AI • 物联网 • 网络边缘

在数据驱动的世界，确保数据在合适的时间送达正确的接收者，对各种规模的企业而言均至关重要。为实现网络性能与业务功能的最优化，企业需细致观察、精准识别并严密监控流经其基础设施的每一条数据流的状态。

“数据可观察性涉及数据系统（涵盖数据管道、数据库及数据湖）健康、可靠性及质量的保障。它涵盖数据质量、流向、性能及使用情况的监控，以主动发现并解决问题，确保业务所依赖的数据既准确又可信，” Telesoft Technologies Ltd. 的 首席技术官 Matt Dangerfield 指出。 该公司是一家全球领先的金融科技、网络安全及政府基础设施解决方案提供商。

该能力在高速金融交易领域尤为关键，因为这里有 TB 级的数据持续穿梭于技术堆栈之中。即便是单个数据包丢失，也可能对价值数百万的交易构成威胁。

“在金融机构中，我们提供全面的数据可观察性，以优化终端客户体验、识别网络问题，并确保监管合规与有效治理。我们的产品能够无缝融入现有基础设施，提供综合性的协调解决方案，” Telesoft 产品管理主管 Jenna Smith 指出。

克服金融科技领域的可观察性挑战

金融科技领域面临的最大挑战之一是确保数据跟上业务发展的节奏。

“许多对冲基金和高频算法交易均依赖于纳秒级的决策速度，” Dangerfield 解释道。“市场参与者产生的海量数据只会加剧这一挑战。24 小时内流动的数据量可达 PB 级，因此我们不仅需要迅速处理这些数据，还须借助合适的技术提取具有操作性的洞察。”

Telesoft 提供了这一“合适的技术”——一个全面的数据可观察性综合套件。

为收集网络指标，Telesoft 通过部署流量探针捕获、分析并对线路上的每个数据包加时间戳，对包括发送人、接收人、数据量及潜在问题（如丢包或延迟）在内的流量数据提取网络遥测信息。该技术还能监控并预警微突发现象，即网络流量突然激增导致路由器过载，引发瓶颈问题。对于分发市场数据的金融科技实体而言，该探针还能监控关键数据包的顺序，识别提示数据包丢失的卡顿。Smith 强调：“每个客户都必须接收到完整的数据包；任何数据包的丢失都可能导致关键交易的错失。”

为此，Telesoft 提供了下游数据包捕获设备，实现网络流量的全面无采样记录，助力客户满足监管合规要求，并提供价格数据交付公平性的证据。每个数据包均附带时间戳，以明确来源并提供发送证明。这些记录在解决纠纷时发挥着关键作用。例如，当两个客户出现连接中断，附上时间戳的数据能帮助金融机构迅速定位问题源头，是经纪商、交易所还是客户自身。金融机构高度重视自动化数据捕获在取证与报告中的应用，此举可显著缩短分析师的调查时间。

Telesoft 通过构建数据湖实现全面可观察性。该数据湖汇聚了网络各处部署的探测包捕获的数据，以及从核心基础设施中提取的额外网络遥测信息（如日志文件），并通过添加额外上下文来丰富数据。构建这样的数据湖可为顶层应用带来便捷：AI 与机器学习作为可观察性平台的核心要素，能够在潜在的网络问题浮现前自动完成分析、预测并触发警报。

Telesoft 平台依托最新的英特尔 CPU，并利用英特尔 FPGA 技术的强大性能提供超高速、高密度的解决方案。该公司自主设计与制造的 PCIe 接口卡确保了其产品背后的核心技术完全可控。

Telesoft 亦将可持续计算作为关键优先事项。Dangerfield 指出：“我们通过优化工程设计将传统的五个机架金融技术整合至单一机架中，有效降低了客户数据中心的运营成本和能耗。”这背后离不开英特尔技术的支持。

数据可观察性的应用：容量规划与客户体验提升

容量规划对金融机构至关重要，它确保网络基础设施能够从容应对当前及未来的交易负载，同时维持最佳性能并最大限度减少停机风险。金融机构有信心保证能在市场活跃期应对交易量的激增。

“我们的解决方案是监控与基准化每个网络链路的带宽利用率。机器学习和 AI 技术能够实时跟踪带宽利用率的变化，并据此预测未来的吞吐量需求，以便在发生问题之前及时向网络管理员发出警报，” Smith 解释道。“若链路流量趋于饱和，则该流量中新出现的微突发或将导致网络基础设施超负荷，缓冲区超载，最终引发数据包丢弃。这些被丢弃的数据包可能会让客户错失宝贵的交易良机。”

然而，通过在潜在网络问题初露端倪时即进行预测、调查与补救，金融机构能够显著提升客户满意度与留存率，同时吸引新客户，于竞争激烈的市场中稳步推动业务增长。

展望人工智能在金融服务领域的未来

除了增强数据可观察性外，Dangerfield 还对人工智能和机器学习能为金融市场注入的“原始知识力量”抱有浓厚兴趣。传统上，套期保值和期货市场往往依赖于有根据的推测，比如酷热气候或供应链中断如何影响价格。如今，人工智能和机器学习的引入为这一过程增添了智能维度，使其能够识别数据中的复杂模式，从而做出更为精准的预测。

无论人工智能在金融服务领域的未来如何演变，其基石始终是数据可观察性。Smith 指出：“确保稳健的数据可观察性，是维持技术基础设施稳定运行的关键，而这正是高风险金融科技市场不可或缺的。”

本文由 insight.tech 的编辑主管 Georganne Benesch 编辑。