1、需求分析
高校图书馆是大学里面信息化程度较高的部门,有很多的应用系统,如图书馆网站系统,图书借阅管理系统,电子图书系统,检索系统,邮件系统,数据库系统等。这些系统有些对硬件要求很低,有些对硬件要求较高。如果每一个应用都采用一台物理服务器来运行,势必会照成硬件资源的浪费,同时也会照成较高的电力消耗,并且图书馆技术人员人手有限,较多的服务器硬件也会加重技术人员的维护量。
近几年,云技术的出现有效的解决了多服务器用户的这些需求。有两种云方案可以选择,一种是购买公有云,另一种是自己建设私有云。毋庸置疑,对于图书馆来说,不适合采用公有云,因为它的应用系统对存储容量要求较高、IO访问量大、需要连接外围相关设备。
2、私有云平台解决方案
硕讯面向用户推出私有云平台解决方案,这套云平台解决方案不是简单购买一套云平台软件,也不只是购买一台高性能的服务器或云存储,而是一整套包含软件平台、硬件平台、存储、高可用性、数据安全等在内的系统化平台。
如上图所示,云平台包含五个部分,即高性能服务器硬件、虚拟机系统、云存储系统、数据备份系统、容灾系统。
1)高性能服务器硬件
高性能服务器配有两个志强六核CPU,128G内存,双千兆网络接口,双通道8GFC接口,配有3块15000转的SAS600G硬盘。
2)虚拟机系统
虚拟机系统可以选择VMware、Hyper-V以及其它二线品牌的虚拟机系统,我们推荐采用微软的Hyper-V系统,因为它的使用维护相对简单一些,价格也便宜一些,比较适合非运营商级的企业级数据中心用户。
3)云存储系统
对于云平台来说,采用普通的SAS硬盘,已经无法承载较多的虚拟机运行,必须要将这些虚拟机系统运行在高速的专业存储系统上。另外,多个应用系统会产生大量的数据,所以还需要较大的存储空间。因此,有必要配备一套多功能的云存储系统来承载整个云平台的存储服务。
4)数据备份系统
云平台运行着较多的虚拟服务器,这些虚拟机上都有应用系统,应用系统会产生大量的数据,这些数据有些很重要,需要通过备份的方式保护重要数据。
5)容灾系统
对于任何IT系统来说,都会出现硬件故障,软件故障,网络故障等问题。在设计整个云平台的时候,必须提前考虑这些问题,并且要将解决这些问题的办法和用户所具备的经济实力相结合。显然,图书馆没有必要采用电信运营商级的容灾方案,采用零停机的方案,可以采用可用性低一些,5分钟之内解决问题的方案。
3、方案特点
本方案采用分布式云平台解决方案,采用多个性价比的流行配置来承载虚拟机的运行,而不是采用昂贵的超高性能的硬件设备来集中运行虚拟机平台。分布式云平台和集中式云平台的差别是前者价格要便宜很多,但是管理要稍微麻烦一点。
本方案已经从硬件故障的解决、软件故障的解决,系统的进行了设计,硬件方面全部采用热插拔模块化设计的设备,软件方面采用虚机复制的方式,将虚机复制到另一台物理设备上,一旦某个虚机发生故障,几秒钟内一键启动实时同步的虚机,大大提升了虚机的高可用性。另外,将数据存储在云存储系统中,在实时同步虚机时,无需复制数据,避免了资源的损耗。
云平台标配了Windows平台和Linux平台的数据备份系统,备份系统具有多级备份功能,即D2D2T或者D2D2N功能。它可以先将数据在线高速备份到本地独立的磁盘上,然后再慢慢将备份数据复制到磁带上或者远程的NAS上,用户可以保留两份数据。本方案暂时没有配备NAS系统,用户后续可以增购NAS系统来实现远程数据容灾。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。