【学习笔记】信也科技 OceanBase 实践：从风控核心到 AI 数据底座的探索

从风控核心数据库到AI数据底座与AIOps智能体系，OceanBase 在这一演进中扮演越来越重要的角色。

作者：夏平，信也科技 DBA 负责人

信也科技[FINV]作为纽交所上市的金融科技集团，受最严格的监管，对数据合规、隐私保护与系统安全有着极致的追求。比如：

• 绝对的数据一致性。涉及全球资金交易，任何情况下的主备切换或故障恢复，都必须保证数据零丢失。
• 极致的高可用。在机房级故障时，业务能实现秒级接管。
• 应对突发流量的极致弹性。面对全球多市场的突发业务洪峰，底层数据库必须具备在线平滑扩容的能力。

依托于海量数据与前沿 AI 技术，信也科技打造了行业领先的智能风控体系，支撑高频、复杂的金融交易场景，业务版图已从国内成功延伸至东南亚、澳洲等全球市场。与此同时，也面临跨地域、多时区、高并发的复杂技术挑战。

历史架构痛点：传统MySQL分库分表的技术挑战

信也许多业务最初使用 MySQL分库分表方案支撑，在该方案中，以下四个痛点对 DBA 而言应该并不陌生。

第一，研发效能黑洞，跨库查询与分表治理问题。 我们内部有一套面向研发的自动化平台，但当分表数量较多时，排查问题需要做跨分片聚合查询，往往需要 DBA 协助，流程比较繁琐。而且，大部分业务代码被迫适配中间件逻辑，严重拖累敏捷迭代的交付节奏。

第二，扩容如履薄冰，极高运维风险。一方面随着业务持续增长，分库分表方案最终必然面临扩容需求。长期来看，分片维护等工作相当枯燥，且存在扩容窗口期的风险。另一方面，面对突发流量洪峰，分库分表后的数据 Rebalance 耗时极长。操作极其繁琐，而且极易引发线上业务剧烈抖动，扩容变高危。

第三，成本指数膨胀，单机容量触顶。原有的MySQL系统容量和压缩能力有限，随着海量历史冷数据堆积，SSD 存储账单呈指数级飙升，同时闪迪（SanDisk）、美光（Micron）等存储厂商的股价上涨也反映出内存和存储硬件的涨价趋势，给企业成本带来较大压力。

第四，敏捷迭代绊脚石，DDL 变更阻塞。成百上千个数据分片形成了“管理孤岛”，导致我们对分库分表做表结构变更（如加字段、改结构等）不仅相当麻烦，而且耗时数周，很难做全局统一管理。目前主流方案是 GH-OST 做在线 DDL，但其在切换时有一个短暂的锁表动作，即使放在业务低峰期，仍可能导致线上事故。我们曾采用的一种改进方案是：在高峰期暂停 DDL 操作，等窗口期再恢复。但暂停期间会产生大量 vlog，采用 MySQL 原生方案时可能导致程序卡死。后来我们调整为：DDL 仅在低峰期执行，过了窗口期后持续等待下一周期，以此规避风险。

分布式数据库选型历程：从TiDB到OceanBase

我们最初并没有主动考虑数据库选型的问题。随着数据不断膨胀，MySQL 分库分表的方案反复面临扩容和成本挑战。当时的解决思路之一是将冷数据迁移到成本更低的存储系统。

在选型早期，我们调研过 TiDB，因为一些原因最后放弃使用。后来了解到 TiDB 的 TiKV 方案，但实际使用效果并不理想。恰逢 OceanBase 开源，我们将其纳入调研范围，使用后发现效果不错，与我们内部的自动化平台融合度较高。

选择 OceanBase 主要基于三点：

• 存储成本降低。OceanBase 采用与 MySQL 相同的 LSM-Tree 算法，但在压缩层面做了深度优化，显著降低了存储成本。
• 弹性扩容便捷。 作为分布式数据库，当归档集群资源不足时，可以平滑地增加几台 OBServer 节点即可解决问题，操作简单。
• 金融级高可用方案。 作为互联网金融企业，对数据一致性要求极高，OceanBase 的金融级高可用架构满足这一需求。

如何推动研发团队使用OceanBase

选定产品后，推动研发团队使用是另一大挑战。研发人员没有业务诉求或上级压力时，通常不会主动更换正在稳定运行的 MySQL 方案。如何保证迁移后的性能表现，是打消顾虑的关键。

