本文件屬於Google Cloud Well-Architected Framework:金融服務 (FS) 觀點,概略說明在 Google Cloud建構、部署及操作穩健 FS 工作負載的原則和建議。這些建議可協助您設定觀測能力、自動化和擴充性等基本要素。本文中的建議符合 Well-Architected Framework 的卓越營運支柱。
由於 Google Cloud 中的 FS 工作負載具有高度管制和敏感性,因此卓越營運至關重要。卓越營運可確保雲端解決方案能因應不斷變化的需求,並滿足您對價值、效能、安全性和可靠性的要求。如果這些領域出現問題,可能會導致重大財務損失、監管處罰和商譽受損。
卓越營運可為 FS 工作負載帶來下列好處:
- 維護信任和聲譽:金融機構高度仰賴客戶的信任。營運中斷或安全漏洞可能會嚴重削弱這種信任,並導致客戶流失。卓越營運有助於盡量降低這些風險。
符合嚴格的法規遵循要求:金融服務須遵守眾多複雜法規,例如:
必須具備完善的作業程序、監控和事件管理機制,才能證明符合法規並避免罰款。
確保業務持續運作和韌性:金融市場和服務通常會持續運作。因此,高可用性和有效的災難復原至關重要。卓越營運原則可引導您設計及實作彈性系統。可靠性支柱提供這方面的更多指引。
保護機密資料:金融機構會處理大量高度機密的客戶和財務資料。為防止資料侵害並維護隱私權,必須採取強大的作業控管措施、安全監控和快速事件應變。安全性支柱提供這方面的更多指引。
最佳化重要應用程式的效能:許多金融應用程式 (例如交易平台和即時分析) 都需要高效能和低延遲。為滿足這些效能需求,您需要高度最佳化的運算、網路和儲存空間設計。效能最佳化支柱提供更多這方面的指引。
有效管理成本:除了安全性和可靠性,金融機構也重視成本效益。卓越營運包括最佳化資源使用率和管理雲端支出的做法。成本最佳化支柱提供這方面的更多指引。
本文件中的優質營運建議對應至下列核心原則:
定義服務水準協議,以及相應的服務等級目標和服務水準指標
在許多金融服務機構中,應用程式的可用性通常會根據復原時間目標 (RTO) 和復原點目標 (RPO) 指標進行分類。對於為外部客戶提供服務的業務關鍵應用程式,可能也會定義服務水準協議 (SLA)。
SLA 需要一個指標架構,從使用者滿意度的角度呈現系統行為。網站可靠性工程 (SRE) 做法可協助您達到所需的系統可靠性。建立指標架構時,必須定義及監控關鍵數值指標,從使用者的角度瞭解系統健康狀態。例如,延遲時間和錯誤率等指標可量化服務的效能。這些指標稱為服務水準指標 (SLI)。開發有效的 SLI 至關重要,因為 SLI 可提供客觀評估可靠性所需的原始資料。
如要定義有意義的 SLA、SLI 和 SLO,請參考下列建議:
- 為每項重要服務制定及定義 SLI。設定目標值,定義可接受的效能等級。
- 制定並定義與 SLI 對應的服務水準目標 (SLO)。舉例來說,SLO 可能會規定 99.9% 的要求延遲時間必須低於 200 毫秒。
- 找出服務未達到服務等級目標時,必須採取的內部補救措施。舉例來說,為了提高平台的韌性,您可能需要將開發資源集中在修正問題上。
- 驗證每項服務的服務水準協議 (SLA) 規定,並將 SLA 視為與服務使用者簽訂的正式合約。
服務水準範例
下表提供付款平台的 SLI、SLO 和 SLA 範例:
| 業務指標 | SLI | SLO | 服務水準協議 |
|---|---|---|---|
| 付款交易成功 | 這項指標會量化評估所有已啟動的付款交易中,成功處理並確認的交易百分比。 範例:(成功交易次數 ÷ 有效交易總數) × 100,以 5 分鐘為滾動時間範圍計算。 |
內部目標,在特定期間內維持高比例的成功付款交易。 範例:在 30 天的滾動計算時間範圍內,維持 99.98% 的付款交易成功率,不含無效要求和預定維護。 |
