在电信行业转型过程中，IT架构的转型占有十分重要的地位，对转型的成功有着重要的支撑作用。而要了解IT架构，首先要分析业务需求，毕竟业务需求才是IT架构设计的本源。IT架构设计的目标就是满足业务的支撑需求，换句话说，有什么样的需求就会催生出什么样的架构。

业务需求的巨大差异必然带来迥异的IT架构设计。为什么互联网业务的需求与传统通信业务需求有如此巨大的差异呢？

按照Moore, Geoffrey在2011年提出的定义，传统业务及其系统被称为交易记录系统（Systems of Record），如传统的ERP系统，电信运营商核心BOSS系统，金融银行的核心交易系统等；而新兴的互联网业务系统被称为互动体验系统（Systems of Engagement），如Baidu搜索引擎，淘宝商城，腾讯QQ/微信，大众点评网等等。

交易记录系统侧重的是记录交易数据，确保交易的安全可靠；交互体验系统则侧重于满足用户的交互体验，在用户交互使用中不断发展完善。交易记录系统与交互体验系统在需求侧重点和设计思路上都有很大的区别。

有了交易记录系统和交互体验系统，积累了大量的交易记录数据和用户交互体验数据，数据量和数据类型的快速增长已经超出了企业传统BI系统的处理能力，则需要第三类系统来实现对交易记录系统和交互体验系统的数据联合分析，进而推动基于数据的决策和运营，这就是大数据分析洞察系统。

从传统电信运营商IT系统架构向面向移动互联网的IT系统架构转型，其背后就是从交易记录系统向交互体验系统的转型思路。因此我们要想分析电信运营商IT架构如何向互联网架构转型，则必须分析清楚交互体验系统在设计思路和方法上与交易记录系统的不同。

不管是交易记录系统，还是交互体验系统，抑或是分析洞察系统，在进行系统架构设计的时候，首先需要考虑三个核心的问题，即一致性（C）、可用性（A）和分区容忍性（P）三个要素的需求程度和取舍方法。根据美国著名科学家和企业家Eric Brewer提出的CAP理论：一个系统不可能同时满足一致性、可用性和分区容错性这三个需求，最多只能同时满足其中的两个需求。因此应用系统的关注点不同，采用的策略也是不一样的，只有准确把握了应用需求，才有可能利用好CAP理论。

对于互联网应用而言，可用性与分区容忍性的优先级要高于数据一致性，在系统架构设计上，一般将A排在第一位，可以适当降低对C的要求，故而倾向于采用分布式架构（即P），也就是说，对于面向互联网业务的系统，其IT架构的核心特征是分布式。对于传统的运营商IT系统而言，数据一致性的优先级最高，因此在IT架构设计时将C排在第一位，同时兼顾A，故一般只能舍弃P，因此倾向采用集中式架构。

那么，运营商IT架构转型是不是需要全盘转向互联网架构就能成功呢？答案显然并不能如此简单。正确的做法应当是根据业务需求的不同而采取不同的策略。按照系统业务需求和应用场景的不同，我们可以把运营商的业务系统分成三类，并根据其特点来确定IT架构转型的方案。

1.传统BOSS交易处理系统

BOSS系统中的交易处理部分，如用户数据库、产品数据库、订单数据库、账务数据库、用户余额/累积量数据库等是CAP冲突高发区，至今缺乏分布化的有效手段和方案。BOSS系统强调对事务的支撑，强调数据的一致性和完整性，而采用集中式数据库模式，基于shared-disk或shared-memory技术架构仍然是未来一段时间最现实稳妥的选择。

以Oracle为代表的关系数据库到目前为止仍然是最完善、最容易运营维护、最稳定可靠和综合性能最好的OLTP数据库。因此以Oracle为基础进行性能的挖掘和优化，不失为一条更具有可操作性的路子。

Oracle数据库性能优化主要有两条路，一个是存储层分布式化+数据库一体机，这种方式成本高昂，软硬件紧密耦合绑定，且增加了运营维护难度。另一种思路是利用全闪存介质替代磁盘阵列作为持久化存储，从而大幅提高数据库性能。此种方式对Oracle数据库应用架构没有任何更改，保持了运维手段的一致性。典型的代表有IBM全闪存阵列方案，今年在国内各大券商得到广泛应用和推广，在保持现有应用架构不变的基础上均提高交易能力5倍以上。

2.新兴的面向互联网业务平台

运营商的面向互联网业务平台，与OTT公司的业务系统有着相似的业务特征和系统建设需求，因此可以全面学习OTT公司的系统架构和建设思路。

针对互联网业务平台的应用场景，需要根据数据类型和数据价值考虑结构化、半结构化和非结构化数据的存储方案。此外，需要格外关注动态可扩展性和分布式计算，基于shared-nothing技术架构构建分布式数据库，支持数据节点的最大横向扩展要求，满足海量数据存储与海量用户的并发处理能力。同时采用读写分离操作模式，有效地减轻数据库与I/O压力。

3.大数据平台

大数据领域属于读多写少分析为主的场景，一般不用考虑CAP冲突，因此可以方便地使用分布式架构进行设计。需重点考虑分布式文件系统、NoSQL数据库、并行计算框架和流数据处理等技术，从而支持海量数据的存储、检索、分析及对流数据的动态实时分析处理。大数据分析提供的客户与市场洞察、网络与客户体验洞察优化、运营洞察与优化能力促进了运营商核心竞争力的提升，同时催生出新的商业模式创新和新的产品创新，而这正是互联网时代运营商转型战略的内容。此外，针对客户行为及喜好的分析，为客户提供个性化、精准的服务，从而达到提升用户体验的目的。