OceanBase 提供了不错的配套工具：

• 迁移评估工具OMA（OceanBase Migration Assessment）可以提供精准的语法兼容性评估。基于全链路压测思维，制定详尽的割接 SOP。在迁移前，我们可以利用 OMA 抓取源库真实业务流量并在目标库进行仿真回放，预知高并发下的性能风险与锁冲突。
• 迁移服务OMS（OceanBase Migration Service）配套完善，支持实时同步和反向同步。这样一来，建立稳固的全量 + 增量实时数据同步链路，在割接窗口期，配合数据实时一致性校验，确保新旧库数据绝对平齐。割接的最强底气在于开启从 OB 到源库的逆向同步链路，并保持老库数据实时鲜活，为随时可能的紧急回滚提供待命的底座。

我们主要采用两种方案：一是通过 OMS 同步后在低峰期做割接；二是通过研发控制双写，这是目前使用较多的方案。双写方案回滚方便，可分别控制读和写，通过灰度流量验证，一旦灰度期间监控发现异常，无需重启应用，直接通过配置中心一键拉回流量，实现秒级无损切回，真正做到进可攻，退可守。

实战破局：从核心业务场景落地到自动化运维

技术升级，实现降本增效、高可用、高可靠

1极致降本：LSM-Tree引擎对海量数据的存储重塑

使用OceanBase后，告别了传统 MySQL B+ 树的页分裂与空间碎片，采用 LSM-Tree 存储引擎将随机写转化为顺序追加写，实现极致的写入性能与双层数据压缩。89TB的数据被压缩至29TB，存储空间节约67%。

业务场景一：历史存量业务 (冷热分离)。存量数据的日常访问频次极低且无法下线，占用着大量昂贵的 SSD 存储资源。我们考虑将部分数据迁移到 OceanBase，利用其极致压缩能力将海量数据在线归档。在不影响偶尔查询的前提下，大幅削减硬件成本，实现“冷热数据”高效治理。

业务场景二：营销投放业务 (高频并发)。这是一个典型的写密集型业务，流水产生极快，且因合规与对账要求，保留周期极长，极易引发容量危机。在 MySQL 分表方案中，每台机器配置两块数据盘，使用压力经常达到 85%。

DBA 需要频繁做归档和表空间收缩，运维压力很大。OceanBase 采用 LSM-Tree 架构，增量数据写入后通过定期合并完成空间回收，无需手动收缩，整体运维压力大幅降低。值得一提的是OceanBase“内存追加写”特性完美消除高频写入的 I/O 瓶颈，底层高压缩比彻底瓦解长期保留的容量焦虑，让业务敢于记录详尽流水。

2.同城双活架构与极致高可用实践

业务场景三：同城双活演练。我们每年进行两次同城双活演练，两个机房之间将流量和数据库全部切换。

备租户 (Standby Tenant) 容灾体系。打破传统主备架构局限，基于底层 Redo Log 异步/强同步传输，实现跨机房的“租户级”物理容灾。无论遭遇多极端的机房级故障，坚守底层数据零丢失的绝对红线。

“切浦江”常态化双活演练。告别纸上谈兵，将主备角色平滑互换演练融入日常运维。结合业务流量管控与紧急回滚预案，验证全链路可靠性，确保极端场景下核心交易流量接管无感丝滑。

在演练过程中，MySQL 及其他关键数据库会出现抖动，对业务有一定影响。公司管理层也在关注如何将切换影响降到更低、更平滑。OceanBase 的架构天然适配这一需求，通过 OBProxy 和 Service 层访问，切换更加丝滑。但需要注意的是，早期版本（如V4.2.0.5）在 OBProxy 层面不够成熟。我们曾在大数据抽数场景中遇到问题：分布式架构下只能通过 OBProxy 访问，但抽数时某些 SQL 执行计划不佳，影响线上业务。后来了解到当时使用的版本存在一个 Bug，导致主集群卡死，只能重启。对于核心业务，这种影响非常大。因此，如果线上核心业务使用 OceanBase，强烈建议配置 OBProxy。

3.资源池化与多租户架构：打破物理孤岛，实现极致弹性

业务场景四：多租户资源隔离。很多 DBA 在银行类金融场景下按需开机器、部署交付即可，但需要思考成本与交付的平衡。当前的痛点是：研发强调业务重要，要求独立资源。我们目前采用物理机部署，对于业务压力并不高的“核心”业务，只能给三副本 5TB 存储，造成资源浪费。同时，多条业务线部署在同一组物理机上，某个业务线的慢查询接口可能影响其他业务。