合約保證付款交易處理的成功率和速度。 範例:服務供應商保證,客戶發起的付款交易中,有 99.0% 會在一秒內成功處理並確認。 |
| 付款處理延遲時間 | 從客戶發起付款交易到最終確認,處理付款交易所需的平均時間。 範例:交易確認的平均回覆時間 (以毫秒為單位),以 5 分鐘為滾動週期測量。 |
付款交易處理速度的內部目標。 範例:確保 99.5% 的付款交易在 30 天滾動期間內,於 400 毫秒內處理完畢。 |
合約承諾在指定時間範圍內解決重大付款處理問題。 範例:針對重大付款處理問題 (定義為影響超過 1% 交易的中斷情形),服務供應商承諾在問題回報或偵測到後的兩小時內解決。 |
| 平台適用情形 | 核心付款處理 API 和使用者介面可供用戶端操作及存取的時間百分比。 範例:(總運作時間 − 停機時間) ÷ 總運作時間 × 100,以分鐘為單位。 |
核心付款平台運作時間的內部目標。 範例:每個日曆月達到 99.995% 的平台可用性,不包括排定的維護期間。 |
與客戶簽訂的正式、具法律約束力的承諾,內容涵蓋付款平台的最低運作時間,以及未達標準的後果。 範例:平台每個月至少維持 99.9% 的可用性,不含排定的維護期間。如果可用性低於最低水準,每下降 0.1%,客戶就會獲得月費 5% 的服務抵免額。 |
使用 SLI 資料監控系統是否在定義的 SLO 範圍內,並確保符合 SLA。工程師和開發人員可以使用一組定義明確的 SLI,在下列層級監控 FS 應用程式:
- 直接在部署應用程式的服務中,例如 Google Kubernetes Engine 或 Cloud Run。
- 使用負載平衡器等基礎架構元件提供的記錄。
OpenTelemetry 提供開放原始碼標準和一組技術,可擷取所有類型的遙測資料,包括指標、追蹤記錄和記錄。Google Cloud Managed Service for Prometheus 提供全代管、高擴充性的指標後端,以及大規模的 Prometheus 作業。
如要進一步瞭解 SLI、SLO 和錯誤預算,請參閱 SRE 手冊。
如要開發有效的快訊和監控資訊主頁和機制,請搭配使用 Google Cloud Observability 工具和 Cloud Monitoring。如要瞭解安全性專屬的監控和偵測功能,請參閱安全性支柱。
定義及測試事件管理程序
定義明確且定期測試的事件管理程序,可直接提升 Google Cloud中 FS 工作負載的價值、效能、安全性和可靠性。這些程序可協助金融機構符合嚴格的法規要求、保護機密資料、維持業務連續性,並贏得客戶信任。
定期測試事件管理程序可帶來下列好處:
- 在尖峰負載下維持效能:定期進行效能和負載測試,有助於金融機構確保雲端式應用程式和基礎架構能處理尖峰交易量、市場波動和其他高需求情境,而不會降低效能。這項功能對於維持流暢的使用者體驗,以及滿足金融市場的需求至關重要。
- 找出潛在瓶頸和限制:壓力測試會將系統推向極限,讓金融機構在潛在瓶頸和效能限制影響重要營運之前,找出這些問題。這種主動做法可讓金融機構調整基礎架構和應用程式,達到最佳效能和擴充性。
- 驗證可靠性和韌性:定期測試 (包括混沌工程或模擬故障) 有助於驗證金融系統的可靠性和韌性。這項測試可確保系統能從故障中順利復原,並維持高可用性,這對業務持續運作至關重要。
- 進行有效的容量規劃:效能測試可提供不同負載條件下資源使用率的寶貴資料,這對準確的容量規劃至關重要。金融機構可以運用這項資料,主動預測未來的容量需求,並避免因資源限制而發生效能問題。
- 成功部署新功能和程式碼變更:將自動化測試整合至 CI/CD 管道,有助於確保變更和新部署項目在發布至正式環境前,都經過徹底驗證。這個方法能大幅降低錯誤和迴歸風險,避免作業中斷。
