品是平衡“安全合规”与“业务增长”的最佳路径。
41110编辑于 2026-03-10大数据平台数据底座能力构建技术指南
摘要 本文旨在解析大数据平台的数据底座能力，探讨其核心价值、典型场景、关键挑战，并提供详细的操作指南。同时，对比分析通用方案与腾讯云方案的差异，并提供场景化案例以展示腾讯云产品的优势。 技术解析 核心价值与典型场景 大数据平台的数据底座能力，指的是构建企业级数据仓库和数据资产管理的能力。这一能力的核心价值在于： 性能提升：与传统数仓/大数据解决方案相比，性能提升10~100倍。 构建企业级数据仓库 原理说明：企业级数据仓库构建需要从异构数据源导入数据，通过大数据组件进行数据开发、任务编排和运维，最终通过数据导出或API服务应用数据。 结论 大数据平台的数据底座能力是企业数字化转型的关键。腾讯云提供的WeData、COS和BI工具等产品，能够帮助企业在性能、成本和数据治理方面取得显著优势。 通过上述操作指南和增强方案的对比，企业可以根据自身需求选择合适的技术方案，实现数据底座能力的构建和优化。
57510编辑于 2025-07-28- 来自专栏数据科学与人工智能
【金融数据】消费金融：大数据风控那点事？
相对于传统金融来讲，互联金融面对的客户风险较高，其风控面临的挑战更大，对数据风控对要求就会更高。 三、互联网金融行业的风控挑战 中国的互联网金融企业愿意从美国挖一些风控人才来提高自身风控水平。 互联网金融公司只能依靠自己的业务不断积累，利用自己平台积累的数据和种子来解决这个问题，一旦管理不好，会对新兴的互联网金融公司造成较大影响。 大数据风控的一个最大的优势就是丰富了信用风险评估的数据纬度，这些用户行为信息，很大程度是大数据采集和分析的结果，用户一般是不会提供给金融行业的。 大数据风控的劣势： 还是要强调一下，信用风险评估最好的数据还是金融数据，就是人行征信系统里的数据，大数据风控只是一个补充，不能够完全替代传统的信贷风险管理。 借助于移动大数据和用户行为信息，金融企业可以识别恶意欺诈用户。
5.1K51发布于 2018-02-28 构建高性能AI数智底座，破解金融行业算力效率与安全难题
金融行业AI应用面临效率与安全双重挑战 当前金融业AI化进程中存在显著资源效率与数据安全瓶颈： 算力资源利用率低下：训练阶段因任务调度不合理，GPU实际有效利用率常低于50%；推理阶段因请求波动大， 30%以上 非结构化数据处理难题：企业80%数据为非结构化数据，跨模态对齐技术不成熟，向量化检索一致性面临挑战 安全风险突出：涵盖数据泄露、恶意攻击、内容失控及基础设施破坏等多维度威胁（来源：腾讯金融云邓锡文公开演讲材料 ） 腾讯云全栈式AI数智底座技术架构 腾讯云基于自身超700个应用日均2亿次调用的混元大模型实践，构建算存网数一体解决方案： 算力层：高性能计算集群HCC支持超300小时连续训练，通过qGPU容器共享实现 底座后实现多项关键指标突破： 训练效率：自研TACO Kit+加速库使AI大模型训练性能提升40%，推理性能提升5倍 资源利用：云原生调度编排TKE & qGPU使GPU卡使用率提升60%+ ） 头部金融机构应用案例实证 美团、快手、小红书：采用腾讯云智算套件处理大规模训练和推理场景 中国人寿、中信建投证券、招商银行：部署全链路安全防护体系应对金融敏感数据风险 值得买科技、作业帮：通过向量数据库构建千亿级知识库
20820编辑于 2026-04-30- 来自专栏数据科学与人工智能
金融科技：金融科技与数据科学概述
我以一个金融科技数据科学工作者的角度观看，是指利用各种科技服务金融业务和数据以创造商业价值的系统化过程。 2 金融业务，我了解到信贷业务、理财业务、保险业务、支付业务等。 3 金融数据，我接触到征信数据、客户基本信息数据、客户设备数据、客户消费数据、客户行为数据、客户信贷流转数据等。 03 金融科技的数据科学工作介绍 我是在金融科技从事数据科学工作，主要内容包括： 1 业务和数据的理解 2 数据清洗和准备工作 3 数据的探索性分析和报告 4 风控模型设计和应用 5 营销模型设计和应用 6 模型的部署、管理、优化和迭代 7 高效建模环境的搭建和维护 8 全流程数据科学工作的模块化编程 9 数据、规则、模型、策略设计、分析和调优 等等 04 金融科技数据科学人才的三点思考 如何成为一名金融科技数据科学人才 首先，金融科技数据科学人才属于一种复合型人才。这样的人才既需要熟悉金融业务问题，又需要掌握数据科学的知识和技能。 其次，优秀的沟通和表达能力、团队协作能力、项目管理能力，这些软实力，也非常重要。
2.5K10编辑于 2022-01-20 - 来自专栏数据科学与人工智能
金融科技：数据篇
金融科技领域的数据，从数据结构角度观察，分为结构化数据、半结构化数据和非结构化数据；从数据所有权角度观察，分为自有数据和第三方数据；从数据作用角度观察，分为营销类数据、风控类数据、财务类数据等。 不同角度观察，可以梳理不同数据划分类型。 我结合自己的项目经验，从风控类和营销类两个方面来介绍所用到的数据集。 01风控类数据 凡是对于风控有作用的数据，都可以纳入风控类数据。 3）用户的终端数据 终端是入口，通过授权获取相关信息，比方说APP列表信息、短信信息、通讯录信息、设备信息、GPS信息等 4）用户授权运营商数据 运营商数据包括用户信息数据、通话数据、短信数据、流量数据 5）用户授权社保数据 用户社保数据包括用户信息数据、用户缴纳社保明细数据等。 6）用户授权电商数据 用户电商数据包括用户信息数据、用户地址数据、用户电商消费详单数据等。 8）贷中贷款和还款数据 用户贷款信息，用户额度数据，用户还款计划表，用户还款明细等。 9）贷后的催收数据 用户逾期数据，用户催收策略数据，用户失联数据等。
1.3K20编辑于 2022-03-29 - 来自专栏腾讯大讲堂的专栏
金融风控数据管理——海量金融数据离线监控方法
作者：housecheng 腾讯WXG工程师 |导语 解决金融风控数据监控“开发门槛高”“重复工作多”的痛点，实现PSI计算性能十倍速提升。 背景 在金融业务上，质量和稳定是生命线，我们需要对所有已经上线的风控要素，如策略、模型、标签、特征等构建监控。 这种模式主要的问题在于： 开发门槛高，要素负责同学需要掌握spark离线计算、mysql等数据库的增删数据，还需要手动配置例行化任务，在告警系统上登记注册等，耗时费力； 重复工作多，要素指标相似、重合度很高 非衍生指标即指标计算仅仅依赖于数据源表，而不依赖与历史的监控指标，例如PSI值、迁移率等，这些指标描述了监控要素分布的变化，其计算只依赖于源表的当前周期和对比周期数据，不需要对监控指标进行衍生，如PSI 小结 针对金融风控要素监控的“开发门槛高”“重复工作多”等问题，本文提出了“统一监控计算与检查工具”这一解决方案，本文详细论述了该方案TaskMaker、 Calculator、 Checker等各个模块的设计实现
3.6K10发布于 2021-04-12
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号