mongoDB在互联网金融的应用

P2P是一种网上的借贷模式，放款人可以通过P2P公司选择认为比较靠谱的借款人进行投资。这个模式的缺点就是借款人很有可能会卷钱跑路，甚至还存在整个P2P平台全部跑路的风险，放款人的资金将无从追回。

所以我们更为推崇的理财方式就是分散理财。那么如果要将全部资金都投入P2P，分散在各个平台里面，应该怎么做？

如上图所示，左边是放款人，右边是借款人。通过投资各种不同的平台中的各个借款，通过这种模式达到分散理财的效果。这样资金就不会出现比较大的风险，可以比较安稳一点。

但这种模式同样也有一个问题，要同时管理这么多平台的账户会很麻烦，这是第一个问题。全国大概有2000家P2P Platform，如何甄别好坏，这是第二个问题。

考拉理财就是一个类P2P Fund，类似于基金的概念。我们是为懒人理财服务，通过极致的分散理财，达到风险和收益的平衡。

我们对外通常介绍两个数字，交易额30亿，用户量有70万。投资用户大概在20万左右，管理的资金有7个亿。

这样的业务下面，Mongodb支撑了我们核心的业务。

我们有很多P2P平台，需要和很多平台的数据对接、或者做数据爬取。我们各个P2P平台的信息完全是结构不一致的，结构比较稀疏（有些有，有些没有）。

每个子行业提供的P2P平台信息不同，市场的营销需求变化也很多。

目前，我们较大的collection,其 Doucment count大概在1000万至1亿，我们后台有各种各样的报表和分析。

在金融方面还有一点特殊的需求，就是数据不能丢失、不能删除，在安全方面有很高的要求，备份也需要很完整。

我们最初版本的Mongodb部署很简单，三个节点在IDC机房部署一个读写分离的架构。

后续碰到过一些误删除的坑，加了一个延时的节点，数据延时一个小时。同时根据不同的表、库的特点，有些会做每3~6小时备份、每天备份，保留一段时间，再自动删除比较久远时间的备份。

随着业务复杂的增加，阿里云机房部署了类似两个数据中心的节点，后来我们在公司里面也部署了这样一个节点，用于让数据分析员在本地分析各种报表。

我们现在还没有用到阿里云或腾讯云的结构，考虑到SLA的要求，后续我们从IDC机房迁到阿里云，将IDC转为备用数据中心。

我们当前有以下的备份、恢复策略：将使用Oplog的形式恢复到指定节点、Full backup每六个小时在别的机器、30天内每天的备份，以及延时一小时的备份。

MongoDB是我们主要的数据库,也有MySQL、Hadoop，语言上我们用了Node.js、Python、R。R和SQL是给数据分析员去做的，以及少部分的Java。其余各互联网公司大概类似：Docker、Jenkins、ELK、Grafana、一些BI工具等等。

事实上，我们对业务没有强一致性的要求，但是需要准确性。

官方提供大概两个解决方案，一个以嵌套的形式来保证事务的设计。它的更新和查询速度很快，和业务需求要较好的配合。

另一个Solution就是两步提交，它的缺点是代码比较复杂。

针对数据库层面来说，传统的是用Mysql，或者是Hybrid 的MySQL+MongoDB。SequoiaDB类似于mongoDB，但是它目前还没有很完善的社区支持，我们没有采用。

如图所示，左边是需要交易的部分，右边是其它非交易部分。如果要用这套混合模式，中间必须要做到同步。

为了保证数据不丢失，我们会用MQ或其它的来保证数据接收的稳定性。

我们引用了多一个DB在生产环境，引入了MQ、同步机制，疑问着维护成本、延时。

还需要考虑Foreign Key或者Join Tables的问题，但是如果内部能够处理好这一块，就可以去做。创业公司不建议考虑这个方案。

把所有的东西都记录成一个Event，都是通过Event去驱动业务。所有的Event都可以重放(REPLAY)，重放要求对于系统必定是无伤害性的。

账户设计会考虑内嵌式的文档设计，同时造了一套类似事务的机制去实现。

上图就是事务的逻辑。

上图用代码简化内部来说明：先记录一下要做什么，如果成功就结束了，如果失败就回撤。下图是代码的应用简化的实例。

所有涉及到交易的部分必定是可重入的（幂等），再执行一遍对系统不会造成伤害。

主动查询第三方订单是否支付完成，如果已经支付了就主动确认。

进行交易的前有严格的schema 验证程序。

用户操作级别提供操作锁、限制并发。

还有一些与MongoDB无关，但是我们认为比较有效的：在操作前做一个检查，以及利用Unit Test以保证代码质量。

MongoDB可以作为一个很好的候选，前提是如果要做事务（区别好业务是强一致还是最终一致），做好程序上的最佳实践。

我的分享就到这里，谢谢大家！

点击【阅读原文】进入干货密道