OceanBase 的多租户能力可以解决这一问题。

• 告别物理机孤岛：打破传统架构按“峰值”预占硬件的痛点，实现资源池化管理。按需动态分配 CPU/内存，彻底消除物理机闲置造成的成本浪费。
• 租户级物理硬隔离：通过底层的 CPU 绑核与 IOPS 阈值控制，实现租户间的物理级硬隔离。确保营销等高 I/O 业务突发打满时，核心交易链路绝对不受“噪音效应”干扰。
• 分钟级动态扩缩容：以 Unit 为最小迁移单位，实现业务零感知的在线扩容与缩容。轻松应对跨地域、多时区的突发业务洪峰与节假日高并发。

使用OceanBase后，整体资源利用率提升40%，新业务节点部署周期缩短90%。此外，对于如何避免资源浪费问题，我们在早期采购机器时得到一个经验：CPU 核数买得太少，存储配置较大，导致 CPU 资源用完后仍剩余大量存储空间。建议采购时选择高 CPU 规格（如 96C），与内存配比大约 1:2。

自动化运维与生态打通

将新数据库纳入既有运维体系是一个常见问题。信也科技数据库种类较多，包括 MySQL、Redis、OceanBase、Elasticsearch 等多种关系型和非关系型数据库。我们有一套面向研发和 DBA 的管理平台，已将 OceanBase 的自动化流程纳入其中。

在 SQL 变更方面，我们采用双重验证机制：通过 OCP 平台和内部工具进行交叉验证，确认无误后直接执行；如有风险则走工单审批流程。但工单执行也存在问题——大表改表操作耗时非常长，业务方能否等待是一个问题，同时改表过程中本身存在锁开销等风险。我们的做法是安排在每天 21 点执行，如果到早上窗口期结束仍未完成，则进行抑制操作，暂停 DDL 避免影响业务。

在开发平台方面，我们参考了阿里云的建表体验，将开发规范内置到平台中，研发人员无需关心索引、表备注、字符集等规范细节，只需填写表名、备注和字段类型，提交后平台自动处理。

一个重要的经验教训是：早期未配置 OBProxy 时，在大数据抽数场景中，复杂查询任务直连主租户 (Primary Tenant)。凌晨抽数高峰期引发大面积全表扫描，导致主库 CPU 飙升、I/O 触及瓶颈，严重威胁核心交易链路安全。后来我们将所有离线抽数、报表分析流量无缝引流至备租户 (Standby Tenant)，彻底实现底层读写分离，物理隔离 OLAP 与 OLTP，主库性能稳如磐石。

一次线上故障与复盘

近期发生了一次线上故障，处理经验供大家参考。背景是研发同学反馈线上出现问题，排查发现某条 SQL 虽已有索引，但未按索引执行，于是进行了执行计划绑定操作。

执行计划绑定存在一个隐患：OCP 平台上展示的执行计划可能有多个（如 A、B、C 三个），操作时平台会将三个全部标记为绑定状态，但底层数据库实际上只绑定了其中一个。当时操作人员看到平台显示绑定了三个，认为是误操作，立即取消了绑定。此时执行计划已落入全表扫描路径，数据库压力瞬间飙升，业务出现“雪崩”。

我们的应急处理过程是：

• 第一步解绑，但解绑后并未恢复，因为错误的执行计划已产生，全部走全表扫描。
• 第二步做限流，也未能起效。
• 第三步切备库，切到备库后，旧连接上的请求仍在原库执行，新连接到备库后逐步恢复。

对此，我们复盘后得出几个要点：

• 深入理解底层实现：不要盲目相信 OCP 平台上的显示信息，需要到数据库底层查看对应表，确认是否真正绑定了目标执行计划。
• 完善上线前的 review 机制：在测试环节识别有问题的接口，拦截问题代码发布到线上。
• 建立快速止血能力：在平台上提供快速 kill 会话的能力，降低故障影响时长。

同时，也总结了两个DBA避坑硬核心法。一是拒绝盲信 UI 工具：任何工具都有黑盒盲区。执行计划绑定后，必须切回黑屏查询 GV$OB_SQL_OUTLINE 确认真实的物理执行路径；二是敬畏数据，硬核复核：挑选历史计划时，绝不可单看"平均耗时最短"这个单一维度，谨防极端极少样本导致的性能假象。

