在信息化时代，数据深刻影响着银行的未来发展，谁拥有数据谁就获得了话语权。数据的价值来源于对海量的客户交易数据、客户行为数据等的深层挖掘和分析，以便做到精准定位和营销，进而根据不同的客户和市场需求设计不同的金融产品，提升银行的盈利能力。这种基于大数据的金融业务创新，目前已经成为各商业银行的竞争焦点之一。

　　中国农业银行作为中国四大国有银行之一，据不完全统计，目前其各应用系统每年产生的结构化数据已经突破100TB，而非结构化数据更是突破1PB(1024TB)大关。这也促使农行在大数据实践方面积极走在行业前列。

　　数据飞速增长 IT架构挑战严峻

　　过去，农业银行业务系统运行平台多是小型机，而小型机单机扩展能力有限，原有的架构越来越难以支撑飞速增长的业务应用的计算资源需求。

　　厂商来源单一也导致小型机的采购和维护费用高昂。 特别是Unix小型机软件封闭，操作系统、 虚拟化、数据库等软件采购费用相比x86架构高出数十倍，性价比较低。

　　于是，近年来在互联网行业广泛应用并持续创造价值的Hadoop大数据方案，引起了中国农业银行的关注。Hadoop框架的一个显著特点是，将以往需要高性能小型机才能完成的计算任务，分解为由多台x86服务器(甚至PC机)组成的计算集群来完成。

　　2012年7月，农行正式引入业内广受关注的Hadoop大数据方案。该方案首先被应用于支撑对历史交易数据进行查询与分析，通过采用业界流行的Hadoop分布式计算框架，处理海量结构化和非结构化数据。

　　经过认真的评估与论证，农行的IT技术团队认为，由x86服务器组成的计算集群，在计算性能上可以满足Hadoop大数据方案的要求，但在经济性方面比小型机更具有优势。

　　联合华为试点分布式计算架构 顺应U2L大势

　　为验证这种可行性，2012年下半年，农行的IT技术团队与华为的服务器研发团队成立了联合工作组。根据双方达成的合作协议，华为将提供x86服务器组成计算集群，由农行在华为的计算平台上运行Hadoop的相关软件，并进行相关的业务测试。农行与华为均希望通过试点“x86服务器”的分布式并行计算架构，来共同应对金融大数据业务带来的挑战。

　　首先，农行希望x86服务器在计算性能上应具备“秒级响应”的能力。目前，农行在中国境内的分支机构超过2.34万，服务的客户超过4.2亿，各营业网点、自助终端设备、网上银行等对数据中心的访问属于高并发访问。对于历史交易数据的查询与分析业务，为确保客户的满意度与银行的工作效率，农行要求大数据处理平台对交易明细数据的随机查询要在“秒级”完成响应。