基于CDM技術的敏捷數據管理實踐分享

光大證券 基礎數據管理團隊 孫偉、沈波

一、前言

近年來，證券業務快速發(fā)展，信息系統變更日益頻繁，兵爸敏捷開(kāi)發(fā)、快速叠代已經(jīng)上廠成(chéng)爲支持業務創新的必要條件。數據庫作爲信吧白息系統運行的重要支撐，數據準備和員好交付的自動化程度對(duì)系統開(kāi)發(fā)、測試效笑農率有較大的影響。

二、測試數據準備遇到的困難

測試數據的準備通常包括數據庫備份、數據我外庫脫敏、數據庫恢複等幾大步驟。在備份環節，我畫信司主要是利用數據庫自帶的備份功能(nén年玩g)進(jìn)行數據庫物理和邏輯兵山備份，并通過(guò)統一備份平台對(duì)備份文件湖靜進(jìn)行備份。

根據測試實際需求，如需要真實數據，到業我們通常采用灰度環境，灰度環境的數據和來準備主要有兩(liǎng)種(zhǒng)方式：直接采用實時(s吃如hí)備庫或者是采用與生産隔離的數據庫。

兩(liǎng)種(zhǒng)紅答方式各有優劣，第一種(zhǒng)方式的優點在于數據是實時(shí)和生産庫同一化步，省去了數據導入的環節，而且對(d海這uì)于某些數據庫如ORACLE DATAGUA街微RD可以利Flashback功能(néng)在測試完成(chéng)之哥光後(hòu)快速恢複與生産的同影電步，缺點在于如DB2，SQLSERVER,MYSQL等數老那據庫并不支持一鍵恢複同步功能(néng)，往往女理需要重新恢複備庫以及和主庫同步關系；對(duì)于第二種體司(zhǒng)方式顯著優點是在于與生産環境隔離，導入和恢複都(dōu)不會雜冷(huì)影響到生産環境，更加安全，但是往往時(shí)術道間需要更久，因爲包括了備份文件傳輸友明，數據導入，也犧牲了實時(shí)性。

如果數據到測試或者開(kāi)發(fā)環境唱文，根據《證券期貨業信息系統運維管理規範》河匠數據用于非生産環境時(shí)，應進(jì門動n)行脫敏處理。結合我司實際安全視身要求，脫敏工作必須在進(jìn)入測試或者開(kāi)發(fā)之腦都前完成(chéng)。對(duì)于全庫的數據準備分影步驟以及時(shí)間更加複雜：

需要在脫敏區域對(duì)數據庫備份文件進術器(jìn)行導入還(hái)原到脫敏區域；

通過(guò)脫敏工具對(duì)該庫中的敏感數問間據進(jìn)行脫敏；

重新進(jìn)行全庫備份；

備份文件通過(guò)至少2次傳輸到達測試環生黑境；

在測試環境進(jìn)行全庫導入/還(há女放i)原。

整個過(guò)程經(jīng)曆了2次備事還份，2次還(hái)原，至少2次傳輸操作，時(shí)間長(c相知háng)且複雜度高，嚴重影響測試開(kāi)發(fā)環境數據物兵準備。

除了影響測試數據的準備效率，我們還(hái)面又技(miàn)臨另外一種(zhǒng)場景，數據庫備份的定期驗證，定期驗證的重雜吧要性不言而喻，有多個案例表明在真正需要用到數據庫物現備份進(jìn)行恢複時(shí)，發(fā)現備份文件不可用。尤其是對又東(duì)于一些穩态系統，由于日常叠代需求很低，如果不定期對(duì)數據庫備照些份進(jìn)行驗證，一旦遇到需要數據庫恢複場景相呢，很可能(néng)遭遇備份文件不可用局面(m見銀iàn)。結合行業要求，我司每季度會(hu件從ì)對(duì)所有數據庫備份文件進女市(jìn)行恢複驗證，由于數據庫長鐵種(zhǒng)類繁多，數據量很大，這(zhè)個工作需要耗費大量空錢的人力和時(shí)間。

基于以上遇到的問題，我們進(jìn)行了市場調什新研，接觸到了一種(zhǒng)基于CDM（Cop跳喝y Data Management，數據副本資舞管理）技術的敏捷數據管理平台，通過(guò)對(duì)該技術的運用，我們整放區合了CDM和脫敏相關工具，實現了生産到開(kāi火呢)發(fā)測試環境的數據快速交付，以及實現了備份數據的自動化周期性的都相恢複校驗。

三、基于CDM技術實踐

CDM技術簡介

Gartner對(duì)CDM器還的定義是，它從生産環境通過(guò)快照技術獲取有應用一緻性保證的數據開開，在非生産存儲上生成(chéng)“黃金副本學船”（Golden Image），這那請(zhè)個“黃金副本”數據格式是原始的磁和飛盤格式，可再虛拟化成(chéng)多個副放謝本直接挂載給服務器，分别用于備份恢複、容災或開(kāi)發時員(fā)測試等。

基于CDM技術的敏捷數據管理實踐

我們在調研市場後(hòu)，發(f話雜ā)現當前主要存在以下三種(zhǒng)CDM技術産品：

1、以存儲爲核心提供的CDM，雖然能(néng)夠提供快照我票和克隆功能(néng)，但很難實現跨異構存儲，構建企業級畫醫規則驅動的副本數據平台，并缺乏豐富的數據服務能我城(néng)力，無法提供自動化、自服務等功能(né理件ng)。

