土地、房屋、林地、草原、海域等不动产权利涉及千家万户,建立和实施不动产统一登记制度是我国一项重点改革任务,有利于保护不动产权利人合法财产权。特别是南充市不动产登记和住房信息联网的推进,对于规范市场和推进调控具有重要意义。
建立不动产登记信息管理平台并保证平台的数据安全,是推进不动产登记和住房信息联网的关键,浪潮存储一直在关注这一数据平台的建设。
"大集中"带来安全与可靠性新挑战
不动产登记信息管理平台是落实不动产登记制度的重要技术支撑,是各级不动产登记信息与审批、交易信息网上实时互通共享的重要手段。以往不动产登记工作一直分散在不同区域的多个部门,由于不动产登记机构不同、程序不同,采用的信息系统平台多种多样,导致形成信息孤岛、不动产数据之间难以共享,这不仅导致百姓办理相关手续需要在多个部门之间多跑腿,还给全国范围内的不动产清查带来了巨大障碍。而建设不动产登记信息管理平台,实现全国联网、信息实时互通共享之后,这些问题都将迎刃而解。
浪潮智能存储G2助力南充市不动产登记管理平台建设
建设不动产登记信息管理平台,意味着基础设施资源、数据资源、应用服务资源的大集中。由于把"鸡蛋放在一个篮子里",数据信息安全的风险值也随之显著增加,因而对业务连续性的要求也更为严苛。南充市国土资源局在项目建设之初,就把能否为不动产登记信息管理平台运行建立安全可靠的计算、存储环境,作为选择合作伙伴及方案时的重点考量标准之一。
另一方面,南充市国土资源局应用服务资源的整合、大集中,对IT设备的事务响应时间、并发处理能力均提出了苛刻要求。在多业务并发需求、频繁调用数据的情况下,存储等设备能否提供高IOPS、保证低时延,是选型的关键标准。
AS5300G2双活方案确保数据零丢失、业务零中断
经过多方比较与选型,南充市国土资源局最终选择了与长期关注这一领域的浪潮存储进行合作。经过对南充市国土资源局不动产登记信息管理平台数据量及存储读取性能的缜密分析,浪潮提出了智能存储AS5300G2双活数据中心解决方案,并基于两套四路服务器构建双机集群,构建数据库承载系统,实现业务高可用,性能高可靠,解决了平台可能面临的诸多挑战。
两套AS5300G2构建了统一的存储资源池,可以实现数据集中存储。同时,为了提高信息平台的可靠性,两套AS5300G2磁盘阵列基于InMetro技术实现存储双活,即实时数据同步。这样,当某站点发生故障时,另一个站点会接管故障站点的业务;当故障恢复后,正常站点将及时向原故障站点存储同步数据,并且重新恢复双活应用架构,从而保障了核心业务数据的准确性与一致性。
另外,存储系性能是决定信息平台整体性能表现的关键点。由于浪潮智能存储AS5300G2具有智能缓存加速功能,支持SSD二级缓存,满足应用高峰期多业务并发访问时的性能需求,因而可以避免存储端成为复杂应用环境下的性能瓶颈,保证了不动产登记信息管理基础平台所支撑的各种应用的良好体验。
浪潮智能存储AS5300G2
在升级扩容方面,浪潮智能存储AS5300G2还能实现高效、按需的容量扩增,并支持多种容灾方案,以满足未来平台升级需求。AS5300G2系统最大支持3136块硬盘,提供PB级的海量存储空间。此外,系统支持智能异构虚拟化,可以通过自身的存储异构虚拟化技术来接管第三方的存储资源,形成统一的虚拟资源池,并提供存储系统间的数据保护,数据迁移等服务。以上两种方式扩容都无需业务停机,因此对业务零影响。
值得一提的是,智能存储AS5300G2支持云备份技术,无需购买备份软件即可实现数据到云端的备份,降低了备份复杂程度,后续可轻松实现远程数据容灾备份,保护数据安全;此外,当前基于浪潮智能存储AS5300G2的高可用方案后期可扩展至"两地三中心"灾备方案,让用户从容地应对风险。
应用快速部署
"以前我们收到业务部门的应用申请后,要通过评估、报告、审核、招标、采购等一系列流程,一个应用的上线往往需要三五个月。如今通过浪潮的整体解决方案,可以按需分配资源池,不仅具有高弹性和高可用性,并且将应用上线的时间大幅缩短,对于未来的需求也可以做到提前扩展、合理规划。方案不仅帮助我局构建了自动化的不动登记信息系统,并为建立更加成熟的管理系统奠定了良好基础。"南充国土局信息中心主任对于浪潮存储AS5300G2双活解决方案的应用效果非常满意。
未来,浪潮存储将继续为全国不动产登记信息管理平台的数据安全提供可靠保证,为完善我国不动产统一登记制度砥砺前行。
好文章,需要你的鼓励
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。