- 符合系統穩定性的法規要求:金融法規通常要求機構採取完善的測試做法,確保重要系統穩定可靠。定期測試有助於證明符合這些要求。
如要定義及測試事件管理程序,請參考下列建議。
制定明確的事件應變程序
一套完善的事件應變程序包含下列要素:
- 定義事件指揮官、調查人員、通訊人員和技術專家的角色與責任,確保應變措施有效且協調一致。
- 定義通訊協定和提報路徑,確保在事件期間能及時有效地分享資訊。
- 在執行手冊或應對手冊中記錄的程序,概述溝通、分類、調查和解決的步驟。
- 定期訓練和準備,讓團隊具備有效應對的知識和技能。
定期執行效能和負載測試
定期進行效能和負載測試,有助於確保雲端式應用程式和基礎架構能處理尖峰負載,並維持最佳效能。負載測試會模擬實際的流量模式。壓力測試會將系統推向極限,找出潛在瓶頸和效能限制。您可以使用 Cloud Load Balancing 等產品和負載測試服務,模擬實際流量。您可以根據測試結果調整雲端基礎架構和應用程式,以達到最佳效能和擴充性。例如,您可以調整資源分配或應用程式設定。
在 CI/CD 管道中自動執行測試
將自動化測試納入 CI/CD 管道,有助於在部署前驗證變更,確保雲端應用程式的品質和可靠性。這種做法可大幅降低錯誤和迴歸的風險,並協助您建構更穩定、更強大的軟體系統。您可以在 CI/CD 管道中納入不同類型的測試,包括單元測試、整合測試和端對端測試。使用 Cloud Build 和 Cloud Deploy 等產品,建立及管理 CI/CD 管道。
持續改良和創新
對於雲端中的金融服務工作負載,遷移至雲端只是第一步。持續強化和創新至關重要,原因如下:
- 加速創新:運用 AI 等新技術提升服務品質。
- 降低成本:消除低效率問題,並充分運用資源。
- 提升靈活度:快速因應市場和法規變化。
- 提升決策品質:使用 BigQuery 和 Looker 等資料分析產品,做出明智決策。
為確保持續改進和創新,請考慮下列建議。
定期回顧
回顧對於持續改善事件應變程序,以及根據定期效能和負載測試結果最佳化測試策略,至關重要。為確保回顧會議有效,請採取下列做法:
- 讓團隊有機會反思自己的經驗、找出成效良好的部分,並找出待改進之處。
- 在專案里程碑、重大事件或重要測試週期後,舉辦回顧會議。團隊可以從成功和失敗中學習,並持續改善流程和做法。
- 採用結構化方法 (例如開始-停止-繼續模型),確保回顧會議能發揮成效,並產生可行的步驟。
- 透過回顧會議,找出可進一步強化變更管理自動化的領域,以提升可靠性並降低風險。
培養學習文化
學習文化有助於在Google Cloud中安全探索新技術,例如 AI 和機器學習功能,以強化詐欺偵測和個人化財務建議等服務。如要推廣學習文化,請採取下列做法:
- 鼓勵團隊實驗、分享知識及持續學習。
- 採用不究責文化,將失敗視為成長和改進的機會。
- 營造心理安全感,讓團隊敢於冒險並考慮創新解決方案。團隊能從成功和失敗中學習,進而打造出更具韌性和適應力的組織。
- 培養一種文化,促進分享從事件管理流程和測試演練中獲得的知識。
掌握最新雲端技術
持續學習對於瞭解及實施新的安全措施、運用進階資料分析取得更深入的洞察,以及採用與金融服務相關的創新解決方案至關重要。
- 隨時掌握最新進展、功能和最佳做法,充分發揮 Google Cloud 服務的潛力。
- 推出新的 Google Cloud 功能和服務時,請找出機會進一步自動化程序、強化安全性,以及提升應用程式的效能和擴充性。
- 參加相關會議、網路研討會和訓練課程,拓展知識並瞭解新功能。
- 鼓勵團隊成員取得 Google Cloud 認證,確保組織具備在雲端環境中取得成功所需的技能。