未来规划：探索一体化向量底座与全自动运维

我们在 2024 年开始使用 OceanBase，从特定场景到核心业务依次上线，基于其在这两年的稳定表现，我们计划持续扩大 OceanBase 的使用范围。例如，将部分 MongoDB 支持的业务场景迁移到 OceanBase，以降低数据库成本。

未来，我们还将基于OceanBase优化AIOps、重塑归档体系、演进一体化向量底座。

1.从手工救火到AIOps智能自愈体系的蜕变

如何将 OceanBase 与自动化运维体系及 AIOps 深度结合，实现数据库问题的自动判断甚至自愈？这是我们要解决的问题，目前已有巡检系统，可以检测隐患与风险，但治理工作仍依赖 DBA 人工处理。未来，我们希望实现：巡检发现问题后自动治理，以及报警触发后自动分析并给出执行路径，经 DBA 确认后即可执行。这对缩短故障处理时间、提升 MTTR（平均修复时间）指标至关重要，对 DBA 完成 SLA（如9999或99999）的考核也有直接帮助。

为此，我们将通过三方面构建全链路治理体系。

• 防线左移：前置 AI 质量拦截。自动化 SQL Review 平台引入 AI 辅助代码审核，在研发流水线中精准识别并提前掐断易引发“全表扫描”的劣质计划。
• 极速响应：智能 RCA 与自动止血。打破传统堆砌告警模式，构建基于监控日志的智能根因分析 (RCA)。实现“诊断->止血”联动，将人工排查时间从分钟级压缩至秒级。
• 底盘稳固：演练与黑屏 SOP。沉淀极端场景下的应急经验，针对复杂故障强化团队黑屏排雷与实操能力，知其然更知其所以然。

与此同时，探索基于大语言模型 Agent 的数据库常态化巡检，结合历史负载特征，实现数据库底层参数的动态自适应调优。逐步落地智能化故障自愈机制，从“被动响应”向“主动防御”演进，极大降低业务连续性对人工经验的依赖。

2.重塑归档体系：从底座演进到全链路自动化治理

冷热数据分离是线上频繁使用的场景，数据分离后仍需保留以满足审计或业务需求。以往，我们的做法非常笨拙：通过 rename 方式定期清理过期数据并重建新表。使用OceanBase后可以按分区进行添加和删除，操作非常丝滑。还可以按时间要求定时执行归档，支持不同租户或实例串行归档，也提供并发数和优先级支持。考虑到我们在东南亚（菲律宾、印尼）、澳洲、非洲等地区都有业务，OceanBase还支持归档时配置不同存储介质，满足当地数据驻留的合规要求。

最初我们使用InnoDB处理数据归档，引发主库 CPU 资源争抢，性能与容量难以兼得；后来引入TiDB，带来了高昂硬件成本与复杂运维负担；现在使用OceanBase彻底统一在线交易与历史归档技术栈，自动化维护分区全生命周期，带来了海量历史数据存储成本骤降70%、主租户核心库查询性能跃升30%的效果。

3.AI Native：一体化向量底座与业务展望

如今，信也内部推动“All in AI”，DBA 团队的相关后台系统已 100% 使用 AI 编写，AI 平台和开发团队将向量数据库作为存储底座。

在AI趋势与业务需求的双重压力下，我们计划探索将OceanBase作为一体化向量底座的效果，比如在海量数据场景下替代 PostgreSQL，以及在智能风控场景使用OceanBase的向量相似度匹配，精准捕捉跨业务线的隐秘欺诈团伙，提升风控模型的召回率与时效性。

OceanBase 向量功能迭代迅速，在4.3.3 GA版本推出 SQL + 向量一体化检索架构，无需异构同步，确保数据实时强一致与金融级可靠性。如今已支持 HNSW、IVFFlat 等主流索引，可承载 16000 维超高维检索，满足大模型长文境需求，据官方透露，后续版本的向量能力将有更大提升。对于我们来说，OceanBase 最大的优势在于一个数据库同时处理关系型、KV 及向量数据，极大降低 AI 原生应用的开发与运维复杂度。

AI 大势所趋，对 DBA 提出了新的技能要求。在与阿里云团队交流时，了解到他们通过海量故障数据构建知识库并存储在向量数据库中，当故障发生时通过向量搜索匹配标准 SOP，再分发给相应人员处理。所以我们将构建基于 RAG 的运维知识库，实现故障特征的秒级检索与自动化处置。同时，依托OceanBase的一体化底座简化技术栈，降低 AI 落地门槛，实现从“数据治理”向“AI 资产赋能”的跨越。

添加社区小助手，加入微信交流群~

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