一、项目背景及目标

截至2024年12月，中国太保已完成300+个应用系统的数据库自主可控改造，覆盖所有业务领域，包括产险、寿险、健康险、资管等领域的承保、理赔、资金交易等核心业务场景，数据库整体规模达数万核、6PB数据量，超过20TB的逻辑集中大库高达50多个。在大量复杂系统完成数据库自主可控改造后，替代产品的质效瓶颈开始显现，尤其是海量SQL迁移引发了诸多问题，导致系统运行风险增加，而目前业界主流技术对风险SQL的监控存在诸多不足，难以满足中国太保质量管理体系的要求，本项目的建设目标就是通过建设高水平的SQL治理平台实现对所有改造系统、所有运行环境中所有高风险SQL的提前预警、精准监控与有效治理，确保系统改造上线后稳定运行。

二、创新点

1.可扩展的高风险SQL智能化识别知识库

本项目业界首创全场景数据库创新实践知识库，内置25大类200多项识别规则，能够精准定位SQL潜在问题并提供优化建议，并且可结合生成式AI和RAG技术，进一步提升高危SQL识别精度。目前该知识库每天采集分析SQL语句超过1500万条，风险识别准确率接近100%，累计预识别数千条高风险SQL并有效处置，大幅提升生产系统稳定性。

2.多维度SQL语句性能影响量化模型

本项目突破主流监控技术仅关注SQL执行时长的局限，建立了多维度SQL语句性能影响量化模型，针对数据源头、链路、环境、数据量、硬件资源、数据库使用方式的不同制定了差异化的SQL风险识别标准，实现SQL治理全生命周期差异化监控，并将高风险SQL识别前置到功能测试环境和性能测试环境，通过提前处置风险SQL，减少了生产环境系统风险。

3.首创执行计划劣变识别方案

本项目业界首创执行计划劣变识别方案，实现SQL执行计划劣变主动识别，避免了由于SQL执行计划劣变导致的系统性能及稳定性大幅下降的风险，系统上线以来，主动识别执行计划劣变超过40个并提供相应建议，实现了精准识别、主动处置。

图1 SQL治理平台识别出执行计划劣变性能下降了1173倍

4.全模态数据采集

本项目采用分布式架构，通过适配多种数据库协议、引入增量采集机制、开展数据质量检测与预处理，大大提升了采集效率，解决了数据来源多样、数据量大、格式复杂、数据有时效性要求等诸多痛点问题，为后续分析提供了可靠的数据基础。

5.灵活的多模态数据处理与分析流程编排

本项目提供了可视化流程编排工具，通过组件化开发和参数化配置，实现了数据处理与分析功能的灵活组合和快速调整，降低了技术门槛，满足了业务需求多样化要求，提高了流程维护效率，也提升了跨部门协作效率。

三、项目技术方案

A.总体思路

本项目围绕金融行业数据库国产化替代的风险防控需求，分三阶段构建覆盖方法论研究、工具链开发、规模化落地的全周期解决方案。

第一阶段：规则沉淀阶段。聚焦知识库构建，通过整合300+信创项目历史数据，采用机器学习与专家评审结合的方式，提炼出覆盖运行负载、资源争用、事务异常、性能裂变、信创适配五大场景的识别规则，并基于大模型结合生成式AI和RAG技术实现可扩展的风险SQL知识库，构建高开销SQL语句CPU资源性能影响量化模型，为SQL优化效果预评估提供理论基础。

第二阶段：技术平台开发阶段。以规则库为输入，通过流批一体架构、执行计划对比引擎等关键技术，打造支持日均超1500万SQL实时分析的高性能治理平台，同时搭建可视化的多模态数据处理与分析流程编排平台，实现数据处理流程的快速构建和调整。

第三阶段：平台上线与智能运维阶段。采用分步部署策略，从核心系统灰度验证逐步扩展至全司300余个实例，构建“规则迭代-监控预警-优化闭环”的动态治理体系。

B.技术架构

本项目采用三层架构设计：

（1）平台管理层

作为整个平台的“大脑”，负责数据采集、处理、分析任务的配置。通过简洁直观的界面，用户可以轻松管理采集和分析脚本，灵活编排任务流程，满足多样化的业务需求。

（2）执行服务层

基于分布式设计，可灵活扩展，轻松应对海量任务的并发执行，无论是大规模数据采集还是复杂的数据处理，都能高效完成。

（3）可视化服务层

提供强大的配置查询接口，用户可以通过简单的操作，快速访问大数据平台中的数据。通过灵活的查询SQL，实现数据的精准查询和直观展示，助力用户快速洞察业务趋势。

图2 技术架构示意图

四、项目过程管理

A.项目实施重大事件表 （1）2024年1月，项目启动。 （2）2024年2月，提炼历史经验，构建覆盖全场景、多维度的高风险SQL识别规则库。 （3）2024年3月，技术平台方案设计完成。 （4）2024年4月，技术平台上线，完成系统试点。 （5）2024年6月，技术平台覆盖全部重点系统，完成系统推广。 （6）2024年8月，技术平台覆盖全部系统，进入全面运营。 B.项目的组织与实施

本项目由太保科技负责实施，采取“试点验证→分批推广→全面覆盖”策略，优先选取核心业务系统（如财务、交易系统）进行灰度发布，验证稳定性后按业务优先级分3批次推广，单批次间隔2周。

试点阶段，技术平台上线，以产险寿险处于信创阶段的系统做试点，验证平台有效性。

推广阶段，技术平台覆盖全司重点系统，迭代优化技术平台。

运营阶段，技术平台覆盖全司所有系统，投入全面使用。

五、运营情况

1）运营情况

本项目已完成全面推广。截止2024年12月，实现日均采集分析1500万SQL、25万活跃会话，累计识别出高负载SQL超1.5万，高风险裂变执行计划超40个，高风险长时间运行SQL超400个，高风险文本识别超500个，存在内存泄漏系统10余个，极大的降低了系统的风险。

2）系统运行情况

（1）稳定性‌：系统平均无故障运行时间（MTBF）≥500小时，故障恢复时间（MTTR）≤30分钟。

（2）资源占用‌：CPU占用率峰值控制在3%以内。

六、项目成效

1）经济效益

本项目建设的SQL治理平台目前为中国太保300+个系统提供安全运行保障,通过精准识别数千个高负载SQL并优化，实现CPU资源的大幅节降。截至2024年底，折合节约成本超过6000万元。

2）社会效益

目前金融行业已开始进入信创深水区，新技术新产品应用的伴生风险主要突出集中在SQL风险上。据统计，数据库实现自主可控改造后，超过90%以上的问题都由SQL引发，因此，SQL治理已成为金融行业数据库运行管理的突出共性需求。本项目首创了体系化、全生命周期、可扩展、多维量化模型，利用技术创新有效消除了数据库相关新技术新产品的伴生风险，实现从“被动救火”到“主动预警、精准识别、提前排雷”的SQL治理模式转变，为金融行业深化自主创新、确保系统稳定性探明了道路。

七、经验总结

1）项目建设经验

与现有技术比较本项目优势如下：

2）‌推广经验

本项目通过“分阶段部署+基层试点+灵活架构”组合策略，形成高效可复制的数据库风险治理路径：以“试点验证→分批推广→全面覆盖”模式渐进落地，优先在核心业务系统灰度发布，沉淀经验，打磨产品。

在推广的过程中，制定了分工明确的工作流程，由集团科技管理部负责统筹协调，数据库团队和数智研究院专家实现规则迭代、问题识别，各试点子公司通过专人协调推进子公司项目组优化识别的问题隐患SQL。