2、塊級CDP技術提供的CDM東他功能(néng)，利用CDP技術所創建的副本數據，是一種(zhǒng)水暗磁盤快照技術，無法保證數據的一緻性場件，并且同一時(shí)間的磁盤快照隻能(néng)挂載一份，資子難以滿足多應用場景的數據需求。

3、端到端的CDM：把單純面(miàn)向(xiàng)恢複的應用場景，變成算志(chéng)了面(miàn)向(xiàng)數據使用的應用場景，姐友通過(guò)副本數據在各個業務環節的即時(shí)可用草化，爲更多業務場景提供數據支撐。

以存儲爲核心的CDM和塊級CDP提供的CDM功能(né理個ng)，按照Gartner的定義，屬于“類”吃那CDM。我們最終選擇了端到端的CDM技術産品，在生産到灰度環境、生産到開個我(kāi)發(fā)測試環境的數據快速交付，以及備份數能市據的自動恢複校驗三個應用場景。

圖1：整體業務架構拓撲

生産到灰度環境的數據快速複制

利用CDM産品的數據庫虛拟化技術，通過(guò)一份數據副本，可快速畫不創建出多個虛拟數據副本，這(zhè)些虛拟數據副本幾乎不占用任何船靜存儲空間，且整個發(fā)布動作可以分鍾級完成(c妹山héng)。

1）具體流程：

對(duì)接生産庫備庫，定時(shí)線關進(jìn)行全量，增量備份，并實時(shí)備份獲銀煙取數據歸檔日志；

2）當需要數據時(shí)，將(jiāng)指定時(shí)間點的數據挂載發放外(fā)布到灰度環境（發(fā)布到灰度環境上數據不需要話謝脫敏）；

3）測試結束後(hòu)，銷毀灰度數據庫。

生産到開(kāi)發(fā)測試環境的數據快速複制

通過(guò)部署CDM方案，分鍾内創建完成(chéng)虛拟數據庫木都并調用脫敏系統對(duì)虛拟數據庫執行脫敏，脫敏後(hò站說u)數據自動推送複制到中間網CDM，經(jīng)過(guò)中間網CD低如M節點可將(jiāng)脫敏數據分鍾級挂載發(fā)布到測我個試網，有效減少開(kāi)發(fā)測試場在紙景中測試數據的準備時(shí)間，提高開(kāi遠從)發(fā)測試環境搭建的效率。

（1）網絡說(shuō)明

生産網和測試網進(jìn)行物歌森理隔離，生産網和中間網、中間網和測試網分别可章討點對(duì)點打通。

（2）開(kāi)發(fā)測試數據快速交付

1）在生産網和中間網分别部署CDM節點；做公

2）生産數據脫敏在生産網内完成(chéng業飛)；

3）生産網CDM節點將(jiā路劇ng)脫敏後(hòu)的數據推送到中間網CDM節點；

4）脫敏數據通過(guò)中間網挂載發(fā)布到測試網的開(kāi)發(市到fā)測試環境；

5）測試結束後(hòu)，按策略定期銷毀數據。

（3）數據脫敏

部署CDM前的數據脫敏，需要分别在生産網和中間網各部署街喝一套脫敏系統，生産數據不能(néng)直厭可接給到測試網，需要經(jīng)曆從生産網雪議到中間網、從中間網到測試網的兩(liǎng)次數據抽取和脫敏，并且是面爸又(miàn)向(xiàng)整庫全量數據的抽取。

部署CDM後(hòu)的數據脫敏，生産網部署一套脫敏系公熱統，將(jiāng)數據發(fā)布到生産靜森網的脫敏環境并執行脫敏任務後(hòu)，脫敏數據利用CDM節點之間的遠吧靜程複制功能(néng)推送到中間網，并通過(guò)票子中間網挂載發(fā)布到測試網。

（4）測試數據版本管理

開(kāi)發(fā)測試環境在使用數據的過(guò)程中存在測試數據版本回退日她、新老版本并行測試等場景。通過(gu黑電ò)CDM的虛拟數據庫版本管理機制，可以實現秒級輛靜版本回退操作，以及通過(guò)版本生雜快照分鍾級創建曆史版本數據環境，實現曆史環境、當們員前環境的新老版本并行對(duì作近)比測試。并且，使用中的虛拟數據庫可以實現秒級創建動态快照，虛拟數據庫可持續自音保持對(duì)外提供服務，不影響測能又試業務連接。

備份數據的自動校驗

校驗的主要目的是爲了定期檢驗備份文件有效性，保證在恢複和還(hái窗電)原數據文件時(shí)的可用。

利用CDM對(duì)接我司統一備份平台，實相算現備份數據的自動化恢複校驗。定時(s外還hí)抽取備份數據并自動進(jìn)行有效性驗證，保證備份數據的可用。計文過(guò)去，考慮到作業周期長(chá一唱ng)，工作量大，備份數據校驗按季度文地來進(jìn)行，在CDM方式下可縮短至按周進(jìn)自跳行。

四、結束語

通過(guò)CDM解決方案的實施，我們實現了一個平高雨台、一站式解決數據獲取，數據存儲，數據構建，數據使用，數據銷毀，在保證術多合規性基礎上，以敏捷的數據全生命周期管理，更好(hǎo)地實現數據共享和數據小電利用。