中国电信集团公司(简称中国电信)是全球最大的综合运营商之一。中国电信拥有全球规模最大的宽带互联网络和技术领先的移动通信网络,具备为全球客户提供跨地域、全业务的综合信息服务能力和客户服务渠道体系。中国电信拥有庞大的客户资源,截至2016年底,宽带互联网接入用户规模1.44亿户,移动用户规模2.15亿户,固定电话用户规模1.32亿户。
客户受益
• 百万IOPS:性能容量同步扩展,轻松满足数百个业务系统所需的百万级IOPS性能需求。
• 7 × 24:5个9的数据高可用,确保数百个业务3年来长期稳定运行。
• 100PB:EB级别扩展能力,性能与容量同步扩展,从2PB平滑扩展到7PB,支撑业务快速增长。
业务挑战
作为全球最大的综合运营商之一的中国电信,拥有1.4亿宽带用户,2.3亿移动用户,1.3亿固定电话用户。如何更快,更好的推出客户需要的业务和服务,是中国电信最迫切的诉求之一。
改变与提升
"业务云化,是中国电信提升运营效率,提高用户满意度的重要举措。最开始我们很担心分布式存储系统的适用场景。华为分布式存储的设计理念与中国电信的业务云化诉求高度一致。基于FusionStorage构建的7PB的资源池,以及其支撑的上百种应用证明它完全胜任构建云存储资源池的任务。它领先的性能、长达3年的长期稳定运行,使我们已经无需考虑哪些业务适合云化,哪些不适合。"中国电信浙江分公司云计算专家顾炯说。
中国电信浙江公司在云计算领域一直积极探索和不断创新。2011年4月,浙江电信率先在全国第一个完成了关键业务平台比如短信、彩信的云化。浙江电信2011年率先把所有的数据库全部虚拟化,并总结出一套数据库虚拟化的方法,在全电信集团推广。
计算云、网络资源池化之后,如何实现存储资源池化?浙江电信想走一条基于分布式技术的存储云化的道路。中国电信浙江分公司首席云计算工程师顾炯指出存储云化的关键需求:
存储资源按需分配和使用
计算和网络资源已经池化,要打破"烟囱"式IT系统建设模式,电信云业务资源池,存储资源必须也能按需分配和使用。
存储性能容量线性扩展
资源池业务规模增长或新业务需要承载时,不仅要求存储容量要增加,存储性能也要增长,要实现业务云化,存储的性能必须随容量增加而线性增长。
存储资源高效管理
需求部门普遍习惯于"圈地"。比如某个业务系统实际上只要1个PB的空间,业务发展1年后可能需要10PB空间,但是现在按照需求部门的习惯,则一次性把3年需求一次性"圈地"。这样做导致的结果是,看起来存储空间都分配完毕,但是实际上存储的利用率很低。
有了需求的牵引,中国电信浙江分公司开始考虑采用新型存储技术--分布式存储。顾炯说:"分布式存储是传统SAN存储的演进方向,浙江电信13年10月份开始寻找合作伙伴。按照电信运营商的招标规范,浙江电信进行了公开招标,有包括VMware、华为、EMC在内的6个厂家应标。测试下来华为的性能确实是最高、最领先的。分布式存储与传统FC存储没有任何差别,我们在分布式存储上运行了资源池中的所有业务,包括数据库的业务。"
中国电信浙江分公司采用华为FusionStorage,用分布式技术实现了存储资源的云化:
• 可按需分配的存储资源池:建设和扩容周期从60天以上缩短至两周,满足高速发展的业务需求。
• 性能线性扩展:现场实测IOPS达到130万,是唯一通过客户性能测试的厂商。
• 自动精简配置:资源利用率提升50%以上。
方案关键组件
存储阵列:FusionStorage云存储
好文章,需要你的鼓励
微软宣布为Word和Excel推出基于OpenAI的AI代理模式,通过简单提示即可自动生成文档和分析数据。Word用户可享受"氛围写作"功能,利用现有文档组装报告和提案。Excel代理能分析电子表格数据并生成可视化报告。尽管在SpreadsheetBench基准测试中准确率仅为57.2%,低于人类平均水平71.3%,但微软强调其针对实际工作场景优化。此外,微软还发布了基于Anthropic的Office代理,显示其正逐步减少对OpenAI的依赖。
北卡罗来纳大学研究团队通过深入分析手指触控过程中的动态特征,开发出新型触控识别算法,能够理解触控过程中的压力分布、接触面积变化等信息,比传统方法准确率提高15-28%。该技术采用分层处理架构解决计算效率问题,已在真实设备上验证效果,将为个性化交互、情感感知等未来应用奠定基础,有望显著改善用户的触控体验。
OpenAI为美国ChatGPT用户推出"即时结账"功能,用户可在对话中直接购买Etsy和Shopify商品,无需跳转至外部网站。该功能支持Apple Pay、Google Pay等多种支付方式,并计划接入超过100万家Shopify商户。OpenAI还将开源其代理商务协议技术,与谷歌的代理支付协议形成竞争。这标志着电商购物模式的重大转变,AI聊天机器人可能重塑在线零售发现和支付生态系统。
Perfios公司研究团队开发了创新的AI理财顾问训练框架,通过行为心理学驱动的数据生成方法,让8B参数的小模型在个人理财建议方面达到了与32B大模型相当的性能,同时运营成本降低80%。该方法首次将用户心理状态分析作为独立训练阶段,显著提升了AI建议的个性化程度和人性化表达,为普及化AI理财服务提供了技术路径。