随着我国政府职能向数字化、服务化转型,越来越多的应用、业务、数据被集中处理,数据中心需要更完备的安全保障。河北省人民检察院在其数据中心改造项目中,选择了北京同有飞骥科技股份有限公司(以下简称“同有科技”)为其量身打造的高可用数据容灾存储解决方案。
原数据中心无法满足业务发展需求
作为省级检察院,河北省检察院管理着全省11个市级院和169个县区级检察院,现有22个内设机构,分管不同的业务内容。其信息化系统包含办公系统、档案系统、统一业务软件系统、数据库系统等。随着各种大数据应用的增多,原有数据中心的存储系统无论是IOPS性能还是存储容量均满足不了现有需求。同时,该院之前的数据中心架构较为简单,一旦出现灾难或突发状况,整体业务将受到严重影响。此外,河北省人民检察院希望在项目改造过程中,能最大化利用已有设备,避免重复投资。
针对实际需求,同有科技选择了多控虚拟化系列存储及统一共享系列存储,为其统一业务、电子卷宗等核心关键应用系统,量身打造了本地存储高可用、异地数据容灾解决方案。在提高设备利用率的基础之上,本地实现了业务的自动切换,保障数据零丢失、应用不中断,而同时对重要数据进行异地容灾保护。
虚拟整合统一管理异构存储
该方案具备完美的虚拟整合功能,可实现对异构存储的统一管理,简化管理员操作。同时让异构存储继承多控虚拟存储的全部功能,内嵌的图形化数据监控系统,可以清晰掌握所有存储资源的使用状态及性能情况。采用灵活的存储虚拟化技术,能让老旧存储空间得到充分的二次利用,帮助用户获得更高的空间利用率。在这种保障下,客户原有的不同品牌、不同系列型号的存储设备全部实现了统一管理,并得到充分利用,避免重复投资。
此外,优秀的在线数据迁移功能,则可将原有存储中的数据在线迁移至新增设备中,大大缩短数据迁移所需的宕机时间。
异地容灾业务数据稳定无忧
除了对现有数据中心进行全面升级之外,更在距离原数据中心四百多公里外的张家口市建立异地容灾中心。这种异地数据容灾的架构,为核心业务数据提供了更加稳固的安全保障。
关键业务数据通过IP链路远程复制,利用远距离窄带宽的数据传输技术,大幅减少数据复制对网络资源的占用,提升数据复制效率,在保证数据安全的情况下实现了RPO的数据级容灾。
由同有科技打造的高可用容灾解决方案实施后,大大提高了河北省人民检察院信息系统的风险抵御能力,能有效避免或减少灾难和重大事故造成的损失。无论是核心业务系统的数据安全性,还是业务连续性,都得到了进一步的提升,大大降低了因重要服务功能或生产线严重中断而造成的影响。
此次同有科技为河北省检察院提供的高可用数据容灾解决方案,为客户构建了一个高效、安全、可靠的数据存储环境,得到了客户的极大认可,是其在公检法领域的又一成功典范。作为国产存储的领导品牌,同有科技在公检法领域已经积累了丰富的项目实施经验,成功为湖北省公安厅、山西省公安厅、天津高级人民法院等多个省厅级公检法用户提供高效、稳定的数据服务。
好文章,需要你的鼓励
这项由加州大学圣地亚哥分校和微软研究院合作开发的REAL框架,通过程序分析反馈训练大型语言模型生成高质量代码。与传统方法不同,REAL采用强化学习将代码安全性和可维护性作为奖励信号,不依赖人工标注或特定规则。研究在多个数据集上的实验表明,REAL在保证功能正确性的同时显著提高了代码质量,有效解决了"即兴编程"中的安全漏洞和维护性问题,为AI辅助编程提供了新的范式。
加州大学伯克利分校与Meta FAIR研究团队开发了"Self-Challenging"框架,让大语言模型通过自己创建和解决任务来提升能力。该方法引入创新的"Code-as-Task"格式,包含指令、验证函数、示例解决方案和失败案例,确保生成的任务既可行又有挑战性。在工具计算、网页浏览、零售服务和航班预订四种环境测试中,仅使用自生成训练数据,Llama-3.1-8B模型性能提升了两倍多,证明AI可以通过自我挑战实现有效学习,减少对人类标注的依赖。
南洋理工大学与SenseTime Research合作提出了PoseFuse3D-KI,一种创新的人体中心关键帧插值框架。该方法将3D人体模型信息融入扩散过程,解决了现有技术在处理复杂人体动作时产生扭曲结果的问题。研究团队开发了专门的SMPL-X编码器直接从3D空间提取几何信息,并设计了融合网络将3D线索与2D姿态无缝整合。他们还构建了CHKI-Video数据集,包含2,614个视频片段及完整的人体标注。实验结果显示,PoseFuse3D-KI在PSNR上提升9%,LPIPS减少38%,显著超越现有方法。
这项研究提出了LongGuide算法,解决了大型语言模型在长文本生成任务中的局限性。研究团队发现,仅依靠上下文学习无法使模型充分掌握文本的语言和格式特性。LongGuide通过自动生成两种指导原则:度量指导原则和输出约束指导原则,显著提升了模型性能。在七种长文本生成任务中,该方法使开源和闭源模型的ROUGE-L评分平均提高约6%。LongGuide具有通用性强、易于学习、成本效益高等优点,为提升AI长文本生成能力提供了新方向。