在9月16-17日為期兩天的2014華為云計算大會上,華為重磅發(fā)布雙活數(shù)據(jù)中心容災(zāi)解決方案。該解決方案通過數(shù)據(jù)中心容災(zāi)應(yīng)用級雙活部署和可視化敏捷運維管理系統(tǒng),在高效盤活災(zāi)備數(shù)據(jù)中心資源、提升系統(tǒng)資源利用率的同時實現(xiàn)數(shù)據(jù)中心業(yè)務(wù)自動切換、應(yīng)用零中斷、數(shù)據(jù)零丟失。
這標(biāo)志著華為已可以提供業(yè)界最高要求的數(shù)據(jù)中心業(yè)務(wù)連續(xù)性災(zāi)備解決方案,將滿足客戶對數(shù)據(jù)中心容災(zāi)業(yè)務(wù)高可靠性。
華為Marketing與解決方案部總裁張順茂表示,隨著云計算,大數(shù)據(jù)的發(fā)展,越來越多企業(yè)把應(yīng)用、數(shù)據(jù)、系統(tǒng)進行集中處理,數(shù)據(jù)大集中的同時也面臨風(fēng)險,災(zāi)難突發(fā)時如何保障企業(yè)核心業(yè)務(wù)7*24小時業(yè)務(wù)連續(xù)性,成為業(yè)界關(guān)注的問題。傳統(tǒng)數(shù)據(jù)中心容災(zāi)建設(shè)模式面臨資源利用率低、切換時間長業(yè)務(wù)存在必然損失、數(shù)據(jù)中心運維整體健康狀態(tài)不可見、缺少演練等挑戰(zhàn)。
為此,張順茂指出:“華為一直致力于成為企業(yè)信息化建設(shè)的戰(zhàn)略合作伙伴,并持續(xù)加大在云計算、數(shù)據(jù)中心領(lǐng)域研發(fā)和投入,提供數(shù)據(jù)中心端到端產(chǎn)品和解決方案。同時華為自身數(shù)據(jù)中心的建設(shè)和運維實踐全面支撐企業(yè)業(yè)務(wù)20多年的全球快速發(fā)展,積累的經(jīng)驗極大提升華為數(shù)據(jù)中心解決方案實用性。在合作方面,華為秉承開放合作的理念, 廣泛與業(yè)界合作伙伴深入合作,持續(xù)幫助客戶構(gòu)筑先進、高效的IT平臺。未來的華為,將以業(yè)界最領(lǐng)先的IT咨詢服務(wù)和基礎(chǔ)架構(gòu),與各行業(yè)CIO們一起擁抱企業(yè)信息化時代的競爭和挑戰(zhàn),創(chuàng)造更高價值。”
華為數(shù)據(jù)中心容災(zāi)解決方案技術(shù)總監(jiān)蘇忠彥介紹:“華為應(yīng)用級雙活數(shù)據(jù)中心方案通過結(jié)合業(yè)界領(lǐng)先的云計算、數(shù)據(jù)庫和存儲等各種技術(shù),實現(xiàn)數(shù)據(jù)中心存儲、數(shù)據(jù)庫、應(yīng)用、網(wǎng)絡(luò)、傳輸?shù)?個層級雙活;同時通過業(yè)務(wù)均衡負載、數(shù)據(jù)同步寫入技術(shù),災(zāi)備中心不僅可提供日常業(yè)務(wù)服務(wù),并且能夠分擔(dān)生產(chǎn)系統(tǒng)的負載,做到既備且用,提高了災(zāi)備中心的資源利用率。當(dāng)一個站點發(fā)生故障時,另外一個站點可實時接管所有業(yè)務(wù),盤活現(xiàn)有IT資源,實現(xiàn)應(yīng)用級雙活無感知切換,業(yè)務(wù)零中斷,數(shù)據(jù)零丟失。另外通過存儲和網(wǎng)絡(luò)技術(shù)的優(yōu)化減少數(shù)據(jù)傳輸?shù)臅r延,從而使客戶可以從可靠性、經(jīng)濟性等角度更靈活地為數(shù)據(jù)中心選址,投資靈活。在運維方面,通過容災(zāi)可視化拓撲敏捷管理、黑盒變白盒,為客戶提供高效、直觀、簡單的整體管理工具,維護工作量減少50%,業(yè)務(wù)恢復(fù)時間縮短30%;同時華為獨創(chuàng)的一鍵式演練功能,節(jié)省操作時間、降低手工操作風(fēng)險,RTO縮短30%,真正實現(xiàn)讓災(zāi)備中心“活”起來。”
華為在云計算數(shù)據(jù)中心領(lǐng)域始終保持領(lǐng)先地位,截止目前,華為已在全球部署了超過400個數(shù)據(jù)中心,包括120個云數(shù)據(jù)中心,其中華為分布式數(shù)據(jù)中心解決方案首創(chuàng)下一代分布式云數(shù)據(jù)中心架構(gòu)。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準(zhǔn)確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準(zhǔn)確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準(zhǔn)確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標(biāo)從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準(zhǔn)上都帶來顯著提升,其中最佳模型達到49.6%準(zhǔn)確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。